这次工作的对象是公司微信公众号。最开始的问题很常见：历史文章有积累但内容方向不稳、阅读量需提升、菜单/自动回复/内容/咨询承接之间缺完整路径。我们没从写文章开始，而是先问：公众号运营到底有哪些事，哪些必须做，做到什么程度算完成，谁来确认？最后把整个公众号运营拆成 9 个模块、79 个最小可验收事项，涵盖账号体检、菜单和自动回复、内容策略、标题机制、单篇文章生产、技术审核、合规审核、排版、发布、咨询承接和数据复盘。
一、一切的前提：让 AI 理解我们的业务
不是先让 AI 做事，而是先让 AI 理解：我们是谁、卖什么、客户为什么需要、哪些话能说、哪些绝对不能说。
- 建立公司业务全貌：核心业务、产品形态、面向场景与客户、真正卖的不是某台设备而是围绕风险对象组织的监测与预警能力。
- 用真实业务资料建立"事实底座"——ima 知识库应用：让 AI 读取产品彩页、行业方案、历史案例、资质荣誉、公众号历史文章与后台数据，而不只靠一段简介。
- 明确"内容为什么而写"：不写单纯科普，围绕"风险过程→系统链路→项目化方案→真实案例→咨询承接"。
- 用真实案例校准"什么叫有效表达"：隐藏客户/地点/编号/精确数据，但保留工程背景、风险矛盾、部署原因、系统作用，不虚构过程效果。
- 明确业务和合规边界：不用未确认现场线索、不公开客户名称与报价、不承诺未确认参数、图片优先真实授权素材、技术口径与案例可公开性由人工最终确认。
二、AI 最适合进入已被拆清楚的流程，而不是模糊大任务
把目标拆开后事情就清楚。一篇文章发布前至少要确认：写给谁、服务什么目标、技术表述是否准确、案例能否公开、图片有无授权、读者看完怎么咨询、发布后看哪些数据、数据回来怎么调整下一篇。AI 生成的运营总控 SOP 把任务拆解到二级、每个任务都是最小可用单元并编号，赋予权重，设置自动化任务持续监控。前提是人先把"什么是完成、什么不能碰、谁来拍板"定义清楚。结论：先让 AI 参与流程设计，再让它参与内容生产。
三、真实案例可用 AI 协助整理，但绝不能让 AI 编故事
案例写法原则：客户名称/位置/编号/人员/精确数量/原始数据可隐藏，但工程背景、风险矛盾、部署原因、系统作用等真实逻辑要保留。AI 可把已有事实整理更清楚，但不能为"生动"补造过程、数据和效果。
四、把一次次纠错变成规则，AI 才会越用越省力
把每次纠偏沉淀成长期规则：不写脱离业务的纯科普；自动化监测不能写成"人工先看再看"的巡检流程；案例保留真实工程感；对外正文不出现内部审核语言；咨询统一引导读者回复"咨询"；图片优先真实授权素材；每篇文章经技术、合规、发布、数据复盘节点。规则固化后下一篇不必从零开始。
五、AI 的成果必须在最终使用场景里验收
公众号页尾做"二维码在左、关注引导文字在右"版式，浏览器预览正常，但复制到公众号编辑器后横向结构不稳定。后来改成完整二维码关注引导图作为普通图片插入才解决。AI 负责出方案、生成内容、协助排查，但最终能否落地必须回到真实系统、真实终端、真实用户验证。
六、哪些事交给 AI，哪些留在人手里
AI 适合：资料整理、任务拆解、初稿撰写、多版本对比、规则检查、排版生成、文件归档、复盘清单、模板沉淀。必须由人工完成：技术事实确认、案例真实性判断、图片和版权授权、对外承诺、后台操作、咨询承接、最终发布责任。AI 可提高流程速度和完整度，但不能替公司担责、替业务人员做最终决策。