全自动起号系统设计
全自动起号系统设计
为什么想做这个
起号这件事，说到底就是内容工厂。
不管小红书、抖音还是知乎，核心流程都是一样的：选题 → 写内容 → 配图/视频 → 发布 → 等流量。每个平台的风格不同，但流水线是一样的。
问题在于，一个人起号真的很累。
拿小红书来说，一天发3篇笔记，每篇要选题、写文案、做封面图、排版、打标签。光是一个平台，一天就要花2-3个小时。如果同时还要做抖音和知乎，一天的时间根本不够用。
而最让人难受的是，这些工作重复度极高。
选题可以靠搜索热词，文案可以靠模仿爆款，图片可以用模板生成，发布就是点几个按钮。每一步都是标准化的流程，偏偏每一步都需要人在操作。
所以很自然的想法：能不能让AI来干？
恰好，我的桉树（Eucalyptus）数字分身系统已经搭建完成，vistask-ai任务调度平台和Task Processor执行引擎也已经跑通了7x24不间断工作的链路。那么在这个基础上，加上各大平台的MCP工具，一套全自动起号系统就有了底座。
而各平台的MCP基本都已经被开源的大大们研究出来了，或多或少用了各种游览器工具模拟发布，例如随便在Github上搜索：
系统的本质
全自动起号系统的本质是：一条从选题到发布的内容生产流水线。
和工厂的生产线一样，原材料（热点话题）进来，经过一道道工序（搜索、写作、配图、排版），最终产出一个成品（文章/视频），然后自动发货（发布到平台）。
这条流水线需要解决三个核心问题：
- 内容从哪来 — 选题和素材采集
- 内容怎么造 — AI创作和风格适配
- 内容怎么发 — 多平台自动发布
下面围绕这三个问题展开。
架构设计
全局架构
整个系统复用Eucalyptus的三层架构，在其之上扩展起号专用的工作流和技能：
与桉树系统的关系
全自动起号系统不是从零开始搭建的，它是Eucalyptus的一个业务场景延伸。
复用了桉树的调度、执行、轮询三大核心能力，只需要新增起号相关的技能和Agent。
功能分析
一、选题侦察
起号的第一步是知道发什么。
选题侦察Agent（topic-scout）的工作是自动发现各平台的热门话题和流量关键词。通过各平台的MCP工具，自动执行：
选题时序：
!()[https://leyunone-img.oss-cn-hangzhou.aliyuncs.com/image/2026-05-11/ggf175302.png]
二、内容创作
有了选题，下一步就是写内容。但这里有一个关键问题：每个平台的风格完全不同。
小红书风格
小红书的爆款笔记有几个鲜明特征：
- 标题党：数字+感叹号+emoji，比如"7天涨粉1000！！！我的方法竟然这么简单"
- 口语化：像和朋友聊天一样，大量使用"姐妹们"、"绝了"、"真的会谢"
- 结构化：问题引入 → 解决方案 → 效果展示 → 行动号召
- 图片驱动：首图是灵魂，要吸睛、要对比、要有文字标注
所以内容创作Agent在面对小红书任务时，会加载小红书风格知识库：
抖音风格
抖音是短视频平台，内容形态完全不同：
- 前3秒定生死：开头必须有钩子（"你知道吗？" / "别再XXX了"）
- 节奏快：信息密度高，不废话
- 情绪化：要有表情、语气、节奏的变化
- BGM驱动：音乐是氛围的核心
知乎风格
知乎偏理性、偏深度：
- 长文为主：3000字起步，有逻辑、有数据、有引用
- 专业感：术语准确、思路清晰、有代码/图表
- 价值导向：回答"为什么"比"怎么做"更重要
- 引流能力：知乎的搜索权重很高，长尾流量可观
三、图片编排
图片是起号的重中之重，尤其小红书。图片编排Agent需要完成：
图片编排时序：
四、自动发布
内容制作完成后，通过各平台MCP工具自动发布：
全链路时序
把从任务创建到内容发布的完整链路串起来：
伪代码推演
任务创建
人类只需要在vistask-ai上下一个任务单，描述想要起什么号、什么领域：
任务定义:
{
"type": "ACCOUNT_BUILD",
"platform": "XIAOHONGSHU", // 目标平台
"niche": "编程学习", // 目标领域
"keywords": ["Python入门", "零基础编程", "转行程序员"],
"frequency": 3, // 每天发3篇
"style": "干货分享型", // 内容风格
"notes": "侧重女性受众，语言活泼"
}
选题Agent
function topic_scout(platform, niche, keywords):
// Step 1: 多平台搜索
hot_notes = xhs_mcp.search(niche + keywords)
hot_videos = douyin_mcp.search(niche + keywords)
hot_questions = zhihu_mcp.search(niche + keywords)
// Step 2: 关键词提取
all_titles = extract_titles(hot_notes + hot_videos + hot_questions)
keyword_freq = count_keywords(all_titles)
trending_words = top_n(keyword_freq, 20)
// Step 3: 竞争度分析
for word in trending_words:
competition = count_search_results(word)
traffic = estimate_traffic(word)
score = traffic / competition
topics.append({word, score})
// Step 4: 排序输出
return sort_by_score(topics)
内容创作Agent
function content_writer(platform, topic, style):
// 加载平台风格知识库
style_guide = load_style(platform)
// style_guide 包含:
// - 标题模板（小红书: 数字+感叹号+emoji）
// - 正文结构（开头/中间/结尾模板）
// - 标签规范（标签数量、格式）
// - 禁忌词列表
// 生成标题（5个备选）
titles = generate_titles(topic, style_guide.title_templates, count=5)
// 撰写正文
content = draft_content(
topic = topic,
structure = style_guide.content_structure,
tone = style_guide.tone,
length = style_guide.recommended_length
)
// 生成标签
tags = generate_tags(topic, platform, count=style_guide.tag_count)
// 规划图片
image_plan = plan_images(
content = content,
style = style_guide.image_style,
count = style_guide.image_count
)
return {titles, content, tags, image_plan}
图片编排Agent
function image_designer(image_plan, platform):
images = []
for plan in image_plan:
switch(plan.type):
case "COVER":
// 封面图: 大字标题 + 对比色背景
bg = generate_background(plan.color_scheme)
title_overlay = add_text(bg, plan.title, font="bold")
image = resize(title_overlay, platform.cover_size)
case "INFOGRAPHIC":
// 信息图: 流程图/思维导图
image = generate_infographic(
data = plan.data,
layout = plan.layout,
color_scheme = plan.color_scheme
)
case "SCREENSHOT":
// 代码截图: 代码 + 标注
image = capture_and_annotate(
code = plan.code,
highlights = plan.highlights
)
images.append(image)
return images
自动发布Agent
function publisher(platform, content, images, tags):
// 平台适配
formatted = format_for_platform(platform, content, images, tags)
// 调用对应平台的MCP发布
switch(platform):
case "XIAOHONGSHU":
result = xhs_mcp.create_note(
title = formatted.title,
content = formatted.content,
images = formatted.images,
tags = formatted.tags,
is_original = true
)
case "DOUYIN":
result = douyin_mcp.create_video(
title = formatted.title,
video = formatted.video,
cover = formatted.cover,
tags = formatted.tags
)
case "ZHIHU":
result = zhihu_mcp.create_answer(
question_id = formatted.question_id,
content = formatted.content,
images = formatted.images
)
// 记录发布结果
save_publish_record(platform, result)
return result
完整工作流编排
把所有Agent串起来，形成完整的起号工作流：
关键设计问题
一、多账号管理
起号通常不是起一个号，而是一批号。所以需要支持多账号并行发布：
每个账号绑定不同的MCP认证信息，vistask-ai的任务单中指定目标账号，Task Processor在执行时根据target_account加载对应的MCP凭证。
二、内容去重和原创性
同一批号在同一领域，不能发重复内容。需要设计内容指纹机制：
function check_duplicate(new_content, account_history):
// 计算新内容的指纹
fingerprint = content_hash(new_content)
// 与该账号历史内容比对
for record in account_history:
similarity = compare(fingerprint, record.fingerprint)
if similarity > 0.7: // 相似度超过70%判定为重复
return DUPLICATE
// 与同领域其他账号的内容比对
for other_account in same_niche_accounts:
for record in other_account.history:
similarity = compare(fingerprint, record.fingerprint)
if similarity > 0.5: // 跨账号相似度阈值更低
return SIMILAR
return ORIGINAL
三、发布节奏控制
起号最忌讳的是发布频率异常。一个新号突然一天发10篇，大概率被平台风控。所以需要控制发布节奏：
vistask-ai在创建任务时，根据账号所处的阶段自动调整任务频率。
四、风格知识库持续进化
起号的核心竞争力在于内容风格的质量。风格知识库需要持续积累和优化：
这就是桉树经验积累能力在起号场景的延伸——AI越用越懂流量。
系统设计
任务调度设计
在vistask-ai中，起号任务和普通的开发任务共存在同一个调度平台中：
起号任务和开发任务共享同一套调度逻辑，只是任务类型和工作流不同。
执行引擎设计
Task Processor不需要任何修改，它只负责轮询和调用Eucalyptus。起号任务和开发任务的区别只在Eucalyptus内部的工作流路由上：
MCP工具层设计
各平台的MCP工具需要暴露以下核心能力：
总结
全自动起号系统，本质上是Eucalyptus数字分身在内容创作领域的一个垂直应用。
它复用了桉树的三大核心能力：
| 能力 | 在起号场景中的体现 |
|---|---|
| 7x24不间断 | 每天自动选题、创作、发布，全天候运营 |
| 一人多角 | 一个AI同时运营多个平台、多个账号 |
| 知识积累 | 风格知识库持续进化，越用越懂流量 |
核心差异只在于新增了起号专用的工作流和Agent，以及接入了各平台的MCP工具。
说到底，起号这件事和写代码本质上是一样的——都是流水线式的重复劳动。既然代码能让AI写，内容为什么不能让AI产？
而且比起写代码，内容创作的标准化程度更高。爆款标题有模板、正文有结构、图片有规范、发布有节奏。这些都是AI最擅长的事情。
当桉树从"帮我写代码"延伸到"帮我起号"，数字分身的价值就不再局限于技术领域了。
它是一个通用的生产力放大器——只要你定义好流水线，它就能帮你执行。
这才是Eucalyptus这个名字真正的含义：快速生长、适应一切。