我给 AI 定的 4 条「不许编」红线，每一条背后都有一次翻车

2026-09-14 · 9 分钟阅读

AI 自动化内容生产工程实践Claude Code独立开发

这是「一个人的 AI 营销部门」系列第 6 篇。前五篇讲了这套系统长什么样、一条流水线怎么跑、看板规则怎么定、发布权怎么交出去、出过哪三次事故。

这一篇讲一个更麻烦的问题：AI 会一本正经地编东西，而且编得比真话还顺。

我最开始以为这事靠"选个更强的模型"就能解决。跑了几个月发现不是——模型越强，编出来的东西越像真的，越难被抓住。真正管用的是把红线写死进规则文件，让它每次干活之前都必须过一遍。

下面四条红线，每一条都是先翻车、后补规则。翻车记录全是我自己这套系统的真事。

红线一：引用任何线上事实，必须先把真东西取回来

翻车过程：2026-09-13，AI 在例行巡检里开了一张 P0 卡片，标题大意是「aiwith.chat 博客全站空白，41 篇文章全部 404」。证据给得很像回事：三个 slug，三个都是 404。

我当场就去排查了。结果博客好好的。

问题出在那三个 slug 是 AI 凭印象拼出来的：

它写 is-chatgpt-plus-worth-it-2026，真实的是 is-chatgpt-plus-still-worth-it-2026（少了个 still）
它写 two-models-one-subscription，这篇站上压根不存在

不存在的地址当然返回 404。拿这个反推"全站挂了"，是一次纯粹的假警报，代价是我一次紧急排查。

更值得注意的是第二个站。当时 CN 博客确实是空的，但原因是它本来就还没发过文章。 AI 把"空表"和"故障"看成了一回事——这两者在接口返回上长得一模一样。

补进去的红线：

报线上故障（尤其是 404 / 空页）之前，必须先从列表页、sitemap.xml 或数据源里取出真实存在的 URL 再去测。不许凭印象构造 slug。多个站点同时"异常"时，先问一句「这个站本来有数据吗」。

落到动作上就是一行命令，取回来再测：

curl -s https://aiwith.chat/blog | grep -o 'href="/blog/[a-z0-9-]*"' | sort -u

这条红线的适用面比它看起来宽得多。凡是 AI 要在产出里写一个它没亲眼取回来过的外部事实——链接、价格、版本号、竞品的功能列表——都该走同一道闸：先取回来，再引用。

红线二：用来证明产品能力的图，一张都不许生成

我的内容里要配图。小红书这类平台纯文字笔记基本没有流量，配图是发布的前置条件，所以生图这一步也交给了 AI（走火山引擎 Ark）。

问题是：AI 画图不挑题材。你让它画一张"产品界面截图"，它真能画出一张看起来非常像真的产品截图——按钮、侧边栏、对话气泡一应俱全，只是那个产品不长这样。

这已经不是"内容质量"问题了，是伪造产品证据。一旦发出去，读者按图来试，对不上，信任一次性归零。

补进去的红线：

AI 生图只能做封面图、概念示意图、氛围图。凡是「产品界面截图」「真实生成结果」这类用来证明产品能力的图，一律不能用 AI 画——必须标注为人工截图项，留给人去截。

顺手还有两条踩出来的实操经验，一并写进了规则：

生成后必须把图下载到本地再入库。Ark 返回的是签名 URL，X-Tos-Expires 通常是 86400 秒（24 小时），只在 md 里贴链接的话第二天就是一片死链。
图里的中文字容易出错字，交付时提醒人核对一遍再发。

红线三：数字要连口径一起给，口径不对的数字比没有更糟

翻车过程：我想看一个导流效果——freeai.help 往 aiwith.chat 引流，转化如何。 AI 去自建的 Plausible 查了，回来说数据正常。

但它查错了地方：它去 freeai.help 自己的站点里查 utm_source=freeai-blog。这个维度在那边根本不会有值——utm_source 是访客落地时被记录的，要查自我导流的标记，得去落地站点 aiwith.chat 查。

换对站点之后，真实数字出来了：90 天 18 个访客、0 转化，点击率约 0.02%。判定为白嫖流量，相关卡片直接关掉，不再投入。

如果当时信了第一次那个"数据正常"，我会继续往一条已经死掉的渠道里投时间。 一个取错口径的数字，比根本没有数字更贵——没有数字你至少知道自己不知道。

补进去的红线：报数字必须同时报取数口径（哪个站点、哪个时间窗、哪个维度、哪个过滤条件）。口径写不清楚的数字不许出现在结论里。现在这套查询长这样，口径全在请求体里摆着：

curl -sS "https://analytics.bumo.cc/api/v2/query" \
  -H "Authorization: Bearer $ANALYTICS_KEY" -H "Content-Type: application/json" \
  -d '{"site_id":"aiwith.chat","metrics":["visitors","events"],"date_range":"30d",
       "dimensions":["event:goal"],
       "filters":[["is","visit:utm_source",["freeai-blog"]]]}'

红线四：取不到的指标就写「未配置」，不许估算

这条是前三条的兜底，也是我认为最重要的一条。

我每周日 9:05 有一份自动跑的指标周报（scripts/weekly-metrics.py），要报注册数、订阅数、MRR、CN 付费收入、GSC 展现和点击。这些数据分散在四五个来源，每个来源都有可能因为凭证过期、接口改版而拿不到。

拿不到的时候怎么办？一个"聪明"的 AI 的默认倾向是按上周的数推一个，或者干脆略过不提。两种都是灾难：前者往你的决策依据里掺假数据，后者让你以为这周没数据可看。

所以脚本第 5 行就把设计原则写死了：

能自动取的字段直接取；取不到的字段明确标「未配置」而不是瞎猜或报错退出。

代码里就是一个常量，所有取数失败的分支全部返回它：

TODO = "未配置"

# ...
def fetch_gsc(...):
    if not (creds and site):
        return {"impressions": TODO, "clicks": TODO}, "GSC_* 未配置"

有一个字段到今天还是「未配置」，我也没让它变成数字：周报里的"注册用户中非中国占比"。原因写在脚本注释里——用户表（chat-pro/chat-server/src/models/user.ts）根本没有存国家/地区字段，Plausible 上也没有对应的目标事件（已经用 v2 query API 核对过 30 天内的 event:goal 维度）。两条路都拿不到，那就是拿不到。要么人工加打点，要么这一格永远空着，不能猜。

每周看到那个「未配置」我都有点不舒服——这正是它该有的效果。一个刺眼的空格会催我去补打点，一个编出来的数字只会让我心安理得地做错决定。

这四条最后是怎么生效的

关键不在于我知道这四条，而在于AI 每次干活前都会读到它们。

我的做法是：红线不写在对话里，写进项目根目录的规则文件（我这边是 CLAUDE.md）。每次任务启动时它被自动加载，优先级高于模型自己的默认行为。写在对话里的规则，下一个会话就没了；写进规则文件的规则，一年后新开的会话照样生效。

规则文件最底下还有一条总纲，管的是所有没被上面四条覆盖到的情况：

宁可少做也不要做错。没把握就标记人工，不要猜。

这句话同时出现在两条定时线的 prompt 里（comment-watch.sh 和 daily-agent.sh）。它给了 AI 一个体面的退出选项——发现自己没把握时，"标记人工"是一个被明确认可的、不算失败的结果。如果不给这个出口，一个被要求"完成任务"的 agent 在信息不足时，最自然的行为就是编一个看起来合理的答案填上去。

很多"AI 幻觉"其实是这么来的：不是它想骗你，是你没给它说"我不知道"的余地。

如果你也打算把内容或者运营的活交给 AI 去跑，我的建议是：别等出事再补规则。上面四条直接抄过去，改成你自己业务的名词，今天就能用。踩一次假警报的成本，比读这篇文章高得多。

想给自己的团队搭一套？

这套系统是我给自己 12 个产品用的。现在我把同一套东西搭进别人的公司：

一块属于你自己的看板：AI 在里面领任务、写稿、配图、发布、汇报，进度你随时能看
一套它不会闯祸的规则：谁能发、发之前过几道闸、出问题多久告警，全部写死在规则文件里
每周 30 分钟的你：审方向、点发布。剩下的活它自己干
按月交付内容和数据：不是「给你一个会写字的 AI」，是内容条数、搜索展现、转化数据一起交

价格：启动包 ¥3,000 起（搭板 + 规则 + 跑通第一轮），月度方案 ¥5,000 起（持续产出 + 数据复盘）。 首批 3 个创始客户 8 折，我会按你的行业把规则调到能用为止。

下一步：到 bumo.cc/issue 找我——微信客服、在线客服、商务邮箱都在那一页，挑你顺手的那个，说一句「想聊 AI 自动化交付」就行。 20 分钟聊完你至少能带走一张「你的内容流水线该长什么样」的一页纸，不合适也不亏。

想先自己动手也完全可以。这套流水线调用的模型能力全部来自不墨 AI——一个订阅同时用 GPT / Claude / Gemini / DeepSeek / Kimi，写稿、起标题、做摘要这些活它都能接。