最近我在做一个真实项目，叫 FanqieGold。
这个项目不是简单地让 AI 写小说，也不是写几篇爽文玩一玩。
它的目标很明确：研究“AI 能不能辅助批量创作番茄短篇小说，并通过真实发布、真实数据、真实复盘，最终找到可持续的内容变现路径”。
最开始，我的想法很直接。
既然 AI 已经能写长文、写故事、写短篇，那是不是可以提高产能？
于是我们开始每天写 3 篇番茄短篇小说。
每篇大概 8000 到 10000 字。
题材主要集中在女频、家庭伦理、复仇打脸、婚姻背叛、亲情压迫这些方向。
从执行角度看，AI 的产能确实很强。
一天 3 篇，连续几天跑下来，项目已经积累了十几篇短篇故事。
如果只看产量，这件事似乎跑通了。
但很快，现实给了我一巴掌。
某天新发的 3 篇作品，后台阅读量全部是 0。
不是 1，不是 2，不是阅读少。
而是 3 篇全部 0。
这时候我才真正意识到：AI 内容项目最危险的地方，不是写不出来，而是写出来之后，平台根本不给你有效反馈。
更可怕的是，如果没有数据闭环，你可能还会继续写，继续发，继续重复错误。
最后看起来很勤奋，实际上只是在批量制造无效内容。
先说一下真实数据
项目跑到这个阶段，账号整体并不是完全没数据。
后台曾经有过这样的累计数据：
总展现量：8719
总阅读量：188
点击率：2.16%
15 秒阅读：57
30 秒阅读：44
60 秒阅读：33
触底人数：10
评论：0
点赞：1
加入书架：4
单看这些数据，其实不算完全没流量。
至少说明平台曾经给过冷启动展现，也有人点进来看过。
但问题在于，后面某一天发的 3 篇作品，阅读全部为 0。
这说明什么？
它说明问题可能已经不只是“内容不够好”，而是新发内容没有进入有效推荐，或者被系统认为新鲜度不足、重复度过高、互动价值太低。
这类问题，单靠继续写更多篇，是解决不了的。
为什么每天 3 篇反而可能是错的？
在 AI 内容生产里，很多人第一反应都是提高产量。
一天 1 篇不够，那就一天 3 篇。
一天 3 篇不够，那就一天 10 篇。
但真实平台不是这样运行的。
平台推荐系统要看的不是你有多勤奋，而是用户有没有正反馈。
有没有点击？
有没有停留？
有没有看完？
有没有评论？
有没有收藏？
有没有点赞？
有没有继续阅读？
如果这些信号没有起来，产量越高，可能只是让系统更快识别出你的内容同质化。
我们前期写的很多短篇，确实符合番茄爽文的基本结构：
开头强冲突。
极品亲戚或伴侣压迫。
大额金钱或房产纠纷。
女主忍无可忍。
甩出证据链。
反派翻车。
结尾断亲或离婚。
这一套确实爽，也确实容易写。
但连续写多了，问题就来了。
标题像。
封面像。
冲突像。
反派像。
翻盘方式像。
情绪节奏像。
结尾惩罚也像。
读者可能还没疲劳，系统可能已经先疲劳了。
我们内部复盘时发现，很多作品虽然换了标题、换了金额、换了人物关系，但本质还是同一套“家庭压迫 + 金钱冲突 + 证据链反杀”。
这就不是简单的题材重复，而是更深层的叙事 DNA 重复。
换题材也不一定有用
后面我们尝试换一个冲突模型。
比如不再写抢房、抢钱、彩礼、拆迁款，而是写“顶罪入狱”。
表面看，这已经不是原来的老套路了。
但我们做了判重检测后，结果还是很高。
为什么？
因为它虽然换了故事前提，但保留了很多相同的获胜元素：
还是家庭内部压迫。
还是妈妈和弟弟这类反派。
还是女主被牺牲。
还是证据链翻盘。
还是最后让反派受到惩罚。
也就是说，AI 表面上换了故事，骨子里还是在写同一个东西。
这给了我一个很重要的启发：
内容差异化不是只换 premise，不是只换“这次抢房，下次顶罪”。
真正要换的是 craft DNA。
也就是：
反派类型要换。
冲突结构要换。
翻盘方式要换。
爽点触发方式要换。
证据链节奏要换。
结尾互动方式要换。
读者情绪入口也要换。
如果这些东西不换，故事看起来是新的，实际上还是旧的。
于是我们开始做判重检测器
为了不再凭感觉判断“像不像”，我们给 FanqieGold 做了一个确定性判重检测器。
它不是用大模型模糊评价，而是先做一个可解释的 MVP。
主要从 8 个维度判断：
标题公式是否相似。
开头冲突是否相似。
反派类型是否相似。
金额套路是否相似。
证据链结构是否相似。
结尾惩罚是否相似。
女主翻盘方式是否相似。
情绪关键词是否相似。
最后给出一个 0 到 100 的风险分。
0 到 30 是低风险。
31 到 60 是中风险。
61 到 80 是高风险。
81 到 100 是强判重风险，原则上禁止发布。
这个检测器跑完历史作品后，结果非常扎心。
历史 9 篇归档作品，平均判重分很高，中位数也很高，基本都处在高风险区间。
这说明我们之前不是“偶尔重复”，而是整个题材池已经同构化。
这个发现非常重要。
因为它让项目从“我感觉最近写得有点像”，变成了“数据证明高度相似”。
内容项目一旦能量化，就能开始优化。
评论为 0，比阅读少更危险
这次复盘里，还有一个更刺眼的数据：评论为 0。
阅读低，早期还可以理解。
展现少，也可能是冷启动问题。
但是评论长期为 0，说明读者没有被激发参与。
对短篇内容来说，评论不一定要多，但至少要有破冰。
一条评论都没有，说明结尾没有留下情绪出口。
读者看完就走了。
平台也拿不到更深层的正反馈。
所以我们后面加了一个“互动三件套”。
每篇发布包里必须带三个问题：
第一，价值判断型问题。
比如：如果是你，会原谅这样的家人吗？
第二，代入选择型问题。
比如：如果你是女主，会拿钱走人，还是彻底反击？
第三，情绪共鸣型问题。
比如：你身边有没有见过这种偏心到离谱的父母？
这种问题看起来很简单，甚至有点土。
但内容平台上，能不能激发评论，很多时候就是靠这种明确的情绪出口。
以前我们把故事写完就结束了。
现在不行。
故事结尾必须为数据服务。
从每天 3 篇，改成 2+1
经历这次 0 阅读之后，我不再建议盲目每天 3 篇。
现在项目策略改成：
每天 2 篇创作 + 1 个实验/复盘任务。
这比每天硬写 3 篇更重要。
这个“1”可以做什么？
可以补发布台账。
可以记录真实后台数据。
可以做标题 A/B。
可以做封面 A/B。
可以做开头 300 字重写。
可以做判重检测。
可以做题材矩阵。
可以做结尾互动测试。
可以做发布时间对照。
内容项目不是工厂流水线。
它更像实验系统。
每一次发布，都应该带着一个假设。
比如：
今天测试“弹幕预知”是否比传统家庭伦理更容易提高点击。
今天测试“结尾互动问题”能否让评论从 0 到 1。
今天测试早晨发布是否比中午发布更好。
今天测试封面人物大字报风格是否还能继续用。
如果没有假设，只是每天写，那就是盲目堆量。
数据闭环比写作能力更重要
FanqieGold 现在已经证明了一件事：
AI 写 8000 到 10000 字短篇，技术上不难。
难的是后面的闭环。
选题怎么来？
写完存在哪里？
发布状态有没有记录？
单篇数据有没有追踪？
标题、封面、分类、标签有没有记录？
哪篇发了，哪篇没发？
哪篇阅读高，哪篇阅读低？
哪篇被判重，哪篇通过？
哪篇评论破冰，哪篇完全没人互动？
这些问题如果不解决，AI 写得越快，管理越混乱。
我们这次就踩了一个坑。
有 7 篇已经发到番茄的作品，后来发现正文没有归档进数据库。
也就是说，作品发出去了，但项目本地没有完整正文。
这会导致什么？
无法复盘。
无法判重。
无法分析开头。
无法分析结构。
无法总结失败原因。
无法把经验回流到下一篇。
这就是典型的数据闭环断裂。
所以后来我们补了发布台账，修复了状态字段，把已发布但正文缺失的作品标记为 published_missing_content。
注意，不是编造正文补进去。
而是诚实标记：这篇发过，但正文遗失。
做项目最怕自欺欺人。
缺数据就是缺数据，不能为了报表好看就乱补。
题材矩阵开始变得重要
这次复盘后，我们不再只写家庭伦理复仇。
而是把题材分成三条线。
A 线：家庭伦理复仇打脸。
这条线保留，但不能再每天大量写。
B 线：家庭伦理 + 脑洞设定。
比如弹幕预知、重生、读心术、未来日记、反派心声、死亡倒计时。
C 线：悬疑家庭隐秘。
比如亲子鉴定反转、遗产谜案、身世秘密、多年前案件、失踪亲人、伪造诊断书、婚姻骗局。
这三条线的目的不是为了好看，而是为了做对照实验。
如果 B 线明显比 A 线点击高，就加大 B 线比例。
如果 C 线评论更容易破冰，就继续挖 C 线。
如果 A 线继续判重高，就减少 A 线产出。
这才是内容项目该有的样子。
不是今天想到什么写什么，而是用矩阵做实验。
AI 内容变现，最容易犯的错
这次失败让我确认了一个判断：
AI 内容变现最容易犯的错，就是把“产能”误认为“竞争力”。
AI 可以让你一天写很多。
但平台不奖励你写得多。
平台奖励的是用户反馈。
如果你没有数据闭环，没有判重机制，没有题材实验，没有互动设计，没有发布台账，那你只是把低质量决策放大了。
以前人工一天只能写 1 篇，错也只错 1 篇。
现在 AI 一天能写 10 篇，如果方向错，就是一天错 10 篇。
所以 AI 不是自动赚钱机器。
AI 是放大器。
它会放大你的执行力，也会放大你的错误。
接下来怎么做？
FanqieGold 后面会继续做，但策略已经变了。
第一，不再盲目每天 3 篇。
第二，优先发布差异化更高的作品。
第三，高判重作品不发布，先重写。
第四，每篇都必须进入发布台账。
第五，每篇都必须归档 Markdown 和数据库。
第六，每篇发布包必须带互动三件套。
第七，每天至少做一个实验或复盘动作。
第八，所有结论分清楚：事实、弱信号、推测。
这点很重要。
比如“某个题材可能更好”，在样本不足时只能叫弱信号，不能叫结论。
“某篇阅读为 0”，这是事实。
“可能被判重”，这是推测。
如果不区分这些，复盘就会变成玄学。
总结
这次 3 篇阅读全是 0，其实不是坏事。
它让 FanqieGold 从一个“AI 批量写小说项目”，开始变成一个“AI 内容实验系统”。
以前我们关注的是：
今天写了几篇？
现在我们更关注：
哪篇为什么能被推荐？
哪篇为什么没人看？
哪种题材更有差异化？
哪种标题更容易点击？
哪种开头更能留住人？
哪种结尾更能引发评论？
判重分多少才安全？
评论能不能从 0 变成 1？
AI 写小说不难。
难的是把它变成一套能持续迭代的内容生产系统。
这也是我现在越来越相信的一点：
AI 时代真正值钱的，不是单次生成内容，而是把生成、发布、数据、复盘、迭代做成闭环。
只会让 AI 写文章，价值有限。
能让 AI 参与一整套项目系统，才是真正的生产力。
