30 天 Blog 內容自動化實驗完整記錄：我們做了什麼、生出了什麼、為什麼喊停

2026 年 6 月 8 日，我們啟動一個實驗：讓 AI（Antigravity 2.0，Opus 4.6）自己寫、自己發五個網站（aicoding.tw / aicoach.tw / aiart.tw / aivideo.tw / aimusic.tw）的部落格文章，全程不需要人手動介入寫作與發布。原訂目標是驗證「內容自動化」這件事在現階段是否可行，計畫跑滿四週。

2026 年 7 月 2 日，作者判定生成文章品質持續不達最低標準，提前結束整個實驗，改採另一套「真實案例＋既有觀點」的內容生產流程（Curated Blog Automation）。

這篇文章把整個過程攤開：我們具體建了哪些 Harness（工作環境與規則）、五站在這段期間實際生出的全部文章、以及品質為什麼始終沒有達標的真正原因。

「Harness Engineering」指的不是讓 AI 更聰明，而是設計 AI 的工作環境——給它清楚的邊界、檢查點、和犯錯後的修正機制。這次實驗裡，我們實際建了以下幾層：

1. 發布前衛生檢查：C1–C6 品質閘

每篇文章發布前，必須通過六道檢查：

- C1 翻譯測試：搜尋全文有沒有出現「五個網站」「五站」「aicoding」「aiart」等跨站洩漏詞（排除當站站名）。 - C2 禁用詞：搜尋「IDAW」「I Dream AI Works」「IDOL」「OPC」「NPC」「Agent 軍團」「一人公司」等詞；各站再加站別專屬禁詞（例如 aicoachtw 額外禁止「解鎖」「打怪」「升級」「裝備」「掉寶」這類遊戲化詞彙，aiarttw / aimusictw 額外禁止「商業模式」「規模化」「SOP」「框架」這類顧問腔）。 - C3 具體細節：文章裡有沒有實質的數字、工具名稱、步驟。 - C4 模版結構：是否至少有 4 個 H2 小標。 - C5 網址（Slug）：是否避開「ai」這類過於通用、SEO 價值低的字。 - C6 Clippings 來源核對：若文章來源標註為某篇 Clippings 範文，內容是否確實對應。

其中 C1、C2 若檢查失敗，系統會自動改寫問題句子後重新發布——這是整套機制裡唯二會自動修正內容的規則。

2. 三維度量化評分系統（S1/S2/S3，滿分 100）

單純的及格/不及格不夠精細，後來我們設計了一套把「這篇文章好不好」拆解成三個維度、各自再拆成子項目的評分系統：

- S1 搜尋對齊（35 分）：S1a 搜尋意圖命中（15 分）、S1b 關鍵字佈局（12 分：標題／前 100 字／至少 2 個 H2／meta description 各 3 分）、S1c 長尾自然覆蓋（8 分）。 - S2 點擊吸引力（25 分）：S2a 標題點擊率（15 分）、S2b 開頭黏著力（10 分：前三行或前 80 字能不能留住讀者）。 - S3 讀者共鳴（40 分）：S3a 問題解決度（15 分）、S3b 內容具體度（12 分）、S3c 行動落地（8 分：讀完有沒有一件今天能做的事）、S3d 獨特觀點（5 分：這篇有沒有別處找不到的洞見）。

總分對應等級：S（90+，加入範例庫）／A（80+，合格發布）／B（70+，可接受）／C（60+，需記錄根因）／D（<60，需重寫）。

3. 每日與每週排程

- 每日 12:30（daily-blog-quality-gate）：抓當天發布的文章 → 用 HTTP 請求驗證是否真的上線 → 跑 C1/C2 自動修正 → 跑 S1/S2/S3 評分 → 把結果寫進 `DAILY-OPTIMIZATION-LOG.md` → 覆寫一份 `NEXT-DAY-HINTS.md` 給隔天的 Antigravity 讀 → 用推播通知回報。 - 每週一 11:00（weekly-blog-quality-review）：讀一週份的每日紀錄 → 做 B-M-L（Build 做了什麼／Measure 數字說了什麼／Learn 學到什麼）分析 → 對 `AGENTS.md`（系統的核心規則文件）提出修改建議（只寫建議，不自動執行，必須經人審核採納）→ 若有 90 分以上的 S 級文章，把它的寫作技法萃取進範例庫 → 把當週最典型的失敗案例寫進失敗案例庫 → 自動產出五站「公開檢討」週報草稿（不自動發布，等人回覆「全部發布」才上架）。

4. 標題公式庫（2026-06-15 採納，唯一真正落地的規則改動）

我們發現標題是最先拖累 S2（點擊吸引力）分數的地方，於是建了一份含 30 種標題公式的資料庫，每種公式標注對應的心理觸發、適合的文章類型、以及品牌安全等級（🟢可用／🟡斟酌／🔴禁用，例如限時、FOMO、挑釁類公式列為紅燈）。之後規定每篇文章的標題必須走「判斷類型 → 決定觸發點 → 生 5 個不同角度的候選標題 → 過 S2 閘 → 選出最強的一個」這個流程，不能只寫一個版本就發。

5. 失敗案例庫（ANTI-PATTERNS.md）

比起抽象規則，直接記錄「這句話發布過、被抓到、不能再犯」的真實反例更有效。裡面最嚴重的一類是「AI 佈道語調」——因為四個創作站（aicoding / aiart / aivideo / aimusic）的讀者，本身正承受著 AI 可能取代自己工作的焦慮，任何說教式的鼓勵句都會造成反效果。例如：

- ❌「AI 時代充滿機會，只要你願意改變」——等於在說「你的問題是你不夠努力」。 - ❌「擁抱 AI，讓它成為你的超級武器」——「擁抱」這個詞本身對 AI 焦慮的讀者是反感的。 - ❌「AI 不會取代你，取代你的是不會用 AI 的人」——聽起來像安慰，實際上是把焦慮轉嫁成讀者的責任。

6. 其他實際落地的修正

- 建立五站共用的情感寫作框架（`WRITING-SKILL.md`），整合進每篇文章生成前必經的步驟。 - 把「NPC」這個標籤從所有指導文件中移除（NPC 框架只保留在書和 idreamaiworks.com，不該出現在四個垂直站）。 - 修正 aiart.tw 的工具設定：主理人 Lazzyu 實際只用 ChatGPT Image 2.0 和 Gemini Nano Banana Pro，禁止文章提到 Midjourney。 - 累積 14 條從真實好文章（兩本電子書＋Clippings 範文）拆解出的寫作技法模版。

以上這些，是規則層面確實做出來、確實在跑的東西。規則設計本身，其實相當完整。

以下是 2026-06-08 至 2026-07-01 期間，五站實際發布的所有文章，依站台分類、依日期排序。點標題可看原文（原網址持續有效，作為歷史存檔保留）。

aicoding.tw（共 22 篇）

aicoach.tw（共 22 篇）

aiart.tw（共 20 篇）

aivideo.tw（共 20 篇）

aimusic.tw（共 20 篇）

规则做得這麼細，為什麼三週後我們還是判定「不達標」而喊停？回頭看每週的內部記錄，答案不是規則不夠嚴，而是驗證這件事本身，一直沒有被真正做到。

第一週（W25，06-15 週報）：起步就只有 1 天有數據

第一週的週回顧顯示，過去七天裡只有 1 天（06-10）留下完整記錄。當天的檢查結果：C1、C2、C3 全數通過，但 C4（結構）5 站中有 2 站沒過，C5（網址）5 站中有 4 站踩到「ai」這個通用詞——換句話說，網址通過率只有 20%。同時也觀察到「勵志填充句」反覆出現的問題（「懂我意思嗎？」「這是一場必輸的遊戲」這類沒有實質資訊的句子）。

第二週（W26，06-26 週報）：號稱一週，其實只有 1 天，而且還漏了一站

第二週的週報同樣只找到 1 天（06-19）的有效評分紀錄，其中 aivideo.tw 那天發布時遇到伺服器錯誤（HTTP 500），該篇文章直接被排除評分，只剩四站可比較。四站當天平均 80.75/100（A 1 篇、B 2 篇、C 1 篇），最弱的是 S1b「關鍵字佈局」，平均只拿到 68.75% 的分數——其中 aicoachtw 那篇的所有 H2 小標都是通用標題，沒有一個放進目標關鍵字。

這一週我們正式採納了第一個規則改動：導入標題公式庫。但因為評分資料本身就稀疏，這個改動到底有沒有讓分數變好，其實也沒有足夠的樣本可以驗證。

第三週（W27，06-29 週報）：產量最高的一週，評分卻是空白的一週

第三週的記錄最直接地暴露了問題。這一週五站在 6 天內合計發布了 30 篇文章——是整個實驗期間單週產量最高的一次。但翻開 `DAILY-OPTIMIZATION-LOG.md`，這 30 篇文章裡，沒有一篇留下 S1/S2/S3 評分紀錄。週報裡的原話是：「就像工廠出貨 30 件，但沒有任何品管記錄。」

貫穿整個實驗的一個事實：「已驗證有效規則」清單，從頭到尾是空的

我們原本設計了一個機制：每次對 `AGENTS.md` 提出的修改建議，都要經過「提出 → 採納 → 連續兩週追蹤分數 → 確認真的有效」這個完整流程，通過的才會被記錄進「已驗證有效規則」清單，成為之後可以放心沿用的固定規則。

從實驗開始到喊停，這份清單裡一條記錄都沒有。不是因為沒有規則被採納——標題公式庫確實採納了；是因為採納之後，追蹤驗證所需要的每日資料，本身就時常斷鏈，導致沒有任何一個假設真正走完這個迴圈，被證實或推翻。

結論：問題不在規則不夠細，而在執行本身不可靠

把這三週的事實放在一起看，會發現一個清楚的模式：

1. 我們花了不少力氣設計了一套相當完整的品質控管系統（六道發布前檢查、三維度百分制評分、每日與每週的自動審查排程、失敗案例學習機制）。 2. 但這套系統要真正發揮作用，前提是「每天都確實被執行、每篇都確實留下數據」。 3. 實際情況是：發布流程本身會出錯（HTTP 500）、評分紀錄常常沒有真的被寫入、產出速度（一週 30 篇）遠遠超過品質驗證迴圈能跟上的速度。 4. 結果是規則一直在加，但沒有任何一條規則被完整驗證過有沒有用——因為驗證這件事，本身就沒有被穩定地做到。

換句話說：這不是「AI 寫得不夠好」的問題，而是「我們沒有可靠地確認 AI 寫得好不好」的問題。沒有穩定的驗證迴圈，任何規則改進都只是假設，永遠無法變成真正被證實的知識，品質自然也就無法真正累積、複利式地變好。

基於以上結論，我們做了以下決定：

1. 終止全自動生成式的內容流程，五站統一改採 Curated Blog Automation——先取材真實案例，再套上既有觀點做拆解，AI 的角色從「憑空生成者」轉為「素材組織者」。這套流程已經在另外三個垂直站（aibrand.tw / aimedia.tw / aishop.tw）跑過，實際產出的內容品質明顯更好，因為底層有真材實料可以組織，不是純粹憑空生成。 2. 停用原本綁定這次實驗的兩個排程任務（每日品質審查、每週 BML 週報），避免繼續產出未經驗證的內容。 3. 保留這 103 篇文章在線上，作為這次實驗的歷史存檔——不下架，讓這篇記錄裡的連結持續有效，也讓這段過程本身變成可以查證的公開記錄，而不是事後才說的故事。

這次實驗帶走的一件事：想靠自動化把一件事做好之前，先確保「確認它有沒有做好」這件事本身能被穩定地做到。驗證迴圈不可靠，規則設計得再細，也無法讓系統真正變好。