ContentOS：图文自动化之后，创作的功夫花在哪里

设想你正赶着去坐地铁，手机上看到附近两家咖啡店的宣传图。杯子都冒着热气，阳光也刚刚好，文案都说自己有好豆子。图很漂亮，你却仍然不知道该去哪一家：哪家出餐快，能不能顺便带份早餐？

如果两家店用同样的工具，就能做出质量相近的图文，再各多做十张，也未必回答了你的问题。

我做 ContentOS，最初要解决的是系列图文的生产问题。它的定义是：“绘你所想，一键生成系列图文内容”。制作逐渐自动化以后，我越来越在意上面这个区别：图做出来了，顾客想知道的事情说清楚了吗？

先看整组图要回答什么

ContentOS 的导演式 Agent 先列大纲，再按语义拆分，提炼每张图的核心意思，生成图像提示词，最后出图。用户输入需求、选择数量，系统把这些制作步骤接起来。

有了大纲，创作者就能在生成之前看一眼整组内容。咖啡店开业，招牌产品、地址和营业时间各自回答不同问题：卖什么，在哪里，什么时候能去。六张图都在说“我们开业了”，数量倒是完成了，顾客要找的地址可能还没出现。

图生成以后，创作者还得挑选、修改，决定哪些留下。原来一张张做时要作的判断，依然要作；生成越方便，待选的结果也越容易攒起来。

效率仍然重要。还做不出可用内容的小团队，先解决制作问题，才有余力往下想。但当生成质量、成本和可用性已经相近，光说“我能做出来”，就很难让人选这一家了。图里说的内容，还得让顾客愿意继续看。

三张变三十张，忙碌未必变少

自动化省下的时间，可以用来试几种不同的表达，也可以全部变成新的产量指标。原来一天做三张，现在一天交三十张，大家依然很忙，只是顾客需要划走的内容更多了。

留下来挑图的人，也未必轻松了。假如两家店仍由同样的人负责审核，多出的版本就要有人逐一比较。没有说清要比较什么，选一张“看起来最像成品的”便很省心。它也许确实更漂亮，但顾客想知道的事有没有说清楚，可能就这样被略过去了。

图选完，还得发给合适的人。现有的 ContentOS 提供平台预览、复制、下载、重新生成和历史记录，方便用户检查结果，再决定怎么用；“一键生成”不包含全平台自动发布。即使发布操作也变得容易，谁会看到、看到时是否需要这些信息，仍要另外考虑。顾客不会因为两家店各多发十张图，就专门多留一段时间看广告。

多做的版本如果尝试了另一种解释，帮助我们发现原先想错了，就有价值。如果只是同一句卖点换了几套装饰，忙起来的主要还是制作、筛选和浏览的人。

定位报告都有了，还缺什么

那两家咖啡店，也未必本来就该说同样的话。一家想让赶地铁的人顺路带走早餐，另一家想让附近居民坐下来消磨一个下午。前者值得说清出餐速度和早餐搭配；后者可能更该介绍座位、环境和适合停留的时段。两家都能写“品质卓越”，这句话却没有替顾客分清什么。

品牌调性、产品理解和客户调研，就在这里起作用。调性决定一家店习惯对谁说话、用什么语气说、哪些承诺不适合自己；产品理解决定它是否真能兑现这些承诺；调研则帮助判断，这些特点是不是顾客当下在意的事。三者没配合好，风格再统一，也可能只是很一致地说着别人不关心的话。

到这里，很容易得出一个让人安心的答案：以后比谁更懂用户。

不过，假如基础品牌文案和常规客群分析也能便宜地生成呢？两家店都拿到一份像样的定位报告，里面都有目标客群、品牌语气和内容建议。如果报告都差不多，光说“我更懂用户”，仍然得拿出理由。

这时，报告里没有写出、却会改变选择的几件事，可能更有帮助：早高峰实际要等多久，顾客在哪一步犹豫，什么情况下去了另一家店。光是“只有我有”还不够，这些信息得足够具体、及时，能够推翻原来的想当然，才值得收集。

回到那个赶地铁的人。假如他担心的是来不及上车，继续介绍咖啡豆的产地，未必能让他放心。接下来要核实的是：出餐能不能稳定地快？能，才值得把它说清楚；不能，就得调整服务安排，或者承认这家店不适合他此刻的需要。我们写出了“无需等待”，队伍并不会因此缩短。了解产品，有时会要求我们改产品，文案自己完成不了这件事。

去过现场也不保证永远更懂。如果 AI 能持续得到同样准确、及时的信息，并结合情境作出可靠解释，这部分差异同样会缩小。顾客的原话存下来，还要弄清它们意味着什么，决定怎样改变产品或表达，才算真的用上了这些信息。

下一次，别只记住改了哪张图

假如用户发现顾客更在意等待时间，下一次修改图文时，就得让这件事体现出来。我希望用户能直接说清这次为什么要改，ContentOS 再据此调整内容。

Google 的 People + AI Guidebook 建议，反馈方式应贴近用户评价体验的方式，并说明反馈会怎样、何时影响结果。^[1] 比如，“这张没有讲清为什么值得买”，就是一种与创作目的直接相关的要求。用户不必先判断哪个生成步骤出了问题。工具需要按他的要求修改，让他看得出改了什么，也能判断是不是自己想要的。

我们曾做过 Canvas 区域选择，后来发现，在这个场景里，文字指令能达到相近的修改精度，于是简化了界面。需要精确限定区域的任务，仍可能适合圈选。操作方式可以跟着“想改什么”调整；而对下一次创作有用的，还有“为什么要改”。

后续我想把原始需求、采用或修改的理由、对应版本和实际使用情况联系起来。同样是放弃一组图文，可能是产品优势没讲清，也可能是看过顾客反馈后，才发现原先强调的优势并不重要。前一种需要改表达，后一种要回头检查理解。只记一句“没有采用”，下一次可能又去改图，却没检查原来的想法。

这些是后续还要做的工作。现在的生成记录能告诉我系统做出了什么，用户拿它解决了什么，还得继续了解。对开头那个赶地铁的顾客来说，下一组图也许不用更热闹，只要早点让他知道，自己有没有时间等这杯咖啡。