这篇东西其实算不上一篇单纯去开展工具推荐相关工作的文章。说到底这是我经过反复进行试错之后，终于得以跑通的一套从「知识库 → 创作 → 排版 → 发布」的完整链路方案。
一、为什么我放弃了纯云端 AI 写作
我自己亲自去开展尝试工作的 AI 写作工具其实不少——就好比 Notion AI、飞书文档里的 AI 助手，还有各种公众号排版神器。说实话，它们确实各有各的长处，但同时还存在一个共同的问题让我心里越来越觉得不安：
你的内容，其实并不在你自己手里。
要是云笔记账号碰到被封的情况，2000+ 条笔记瞬间就会消失不见；你用心写下来的商业洞察，说不定会变成平台训练语料库的一部分；你依靠的 AI 工具要是突然改版开始收费，那么你的工作流说断也就断了。
这真不是危言耸听。我自己就亲身经历过云笔记数据丢失的那种痛——自那以后，我就只认准一个原则：数据必须存放在本地，AI 能力可以凭借云端来进行调用，同时知识资产必须得存放在我自己的硬盘上。
这也就是为什么我最后选用 Obsidian 结合着 AISet 的组合方案。
二、为什么是 Obsidian，为什么是 AISet
Obsidian：你的知识不会丢
Obsidian 算得上是本地化的双链笔记软件，所有的文件全都以 Markdown 格式存放在本地。对 AI 而言，Markdown 算是最友好的格式了——没有那些奇怪的富文本标记，并且也不存在二进制黑箱，纯文本本身就是最为透明的接口。
但是 Obsidian 的价值绝对不单单局限于「本地存储」这一点。它其实是一个 LLM Wiki 知识库。
你写过的每一篇文章、收藏的每一条灵感、整理的每一个概念，都凭借双向链接（[[双向链接]]）自动关联了起来。这些关联并不是你手动去进行维护工作的标签体系，而是跟着你的写作自然生长出来的知识网络。
当你让 AI 去开展读取这个知识库的工作时，它拿到的就不再是一篇孤立的文档了，而是你整个思考体系的上下文。
这才是 AI 辅助创作真正的杠杆所在——不是让 AI 从零开始写，而是让 AI 站在你已经打好的知识地基之上帮你建楼。
AISet：不只是聊天，是一整套创作引擎
不少人把 AI 写作理解为「打开对话框，让 AI 帮我写上一段话」。这种理解实在是太浅了。
AISet 的本质是一个本地技能服务器 ，它依靠 65 个技能模块把从内容创作到社交媒体发布的完整链路都覆盖了。它并不是 Codex 那种「一个聊天框搞定一切」的思路，而是把创作拆解成了可组合的技能节点 ，同时每个节点专门负责做好一件事：!!!
aiwriter — 专门负责开展长文生成方面的工作，可以对多种多样的文体提供支持，同时是依靠工作流来驱动的
khazix-writer — 主要是运用在公众号长文写作这一块，并且还配备了四层的质检体系来把关
aiset-cover-image — 负责开展封面图的生成操作，涵盖了多种多样的风格选项供挑选
aiset-article-illustrator — 处理文章配图的相关工作，借助类型 × 风格二维方法来开展制作
aiset-markdown-to-html — 把 Markdown 转换成为微信兼容的 HTML 格式
aiset-post-to-wechat — 执行公众号的发布操作，同时支持 API 快速模式加上浏览器慢速模式这两种
llm-wiki — 开展知识库的管理工作，选用三层架构（raw→wiki→schema）来进行搭建
reduce-ai-detection — 降低 AI 检测率，进行多轮迭代处理操作来规避检查
这些技能并不是孤立存在的，相互之间其实有着明确的依赖关系在里头：
aiwriter → format-markdown → md-to-html
从撰写内容一直到最终发布，整条链路完全得以打通。这样一来你再也不用在 4 个工具之间来回进行切换操作了，不需要手动去复制粘贴格式，更不需要在排版工具里面重新去调整一遍样式了。
三、公众号创作四要素，AISet 怎么解决
公众号创作的核心元素总共就四个：标题、封面、排版、配图。每一个环节都可以借助 AI 来加速，但关键的地方在于——加速的方式得选对才行。
3.1 标题：凭借知识库生成，不是凭空编造
标题决定了公众号的阅读点击率以及推荐权重，这一点可以说是大家公认的常识了。
不过很多人让 AI 生成标题的方式是：把文章内容直接丢给 AI，然后让它「帮我取 10 个标题」。这样弄出来的标题往往千篇一律，因为没有什么参考系作为支撑。
AISet 的做法就不一样了。它会读取你的本地知识库，结合你过去的标题风格、你积累的爆款标题库，凭借文章上下文来生成标题。这就不是 AI 凭空编造了，而是凭借你的数据驱动的标题优化过程。
我自己实际操作下来，这种方式的标题点击率比起「AI 随机生成」要高出 30% 以上。因为你的知识库里储存的是你自己的风格、你自己的受众偏好，AI 是在帮你把这些优势放大，而不是选用一套通用模板硬套在你的内容上。
3.2 排版：Markdown 转 HTML，微信兼容不返工
排版可以说是公众号创作里面最枯燥的环节了。我见过太多人写完文章之后，在第三方排版工具里花上一个小时调整样式，最后发现微信里面的显示效果不对，又得重新返工处理。
AISet 的 aiset-markdown-to-html 技能直接把 Markdown 转换成了微信兼容的 HTML，并且还支持 LaTeX、PlantUML、代码高亮。你在撰写 Markdown 的时候其实就是在进行排版工作了，不需要额外去打开任何工具。!
更为关键的一点在于，它还允许把好几种排版风格给内置进去。
你完全能够把自身的排版风格给固化下来，亦或是去挑选社区里其他人的风格来用。
这样一来，排版就从「体力活」变成了「进行一次配置，永久复用」的操作了。!
3.3 配图：给文章配图可真不是随便找张图就完事的
不少人对于公众号配图的认知往往就是「随便找张好看的图给插进去」就算完事了。但好的配图本来就应该跟文章内容紧密关联起来的，绝对不是单纯的装饰品啊。
AISet 的 aiset-article-illustrator 技能运用的是类型 × 风格的二维方法：先对文章段落需要什么类型的配图开展分析工作（概念图、流程图、场景图、数据图），然后再去挑选合适的风格（手绘、扁平、3D、写实），这样一来就能把跟内容强关联的配图给生成出来了。
这可比「让 AI 随机生成一张图」有效得多了。因为读者看到配图的时候，就能立刻明白你想表达的意思，而不是觉得「这图跟文章到底有什么关系」呀。
四、我的完整创作工作流
说了这么多，那就把我的实际工作流来梳理一遍吧：
第一步：知识沉淀
在 Obsidian 的知识库里面，借助 LLM Wiki 的三层架构来开展知识管理工作：
原始资料层（raw/）— 涵盖了文章、论文、访谈记录以及灵感碎片等内容
知识页层（wiki/）— 包含实体、概念、对比、查询、指南还有概览
Schema 层（SCHEMA.md）— 涉及约定、结构规则以及标签分类法
所有内容依靠双向链接互相串联起来，同时凭借 8 类中文标签体系来开展分类管理工作（模型/架构、训练/技术、Agent、公司/组织、人物、产业/商业、创作/写作、元信息）。
这一步完全没有 AI 的参与，但它是整个工作流的地基所在。知识库越是丰富，那么 AI 后续生成的质量也就会越高嘛。
第二步：AI 辅助写作
把 AISet 的 专家技能给打开。AI 会依靠知识库上下文帮你开展以下工作：
- 进行大纲的生成
- 对段落进行扩展
- 完成文案的润色
- 检索相关的信息
需要注意的是：AI 是辅助，并不是替代。我通常让 AI 生成 60-70% 的初稿内容，然后自己花时间把它改到满意为止。要是完全依赖 AI 生成的文章的话，读起来是没有灵魂的，读者一眼就能看出来。
第三步：配图 + 封面
依靠 aiset-article-illustrator 生成文章配图，同时凭借 aiset-cover-image 来进行封面的生成工作。多 provider 路由能够确保你不会被单一模型给限制住。
第四步：排版 + 标题
凭借 aiset-markdown-to-html 把内容转成微信兼容 HTML，预览一下排版效果。依靠知识库生成标题，然后选一个最满意的就行。
五、不是所有人都适合这套方案
说了这么多优点，我必须诚实地讲：这套方案确实不适合所有人。
要是你仅仅是偶尔才写写公众号的话，那根本没必要去搭建这么重的工作流。直接凭借公众号后台的 AI 助手，就已经完全足够用来应付日常的需求了。!
假如说你平时专门从事的就是内容创作这块工作，每周起码得产出 3 篇往上，手里头攥着大把的知识素材得去开展管理方面的工作，并且还迫切需要一个能够持续、可扩展、数据自己能把控的创作体系——那么 AISet + Obsidian 就值得你稍微花点功夫去把它给搭建部署起来。
倘若你本身就具备技术方面的背景，同时也在搞内容创作，愿意花功夫去进行本地环境的配置操作，平时就喜欢折腾折腾、搞点定制化——那么这套方案绝对能让你觉得如鱼得水。
要是你压根儿就不想去碰命令行，那这套方案搞起来可能会让你觉得挺痛苦的。AISet 的技能服务器虽说借助 Lite 客户端对操作步骤开展了简化处理，但本质上它还是需要你去对一些技术概念开展理解与消化的操作才行。
六、我的观点：AI 写作的未来不是「AI 写」，而是「人机协作」
眼下市面上好多 AI 写作工具的宣传路子都是「AI 帮你把活儿给干完，你只需要开展审核方面的工作就行」。我个人是对这个发展方向不太认同的，感觉有点偏了。
AI 写作的未来走向应该是「人机协作」——人负责把控创意、判断还有灵魂，AI 则是去执行、加速并且开展优化方面的操作，把二者给结合起来。
具体来讲的话，大概是这样的：
人来决定写点啥内容、怎么去写、运用什么风格、站在什么立场。这些环节是 AI 怎么也做得很不到位的。
AI 负责去开展素材的寻找工作、进行初稿的生成、进行排版、配图还有发布方面的操作。这些才是人不该把时间花在上头的事情，太耗精力了。
AISet + Obsidian 的工作流，本质上就是把这套分工原则给进行落地实现了。Obsidian 相当于你的「第二大脑」，负责把你的知识、灵感、判断都开展存储方面的工作；AISet 则充当你的「AI 执行助手」，把那些重复性工作给开展自动化处理，省了不少事。
你其实不需要一个比你能写的 AI，你需要的是一个能帮你开展写作工作更快的 AI，这才是关键。
七、快速上手指南
要是你决定要开展体验尝试一下这套方案，那么我建议你可以按照这么个路径来走，循序渐进：!
- 去把 Obsidian 给安装好（obsidian.md 那边能免费下载），然后新建一个 Vault 出来，先把底子给打好
- 进行 AISet 客户端的安装操作，把技能服务器给配置妥当，让它能顺畅地跑起来
- 着手开展知识库的搭建工作——借助 LLM Wiki 的三层架构，把你过往的历史文章、那些灵感碎片还有行业知识都给整理归纳进去，形成体系
- 先从写作环节入手——运用 aiwriter 技能来辅助你把第一篇文章给完成，亲自感受一下 AI 结合知识库所呈现出来的效果，心里就有数了
- 开展逐步的扩展操作——像配图、排版、发布这些环节，一个技能接着一个技能地往里头加，慢慢丰富起来
千万别一上来就搞全套。先把写作这条线给跑通了，然后咱们再逐步把其他环节给加上去。工作流它是慢慢长出来的，而不是靠硬性设计出来的，得顺其自然才行。
写在最后
我自己亲自上手去开展过实际体验操作的工具还有各种方案确实相当多，从纯手动操作一直到全自动化，从云端再到本地部署，从单工具运用一直到打出组合拳，基本上都去尝试了个遍。最终我决定选用 AISet + Obsidian，这并不是因为它有多么完美，而是凭借它具备可控性 。!
聊到所谓的可控，其实也就意味着这么几个方面：你辛辛苦苦积累下来的知识不至于动不动就发生丢失的情况，你无需把数据交给第三方去开展处理工作，你手头的工具链能够随时去进行相应的调整与修改，并且你的创作风格也不会被 AI 给强行套用到那种模板化的套路里面去。
这些个东西对于专业创作者来说，那绝对算是底线要求了，根本就算不上是什么加分项。要是你眼下也正在摸索 AI 辅助创作的方案，那么欢迎来交流探讨。这条路其实还长着呢，咱们大家都还在摸索前行。!!!
