ClaudeCode 的 172 个应用场景（1）：内容创作
Aaron 基于 780+ Claude Code 会话提取的 19 个内容创作实战场景，首次披露从选题调研到批量写作到多平台分发的完整内容工程方法论
基本信息
| 字段 | 值 |
|---|---|
| 来源 | 人人都是产品经理 |
| 作者 | Aaron（曾俊AI实战笔记） |
| 发布日期 | 2026-06-08 |
| 原文链接 | https://www.woshipm.com/ai/6409642.html |
| 字数 | ~12,000 字 |
| 数据基础 | 780+ Claude Code 会话、70-80% 工作由 Claude Code 完成 |
核心观点
- 内容生产是工程问题，不是灵感问题：Aaron 把内容创作拆成 5 大阶段（前置准备 → 批量生产 → 多平台分发 → 后期加工 → 质检校验），每个阶段对应多个具体场景，共 19 个。这种拆法的核心价值是把”会写”的模糊能力变成”可执行”的工程流程——来源：场景 1-19 全文
- 写作风格说明书是让 AI “像你”的关键机制：Aaron 让 Claude Code 读取自己过去写过的文章，拆解标题习惯、开头方式、段落节奏、常用句式等，输出一份结构化的”写作风格说明书”。把”写得像我一点”从模糊要求变成可复用规则，后续批量写稿时引用这份说明书就能保持风格一致——来源：场景 2
- 调研和写作必须分离，先做”弹药库”再批量出稿：不要每次写文章都从零开始找素材。先为目标人群做一套前置资料（调研资料.md + 写作框架.md），一次性把”弹药库”和”写作骨架”搭好，后面批量出稿时直接读取这两份文件。调研做一次，可用 9 类人群 × N 篇文章——来源：场景 1、场景 6
- Claude Code 的独特价值是”内容工程载体”而非”写稿助手”：普通聊天工具也能写一篇文章，但 Claude Code 更适合的地方是读文件、建目录、批量处理、调用脚本、自查、保存结果、复用规则。它不是替代写手，而是搭建内容生产系统——来源：第五章总结
- 批量写作必须带质检流程：产量越高风险越高。必须在流程中嵌入字数检查（wc -m）、禁用句式扫描（grep）、客户脱敏审核、事实来源验证、价值观校验等环节。不能等发布前靠人工补救——来源：场景 6、场景 9、场景 19
关键概念
- 写作风格说明书：从已发布文章中拆解出的可复用风格规则集，是 AI 批量写作保持个人风格的核心机制
- 内容工程化：把内容创作从灵感驱动变成工程驱动，拆成可执行的阶段和场景
- Claude Code：本文的核心工具，780+ 会话验证的内容工程载体
19 个场景全景
一、前置准备（场景 1-5）
| # | 场景 | 输入 | 输出 | 省心点 |
|---|---|---|---|---|
| 1 | 分人群素材调研+写作框架 | 目标人群、标题列表、知识库 | 调研资料.md + 写作框架.md | 调研做一次，后续反复调用 |
| 2 | 拆解自己的写作风格 | 已发布文章、不喜欢的表达 | 写作风格说明书 | 把模糊的”像我”变成可复用规则 |
| 3 | 拆解竞品博主和爆款套路 | 博主 10 篇文章/爆款列表 | 拆解报告（公式+结构+套路） | 看清别人靠什么让读者愿意看 |
| 4 | 选题生成+标题批量打磨 | 主题/核心观点/历史标题 | 15-20 个标题+情绪分析 | 从 0 到 1 想角度的时间 |
| 5 | 爆款方法论提炼+风格建模 | 多篇爆款文章 | 可复用方法论（有用型/嘴替型/战队型/打疼型） | 把零散经验变成规则 |
二、批量生产（场景 6-13）
| # | 场景 | 输入 | 输出 | 省心点 |
|---|---|---|---|---|
| 6 | 分人群批量写公众号/视频号长文 | 人设+人群+标题+调研资料+写作框架 | 3-7 篇 1500-3000 字长文 | 个人风格+案例+痛点标准化复用 |
| 7 | 基于素材包批量写主题系列长文 | RAG 素材包+标题+写作规则 | 4-8 篇系列长文 | 一个素材包反复使用 |
| 8 | 基于专家访谈写解读型长文 | 访谈全文+业务背景 | 2000-3000 字解读文（保留英文原话+本地化案例） | 外部权威材料快速变原创分析 |
| 9 | 代笔白皮书正文 | 目录+章节说明+文风范本+素材库 | 每章 6000-8000 字 Markdown | 十几万字白皮书拆成可执行工程 |
| 10 | 按角色拆分 AI Skills 推荐系列 | 目标角色+Skill 清单 | 2000-3000 字角色文章 | 工具推荐内容模板化批量产出 |
| 11 | GitHub 项目研究→公众号文章 | GitHub 地址+标题 | 1000-1800 字工具号文章 | ”选题→查项目→读 README→写文”流水线 |
| 12 | 热词深讲 B 端/C 端分开写 | 标题+受众类型+案例 | 短文（含配图 prompt） | 同一热词按受众拆不同结构 |
| 13 | 仿博主风格写小红书笔记 | 标题+大纲+内容类型+参考素材 | 1000-2000 字笔记（必须有”可收藏实体”） | 小红书结构做成 Skill 后快速产出 |
三、多平台分发（场景 14-17）
| # | 场景 | 输入 | 输出 | 省心点 |
|---|---|---|---|---|
| 14 | 采访视频转原创分析短文 | 采访文本+人设+写法原则 | 600-800 字分析短文 | 外部素材规模化变原创分析 |
| 15 | GitHub 推荐文/观点文批量改写 | 标题+原文章+改写规则 | 新 Markdown 文件（同题不同稿） | 重复改写的机械劳动 |
| 16 | Markdown 长文→小红书文案 | 原始 Markdown+改写要求 | _小红书版.md | 一篇长文快速平台化 |
| 17 | AI 爆款改写 | 原文标题+摘要+正文 | 3-5 个备选标题+优化版正文+爆款评估 | 快速给出多个包装方向 |
四、后期加工（场景 18-19）
| # | 场景 | 输入 | 输出 | 省心点 |
|---|---|---|---|---|
| 18 | 文章批量转图文卡片+自动配图 | Markdown 文件+卡片样式 | PNG 卡片（封面+正文分页+尾页） | 不用人工排版，几十篇批量跑 |
| 19 | 文章价值观校验与改写 | Markdown 文章+AI AS ME+规则 | 校验结论+必要改写版本 | 批量写作的安全阀 |
实操内容保留
Aaron 在文中明确给出了多个关键硬约束和规则（原文摘录）：
批量写作的 6 条硬约束（场景 6）：
- 70% 是我的观点，30% 是事实和案例
- 不能编造经历
- 真实客户案例必须脱敏
- 写完要用 wc -m 查字数
- 要用 grep 检查禁用句式、中英文空格和敏感词
- 已写过的标题不能重复写
素材包写作的 1 条铁律（场景 7）：
素材不够，就写分析型文章，不编故事，不编数字，不硬造案例。
白皮书写作的 4 个控制点（场景 9）：
1. 文风统一：必须先读范本章节
2. 案例真实：可脱敏但不能乱编
3. 敏感信息处理：公司名/客户名/内部项目统一替换
4. 写完自检：字数、禁用句式、未脱敏信息、事实来源
小红书笔记的关键要求（场景 13）：
每篇必须带一个"可收藏实体"（提示词模板/步骤清单/工具清单/避坑清单）
口语短句、不要 emoji、中英文之间加空格
不写太推销的句子、不写过度总结的句子
内容质检体系的 6 项检查（场景 19）：
1. 是否符合我的观点
2. 是否编造经历
3. 是否出现不该公开的客户信息
4. 是否过度营销
5. 是否有 AI 味太重的表达
6. 是否违背我一贯的判断
原文精彩摘录
很多人让 AI 写文章，最大的问题是写出来不像自己。原因很简单：自己也没有把”我到底怎么写”说清楚。……现在我会让 Claude Code 直接读取我过去写过的文章，然后拆我的写作风格。……输出是一份”写作风格说明书”。省心的地方在于：把”写得像我一点”这种模糊要求，变成一套可复用的规则。
Claude Code 的优势不只是生成文字。更重要的是它可以读文件、建目录、调用脚本、自查、保存结果、批量处理。所以我更愿意把它当成内容生产系统，而不是单纯的写稿助手。
如果只看单个场景，好像都是一些小功能。但把它们串起来之后，意义就不一样了。它解决的不是”AI 帮我写一篇文章”的问题。它解决的是内容生产的系统化问题。……内容创作不是单点写作能力，而是一套工程化流程。
关键数据
- 作者过去半年 Claude Code 780+ 会话，每个会话几十上百轮对话
- 工作中 70-80% 由 Claude Code 完成
- 共提取出 12 大分类、172 个应用场景（本文是第一篇，覆盖内容创作 19 个场景）
- 批量写作单批可产出 3-7 篇 1500-3000 字长文
- 标题生成一轮可产出 15-20 个备选标题
- 白皮书每章 6000-8000 字，总量十几万字
- 采访视频批量转短文每篇 600-800 字，可一次处理 30 篇
与其他素材的关联
- 本文的”素材工程”理念与 2026-06-09-claude-code-content-scraping-material-processing（ClaudeCode 内容抓取 15 个场景）高度互补——后者聚焦”素材从哪来”，本文聚焦”素材来了之后怎么变成内容”
- 写作风格说明书方法论与 2026-05-26-woshipm-design-thinking-self-media 的”活人感”概念形成互证——风格显性化是实现”活人感工程化”的具体手段
- 批量写作的质检流程与 2026-05-25-openclaw-deepseek-content-automation-sop 的合规审核 Agent 理念一致——两者都认为 AI 批量生产必须有质检环节
- Claude Code 作为”内容工程载体”的定位补充了 Claude Code 词条——之前主要记录编程/开发场景，本文证明它在纯内容创作领域同样是工程化最佳载体