二十多位来自银行、商业、技术和教育等领域的伙伴在线相聚两个多小时。现场没有“一句话生成完美作品”的神话，而是把反复修改、失败回路、人工核验和流程设计都摆到台面上。
上半场：从“这个 PPT 只能打 6 分”开始
David Zheng 以自己的经济形势演讲为例，展示 AI 如何参与研究、结构、标题、视觉和页面生成。真正有价值的不是成稿突然变漂亮，而是他完整呈现了 Logo 跑偏、颜色失真、元素不齐和反复返工的真实过程。
- 先讲清任务明确背景、听众、场景、时间与核心观点。
- 先文字后视觉先确认大纲和内容，再逐页进入制作。
- 提供真实素材给 AI 品牌资料、可靠数据与明确边界。
- 人承担责任来源、日期、结论和最终表达必须人工核验。
下半场：不是写一篇文章，而是搭一条生产线
Fred Zhang 把问题推进到长期系统：怎样让一个人或一家小企业，持续找到题目、完成研究、写作、配图和排版，同时保持品牌表达不跑偏。答案是把公众号当成正式项目，为 AI 准备稳定的资料、规则、审核点和交付标准。
- 稳定工作环境沉淀品牌、受众、历史文章、素材与风险边界。
- 建立内容雷达从可靠来源持续发现选题，再由人决定什么值得写。
- 生成内容包正文、配图建议与 HTML 预览一起完成，而不是只交一段文字。
- 人在回路中事实、隐私、品牌与发布判断不能外包。
怎样把一次 AI 写作变成可重复的内容工作流？
W2 的内容工作流图把过程拆成六步：真实资料、项目规则、AI 选题、人工判断、内容包、人工发布。关键不只是生成正文，而是让资料、判断和交付各有位置。下面按本次活动图示与正文整理，便于对照使用。
- 01 · 真实资料准备品牌资料、历史文章、可靠来源与原始素材，明确内容从哪里来。
- 02 · 项目规则说明受众、表达方式、品牌要求和不能越过的风险边界。
- 03 · AI 选题让 AI 提供候选方向与材料，不把候选题目直接当作发布决定。
- 04 · 人工判断检查读者是否在乎、来源能否打开、内容是否越过边界，再决定推进哪一个题目。
- 05 · 内容包一起整理正文、配图建议与 HTML 预览；Logo 使用原始素材，检查文字与视觉是否一致。
- 06 · 人工发布由人完成最后的事实、风险与版式检查，并承担发布责任。
AI 辅助内容生产，哪些节点必须由人确认？
本次图示保留四个人工检查点。它们不是让人重复 AI 的全部工作，而是在需要判断和承担后果的位置停下来。
- 选题确认这件事值得对我们的读者讲吗？与受众和品牌的关系是什么？
- 事实核验来源能否追溯？日期、数据和结论是否与原始材料一致？
- 风险检查有没有隐私、权限或品牌表达问题？是否超出了已知事实？
- 最终发布正文、配图和手机端预览是否一致？由谁确认并发布？
方法整理：2026 年 10 月 20 日。上述六步与四个检查点来自本页原有活动图示，说明文字结合活动回顾整理，不是讲者逐字引语，也不代表自动化效果承诺。
这场 Workshop 带走了什么
路径很清楚：从真实问题出发，用 AI 补足个人能力；从一次对话升级为长期项目；从单个 Agent 升级为分工协作的内容团队；最终仍由人决定什么值得说、什么不能说，以及作品要承担什么责任。
这次工作坊在线上举行，不在奥克兰也可以先阅读回顾、理解实践方法。关于社群背景、会员费用和后续线上参与，可继续阅读新西兰 AI 俱乐部的线上与线下参与方式。
怎样继续把工作流带进真实业务？
如果你想明确“谁能执行、结果写回哪里、失败怎么发现”，接着看 K2 的业务闭环五问；如果要从个人流程走向团队使用，再看王咏刚在 K3 中讨论的企业 AI 能力建设。也可以回到内容生产学习路径，按自己的问题选择阅读顺序。
本页依据“先蜂AI俱乐部”W2 Workshop 复盘整理；活动于 2026 年 7 月 17 日在线举行，封面为 AI 生成的内容创作工作台主题图（非活动实拍），正文图示取自公众号原文。