从零搭建 AI 内容团队：Skill 与 Agent 的完整实战指南

从零搭建 AI 内容团队：Skill 与 Agent 的完整实战指南

核心结论：搭建 AI 团队的正确顺序是先用 Skill 把工作流程固化为可执行的标准操作手册，再创建 Agent（有明确职责的 AI 成员）来调用这些 Skill 执行任务——先定流程再配人，类似创业时先跑通业务流程再招人，这样系统才可控、质量才稳定。

背景与系统概览

视频分享的是一套真实的、每周都在运行的 AI 驱动内容生产与发布工作流，目标是从信息筛选、内容审查到多平台发布的全流程自动化。今天搭建的是整套系统的起点部分：Skill 与 Agent。

整个系统的最终效果是：一条命令启动 Agent 后，它能自动筛选本周 AI 重点新闻、查知识库中的历史观点、按格式写成完整 newsletter、自动配图、通过 MCP 一键发布到微信公众号。整个过程中人只介入一次。

今天要搭建的两样核心东西：

• Skill：写给 AI 的标准操作手册（SOP），定义了流程、触发条件、输入输出格式。
• Agent：有明确职责的 AI 团队成员，知道什么时候该用什么 Skill。

对于不懂编程的人，视频全程使用 Cursor 编辑器中的 Cloud Code 插件进行操作，不需要写代码，也不需要终端命令（除创建 Agent 时需要打开终端窗口执行一条命令）。

Cloud Code 的事前准备

三种使用方式

安装步骤

1. 在 Cursor 的扩展商店中搜索 "Cloud Code"
2. 点击安装（安装 Roc 官方版本）
3. 用 Cloud 账号登录即可

第一步：项目初始化

项目文件夹结构

准备了一个项目文件夹 my AI team，初始结构如下：

• context/：放基础资料——写作风格、审查标准、发布规范。这些资料是 AI 团队了解用户是谁的基础。
• template/：放模板文件。
• article/：放等待处理的文章草稿。
• skills/ 和 agents/：搭建时自动生成。

创建 CLAUDE.md（团队的"入职手册"）

是什么：CLAUDE.md 是给 AI 团队的入职手册。Cloud Code 每次打开新对话时都会读取此文件，了解项目背景、规则和用户偏好。

创建方法：在 Cloud Code 对话框输入 /init 指令，等待它读取已提供的文档并生成 CLAUDE.md 文件。

安装官方基础 Skills

在 Cloud Code 中输入 /plugin 命令，添加官方 Skill 仓库后即可搜索和安装所需的基础 Skills。

最需要安装的是：`skill creator` —— 这是官方用来帮你创建 Skills 和优化现有 Skills 的最重要的 Skill。

• 可以只为当前 project 安装，也可以选择 "install for you" 让所有 project 都能使用。
• 安装后需要 restart 才能生效。
• 术语注意：这里的 "plugins" 和 "skills" 基本上是一回事。

第二步：搭建 Skill

Skill 的本质

Skill 是写给 AI 的标准操作手册。它把你脑子里的判断标准和操作流程显性化为 AI 可以执行的结构化指令，让 AI 有章可循。

示例一：内容审查 Skill（content review）

设计思路

• 功能：接收一篇文章，用两个不同 AI 模型分别审查，汇总两边意见输出审查报告。
• 为什么用两个模型而非一个模型模拟多个角色：同一个模型审查自己的输出存在系统性的盲区；两个不同模型进行交叉检查能发现更多问题。

审查标准文档

在 context 文件夹中准备审查标准文档，包含审查维度，例如：

• 逻辑是否自洽
• 事实是否可验证
• 语气是否一致
• 有没有 AI 味太浓的表达

关键原则：你的标准不必与视频一致，关键是把脑子里的审查标准写下来，让 AI 有章可循。

创建命令

向 Cloud Code 发出类似这样的指令：

根据 context 里的 review standard 审查标准，帮我创建一个 cloud code skill 叫 content review。这个 skill 功能是接收一篇文章，先用 Claude 从逻辑和结构的维度审查，然后再用 GPT（通过 C）从事实准确性和风格一致性的维度审查，汇总两边的发现，输出一份审查报告。把 skill 创建在当前的 skills/content_review 目录下。

创建完成后，Cloud Code 会调用已安装的 skill creator skill 自动生成 skill。

Skill 文件结构

创建完成后在 skills/ 下生成 content_review/ 文件夹，内含 skill.md 文件，定义了：

• 触发条件
• 输入输出格式
• 审查流程（Claude 审查 → GPT 审查 → 合并生成统一报告）

测试结果

用一篇示例草稿（sample newsletter draft）测试时，两个模型指出的问题完全不同：

• Claude 指出的：结构问题、比喻矛盾、结尾缺乏可执行的 take-away。
• GPT 指出的：大部分人的泛泛断言没有来源、"不需要学新工具" 这类表述过于绝对、提示词应改为 "prompt" 等。

结论：让两个模型从不同的维度审查，覆盖面比让一个模型同时看所有维度全面得多——这就是 Skill 的价值：提前设计好分工，AI 按你的设计执行。

另一种用法：也可以使用开源的全功能 Skill（视频作者在 GitHub 上开源的 air_pair），不规定每个模型从哪个维度判断，让不同模型按各自理解去审查，结果也很有价值。

示例二：微信公众号发布 Skill（wechat publish）

核心机制：MCP 协议

是什么：MCP 是 AI 与外部工具之间的桥梁协议。要操作外部平台（如微信公众号），需要配置 MCP 连接。

配置状态检查：在 Cloud Code 中输入 /mcp 命令可检查连接状态，确认如 Make 平台的 MCP 服务已在线连接。

作用：通过 MCP，AI 可以直接调用在 Make 上搭好的工作流，无需手动去 Make 里点击运行。

创建命令

帮我创建一个 skill 叫 wechat_publish，这个 skill 的功能是接收一篇 markdown 格式的定稿文章，通过 MCP 调用 Make 的微信公众号发布 scenario 自动完成发布。把 skill 创建在我们的 skills/wechat_publish 目录下。

Skill 定义的流程

读取文章 → 校验 → 组装文章元数据 → 用户确认 → 调用 MCP → 报告结果。

第三步：搭建 Agent

为什么先建 Skill 再建 Agent（关键认知）

类比：把搭建 AI 团队想成开公司。

• 错误的做法（很多人用 AI Agent 的方式）：拿到钱直接招一个 CEO，说"目标一年赚100万，你看着办"，然后放手。结果混乱、不可控、质量差。
• 正确的做法：创始人先把业务流程跑通，搞清楚哪些环节需要判断、哪些是纯执行、标准是什么，写下来——这就是 Skill。然后才招人——这就是 Agent。Agent 按 Skill 工作、有标准可循、干完还能根据反馈更新 Skill，让流程越跑越好。

结论：先定流程再配人，顺序不能搞反。

Agent 的本质

• Skill 是操作手册，Agent 是拿着手册干活的人。
• 一个 Agent 可以装备多个 Skill，就像一名员工可以负责多项工作。

创建方式差异

• Skill 创建：在 Cloud Code 插件内进行。
• Agent 创建：需要在终端窗口中进行。

创建 Agent 的命令流程

1. 打开终端，输入 /agent 命令。
2. 选择创建一个新的 agent。
3. 选择只为当前 project 创建。
4. 选择创建方式：自动创建（只告诉 Cloud 目的）或手动配置（视频为了充分演示选择此方式）。

手动配置需要依次设置：

示例一：发布运营 Agent（publisher）

配置内容

• 名称：publish（唯一标识符）
• 工作流程：拿到一篇文章 → 先用 content_review skill 做质量审查 → 审查通过后用 wechat_publish skill 发布到微信公众号 → 一个 Agent 串联两个 Skill，组成流水线。
• 系统提示词：你是发布运营 agent，负责内容从定稿到发布的完整流程。核心工作流主要演示两部分：质量审查和发布到微信公众号。
• 触发条件：描述 Agent 的主要功能及用户说哪些关键词时触发。
• 工具：默认全部（实际建议只选需要的）。

创建后的文件修改

创建完成后，在 .cloud/agents/ 目录下生成 publisher.md 文件。需要手工加两行配置：

• 在 metadata 部分添加两个 skills 字段，让 Agent 启动时自动加载 content_review 和 wechat_publish 两个 Skills。
• 确保名称和文件名一致，避免混淆。

测试结果

让该 Agent 把 newsletter 草稿发布到微信公众号，流程正确执行：

1. 调用 content_review skill 完成审查。
2. 审查通过后调用 wechat_publish skill。
3. 通过 Make MCP 向微信公众号推送文章。
4. 文章成功到达公众号后台草稿箱（审查结果全部通过、标题 22 字符合限制）。

在公众号后台刷新即可看到推送的草稿，整个发布 Agent 功能正常——任何一篇文章先审查、后发布。

示例二：社交互动 Agent（social voice，极简版）

为什么演示这个：不是所有 Agent 都需要 Skill，简单任务用 Cloud 基础能力即可。演示两种 Agent 配置的对比。

配置内容

• 名称：demo_social_voice
• 系统提示词：社交互动 agent，负责把长内容转换成适合传播的短内容（如推文）。
• 触发条件：用户说"写条推文""帮我发个推""把这篇转成推文"时触发。
• 工具：默认全部，模型 Sonnet，颜色黄色，记忆项目级。
• 不需要加 skills，用默认配置即可。

测试结果

把示例 newsletter 草稿转成推文，Agent 正常生成推文（刚创建后需刷新一次才能读到规则）。

两种 Agent 对比

结论：根据任务复杂度决定如何配置 Agent。

扩展思路与完整系统效果

可扩展方向

用同样的方法可以继续搭建更多 Skill 和 Agent：

• 内容策划 Agent：装备选题分析和脚本创作 Skill。
• 视觉设计 Agent：配备图和封面图 Skill。
• 过程与刚才完全相同：先把流程写成 Skill，再建 Agent 执行。

个人实战案例："可家族"（12 个 Agent）

视频作者用这套方法搭建了 12 个 Agent，取名为"可家族"，覆盖：

• 信息筛选
• 内容策划
• 视频制作
• 视觉设计
• 多平台发布

每个 Agent 有自己的职责、自己的 Skill、明确的协作规则。整个过程中间人只介入一次。

最终跑起来的效果：一条命令启动 Agent → 自动筛选取本周 AI 重点新闻 → 查知识库中之前观点 → 按格式写完整 newsletter → 自动配图 → 通过 MCP 一键发布到微信公众号。

对比作者的完整系统与今天教的起点，起点和系统结构完全一样，只是 Skill 写得更细、Agent 更多、写作规则更完善。

核心方法论与书籍延伸

搭建有效系统所需的能力（四件事）

仅会操作不够，搭一个真正有效的系统还需要：

1. 心智：判断工作流中哪里该用 AI、哪里不该用。
2. 架构：设计系统架构蓝图，让系统能随工具变化灵活替换。
3. 提示词：掌握与 AI 精准沟通的方法，让输出稳定可靠。
4. 系统：把这些能力组装成一个真正能跑起来的系统。

书籍延伸

视频作者的新书《重构个体：AI时代如何打造个人竞争力》（电子工业出版社出版）完整路径即是上述四件事：心智、架构、提示词、系统。视频用 Cloud Code，书中用 Make，工具不同但思维方式通用。买书后可领取 26 条提示词模板和一套自动化工作流模板。

行动清单

1. 在 Cursor 中安装 Cloud Code 插件并登录。
2. 创建项目文件夹，准备 context/ 目录（写作风格、审查标准、发布规范）和 article/ 目录（待处理文章）。
3. 在 Cloud Code 输入 /init 生成 CLAUDE.md。
4. 安装官方 skill creator skill（建议为所有 project 安装），重启生效。
5. 编写自己的审查标准文档（逻辑、事实、语气、AI 味等维度）。
6. 让 Cloud Code 创建 content_review skill，测试效果。
7. 配置 MCP 连接（如 Make），创建 wechat_publish skill，测试发布。
8. 在终端用 /agent 命令创建 Agent（手动或自动配置）。
9. 为需要加载多个 Skill 的 Agent 手工在 metadata 中添加 skills 字段，确保名称与文件名一致。
10. 测试完整流程，验证审查 → 发布链路。
11. 根据任务复杂度扩展更多 Skill 和 Agent。
12. 先想清楚流程（Skill），再配人（Agent），不要搞反顺序。

总结

这套系统的核心方法论是：用 Skill 把人的判断流程和操作标准固化，用 Agent 组合 Skill 执行复杂任务。关键顺序是先写流程再招人——把"你脑子里的标准"变成"AI 可以执行的手册"，再让 Agent 按手册干活。两个模型交叉审查能克服单一模型的系统性盲区，MCP 充当 AI 与外部工具之间的桥梁实现真正的"动手操作"。视频搭建的完整流程从内容审查到微信发布仅需一条命令触发，过程中人最少介入一次，体现了"先设计流程、再配置人员"的构建哲学。