用 Claude 打造 AI 驅動的內容自動化管線

問題

作為一個經營雙語個人品牌（英文 + 繁體中文）的人，我每週都花好幾個小時在重複的迴圈裡：掃描科技新聞、找有趣的話題、為 Threads/LinkedIn/Instagram 寫草稿，然後翻譯成另一種語言。核心洞察是，這個過程大部分都是模式識別和綜合——正好是 LLM 擅長的事。

架構概覽

Pipeline 有兩個主要階段：

1. 靈感發掘管線 (Ideation)

# 簡化流程
sources = fetch_all_sources()      # 100+ 來源平行抓取
items = deduplicate(sources)        # URL hash + Notion 去重
scored = claude_score(items)        # 五維度評分
ideas = generate_angles(scored)     # 雙語角度生成
write_to_notion(ideas)              # 結構化 Notion 資料庫

評分系統從 5 個維度評估每個項目：

→相關性 (0.25 權重) — 與我的內容定位吻合度
→病毒性 (0.20) — 社群討論潛力
→時效性 (0.15) — 有多即時、多有時效壓力
→獨特性 (0.20) — 角度有多新穎
→品牌契合 (0.20) — 我能否從獨特視角來寫

2. 內容創作管線 (Creation)

ideas = fetch_picked_ideas()        # Notion 中 Status = "Picked"
drafts = generate_drafts(ideas)     # 平台專屬 (Threads/LinkedIn/IG)
validated = quality_check(drafts)   # 分數 < 6 自動重新生成
final = transcreate(validated)      # EN → ZH-TW 文化轉譯
write_to_pipeline(final)            # 準備好審閱

關鍵區別：這是文化轉譯 (trans-creation)，不是翻譯。中文版本會調整文化引用、為台灣科技社群調整語氣，並重組句子讓閱讀更自然。

關鍵設計決策

Claude CLI 作為主要後端

我使用 Claude CLI（透過 Max 訂閱）作為主要 LLM 後端，Anthropic API 作為備用。這讓我在評分和生成上基本上有無限使用量，不需要按 token 付費。

class ClaudeClient:
    def __init__(self):
        self.use_cli = os.getenv("CLAUDE_USE_CLI", "true") == "true"

    async def generate(self, prompt: str) -> str:
        if self.use_cli:
            return await self._cli_generate(prompt)
        return await self._api_generate(prompt)

分層來源架構

不是所有來源都一樣重要。系統使用 4 層級架構：

層級	例子	篩選	加分
1	直接信號	無	+2.0
2	OpenAI/Anthropic 部落格	無	+1.5
3	Google AI、LangChain	無	+0.5
4	HackerNews、Reddit	關鍵字	+0.0

第 4 層來源會通過 AI_KEYWORDS 關鍵字篩選來過濾噪音。

我學到的事

→
評分優於篩選。 早期版本用簡單的關鍵字匹配。加入 Claude 多維度評分後，內容品質大幅提升。
→
文化轉譯 > 翻譯。 直接翻譯會產生彆扭的內容。讓 Claude 理解兩種文化並調整訊息，才能產出聽起來自然的文章。
→
來源健康很重要。 靜默的來源失敗是最糟的 bug。我加了健康追蹤，連續 3 次空值抓取後會發出警告。
→
成本控制很關鍵。 每次評分上限 300 個項目，優先使用 CLI，讓成本可預測。

下一步

Pipeline 目前在草稿生成就停了——我還是手動審閱和發布。下一步包括建立個人網站（你正在看的就是！）來放更完整的長文版本，以及最終自動化發布步驟。