把內容運營當成一個可校準的預測系統

我做內容時最煩的是那種"事後諸葛亮"——一條東西火了，我立刻能編出三條它為什麼會火的理由；一條撲了，我又能編出三條它為什麼活該撲街。聽起來頭頭是道，其實全是馬後炮。這些解釋沒有一條是我發出去之前就敢寫下來的，所以它們對下一條內容毫無指導價值，只是在餵養我的自我感覺。

這件事憋了我很久。後來我意識到，問題不在於我不懂內容，而在於我沒有一個會逼我提前下注、再用真實數據打臉的機制。於是有了 cheat-on-content，一套我自己在用、也開源出來的內容運營校準工作流。

"作弊碼"是真的，但它是私有的

先説清楚那個隱喻。內容這場遊戲，本質已經是一場"作弊碼"競賽——誰先破解了平台的分發規律，誰就先拿到流量。所有人都在找那串通關密碼。

問題是，網上那些"漲粉技巧"“黃金三秒法則”，是全網的平均值。它們是把成千上萬個賬號的數據揉在一起算出來的統計結論，對你這個具體的賬號、具體的受眾、具體的表達方式，未必成立。你照着全網平均去做，得到的大概率也是全網平均的結果。

我要的不是一份通用攻略，而是一個會專門學習我自己賬號的系統。

這是整個設計的出發點：放棄對"普適規律"的迷信，轉而搭一個能從我自己每一條內容的真實反饋裏，慢慢逼近屬於我這個賬號的規律的東西。

三條不可妥協的原則

這套東西能不能從"占星"升級成"校準"，全壓在三條原則上。任何一條破了，整個循環就退化回我開頭罵的那種事後諸葛亮。

第一條，盲預測。 在看到任何數據之前，先給作品打分、寫下預測：我覺得它會到哪個量級、為什麼。關鍵是——預測一旦寫完，不可更改。這不是靠自覺，是用 hook 在工具層把它鎖死的。為什麼非要這麼狠？因為人是會騙自己的。只要留一絲"看到結果再回去改兩筆"的口子，預測就失去了全部意義——那又變成了看到答案再編解釋。鎖死，才有校準價值。

第二條，升級評分規則就得全量重打分。 我的評分規則（rubric）會迭代。但只要我想改 rubric，規矩是：必須把校準池裏所有歷史作品用新規則重新打一遍，而且要跨模型獨立審核一遍。不能只把公式改了、卻讓歷史分數停留在舊公式下。否則新舊數據不在一個尺子上，你拿它們做的任何對比都是錯的。這一步很煩、很重，但煩本身就是設計——它逼我別太隨便地動公式。

第三條，rubric 是工作台，不是博物館。 一條觀察，如果被後來的數據驗證了、已經吸收進公式裏，就刪掉；如果被推翻了，也刪掉。rubric 裏只留當前仍然有效的規則。我不在它裏面堆滿"曾經我以為"的屍體。那些歷史想看怎麼辦？去翻 git history——那才是檔案館。當前文件必須乾淨，乾淨才能用。

五個階段，一個閉環

具體跑起來是這樣五步：

選題 → 打分（score，純探索性，只在控制台輸出，不寫文件、不留痕）→ 盲預測（predict，寫進那份不可變的日誌）→ 發佈 → T+N 天覆盤（retro，把真實數據回收回來，逐項對照當初的預測，把新觀察寫回 rubric_notes）。

注意 score 和 predict 是分開的兩個動作。score 是我隨便打打看看、調整手感的草稿區，怎麼改都行；predict 才是正式下注，一錘定音。把"試探"和"承諾"在工具層就分得清清楚楚，我才不會在該認真的時候糊弄、在該放鬆的時候緊張。

覆盤環節是整個循環真正長出智慧的地方。預測和現實之間的偏差，不會立刻改公式——單次偏差可能只是運氣。只有當我累計攢夠了足夠多次同方向的偏差（比如我總是高估某類選題、低估某種鈎子），系統才解鎖一次 rubric 升級的資格。這條"攢夠同向偏差才能動手"的門檻，就是在替我對抗過擬合：別因為一兩條爆款或一兩條翻車，就慌慌張張地重寫自己的世界觀。

工具層怎麼防止我作弊

這套東西如果只寫成一份文檔，很快就會退化。真正讓它成立的是工具層的約束：

• score 只在控制台輸出，不寫文件，允許我在正式下注前試探；
• predict 會生成帶時間戳的預測文件，預測段寫完後不可修改；
• publish 只補發佈 URL、平台 ID 和發佈時間，不碰預測正文；
• retro 在 T+N 天回收真實數據，把偏差寫回覆盤記錄；
• 升級 rubric 時必須全量重打歷史樣本，否則新舊分數不能放在一把尺子上比較。

也就是説，它不是靠「我以後要自律」維持的，而是把自律變成了文件結構、命令邊界和 hook 約束。這個部分才是我最在意的：好方法論如果沒有工具承載，最後通常會輸給人的惰性和記憶偏差。

這其實是 harness 那一套

寫到這我得承認，這套東西的骨架根本不是"內容方法論"原創的，它是我做 AI Agent、做 harness 時那套思維的直接平移。

內容傳播是個典型的不確定系統：你輸入一條作品，輸出是流量，中間隔着一個你看不透的黑箱。面對這種系統，工程上的標準答案從來都不是"想得更聰明",而是給它套一個可驗證的迴路——預測、對照、迭代。

這和測試驅動開發是同一件事。寫測試，就是在代碼跑之前先寫下"我斷言它該是什麼樣"，然後用機器去判定真偽。盲預測就是我給一條內容寫的測試用例。這也和我們給 AI agent 裝"驗證面""痛覺"是同一件事——讓 agent 別在沒有反饋的虛空裏自我感覺良好，而是撞上一個可機器判定的迴路，錯了就疼，疼了就改。

區別只在於：給代碼的反饋是單元測試，給 agent 的反饋是驗證環境，給內容的反饋是 T+N 天后那串冷冰冰的真實數據。底層都是同一種不信感覺、只信閉環的偏執。

所以 cheat-on-content 在我這兒不算"跨界"。它更像是我把同一把錘子，又掄向了一顆以前沒人拿錘子敲過的釘子。

內容這行當裏，大部分人輸在沒有記憶——同一個坑能踩三年，因為每次的"教訓"都是發完才編的，編完就忘。我沒指望它讓我一夜之間摸清所有規律。我只指望它做一件樸素的事：讓我每一次打臉，都真的留下點什麼。