AI 编程内容选题策略

把一条输入（动态/问题/痛点）转化为「有人看、能写出来、符合定位」的内容角度。

真实性边界

选题角度不得预支尚未存在的事实。只有输入素材或可追溯记录明确支持时，才能策划“我踩过的坑”“亲测”“用了 N 个月”“效率提升 N 倍”“用户都反馈”等角度。材料不支持时，改成常见错误、机制分析、官方信息解读、可复现演示或待验证选题，不得为了传播性补造亲历、数字、对话、反馈和结果。

执行流程（每次必走）

第 1 步：判断输入类型

先读输入，判断是哪一类：

如果输入是实战记录（有完整的问题-排查-解决流程），直接建议用 coding-session-to-tutorial 技能先结构化，再回来选角度。

第 2 步：如果在 LLM Wiki 中做选题，先做连载去重

当工作目录是 kj-llm-wiki，或用户要求“基于已发布内容、连载、后续选题、内容规划”时，必须先读：

• wiki/playbooks/topic-bank/series-planning.md
• wiki/playbooks/topic-bank/index.md

并检查已发布与待写内容：

• raw/studio/transcripts/
• raw/studio/funnel/formatted/
• raw/studio/funnel/backlog/manual/
• raw/studio/funnel/backlog/queue.md

再从以下目录挖掘知识库支撑：

• raw/notes/
• raw/papers/
• raw/assets/
• raw/studio/curriculum/lessons/
• raw/articles/
• docs/

候选选题优先作为已发布内容的续集、方法篇、案例篇、升级篇、反面篇，不要换标题复述旧观点。

每个候选选题必须补充 5 个字段：

• 已发布连接：连接哪条已发布内容，避免凭空立题
• 重复风险：是否和已发布内容重复，重复点是什么
• 连载位置：续集 / 方法篇 / 案例篇 / 升级篇 / 反面篇
• 知识库支撑：哪些目录或文件可作为内容池
• 下一集钩子：这一条发布后，下一条自然接什么

第 3 步：对照角度模式库，找 3-5 个候选角度

引用 references/angle-patterns.md，逐一过以下 7 个模式，找最匹配的：

1. 认知反转型 — 输入里有被推翻的假设或反常识事实？
2. 痛点具象化型 — 能精准钉住某类程序员的真实感受？
3. 方法论提炼型 — 能从具体案例提炼出可迁移框架？
4. 工具对比评测型 — 涉及两个及以上工具的选择？
5. 实战案例记录型 — 有完整的「问题→过程→结果」？
6. 趋势解读型 — 新动态发布，需要帮程序员翻译意义？
7. 「我踩过的坑」型 — 用户素材是否明确记录了教训、弯路和认知升级？没有证据时跳过该模式。

每个候选角度写清楚：

• 一句话描述这个角度：读者看到后会想什么
• 核心洞见句：这篇文章要让读者「哦，原来如此」的那一句
• 3 个候选标题（痛点型 / 反常识型 / 方法型各一个，参考 references/content-criteria.md）

第 4 步：用五问框架评估，筛出最优

引用 references/content-criteria.md 里的五问框架，对每个角度逐项打分（✅/⚠️/❌）：

[ ] 符合定位（Claude Code / Cursor / Codex / AI编程方法论 / 程序员破局）
[ ] 读者真实痛点
[ ] 我有独特且可支撑的视角（有证据的真实经历 / 可复现演示 / 有来源的分析 / 明确的个人判断）
[ ] 可多渠道转化（长文→短视频→小红书）
[ ] 能与已有内容连接

通过 3 个以上的角度标记为 ⭐ 推荐。

第 5 步：输出结构化选题报告

按以下格式输出（不要省略任何字段）：

输入类型：[工具动态 / 实战记录 / 痛点 / 想法 / 已有素材]

⭐ 推荐角度 1：[角度名称]

角度类型：[认知反转型 / 痛点具象化型 / ...]

已发布连接：[如果适用，连接哪条已发布内容；如果是新系列，说明“新系列”]

重复风险：[是否和已发布/待写内容重复，以及如何避开]

连载位置：[续集 / 方法篇 / 案例篇 / 升级篇 / 反面篇 / 新系列]

知识库支撑：[可引用的目录或文件]

下一集钩子：[这一条发布后，下一条自然接什么]

核心洞见：[一句话，读者看完会「哦，原来如此」的那句]

候选标题：

• 痛点型：[...]
• 反常识型：[...]
• 方法型：[...]

五问评估：✅✅✅✅⚠️（通过 4/5）

推荐工作流：[content-creator 工作流 X] + 理由（一句话）

写作提示：[帮助启动这个角度的 1-2 个具体切入点，比如「开场可以从 xxx 场景开始」]

角度 2：[角度名称]

（同上结构，但非推荐角度可以略写）

总结建议：

• 如果今天只写一篇：选角度 X，理由是 [...]
• 如果要做成系列：可以 [角度 1 + 角度 3] 组合，前者破认知，后者给方法

领域知识库（写 AI 编程内容必知）

核心工具定位（不要搞混）

程序员读者的核心关切（按频率排序）

1. 能不能真的提效（不是说说而已）
2. 会不会被替代（焦虑但不想承认）
3. 怎么用才是正确的（学了不会用）
4. 跟别人用的差距在哪（暗暗比较）
5. 值不值得花时间学（精力有限）

高传播力的内容特征

• 有可追溯数据：素材已记录的耗时、次数或对比结果；没有数据就不用数字钩子
• 有报错/截图：作为某个具体现象的证据，不夸大截图能证明的范围
• 有认知转变：只有素材明确记录时才使用「我以为是 A，结果是 B」这个弧度
• 有可执行清单：读者可以今天就试的 1 件事

与其他技能的协作关系

ai-programming-topic-planner（选题）
         ↓
  实战记录类 → coding-session-to-tutorial（结构化）
  其他类型 → content-creator 对应工作流（生产）
         ↓
    kangjian-skill（风格润色）
         ↓
    baoyu-post-to-wechat（发布）

核心资源

交付前自检

• 对照第 5 步报告格式，逐字段核对每个推荐角度不缺项：角度类型、已发布连接、重复风险、连载位置、知识库支撑、下一集钩子、核心洞见、候选标题、五问评估、推荐工作流、写作提示
• 清点候选角度数量在 3-5 个之间，且每个角度给出痛点型 / 反常识型 / 方法型三个候选标题
• 核对五问评估的 ✅ 数量与结论一致：通过 3 项以上的角度才标 ⭐ 推荐
• 检查每个角度和标题中的第一人称经历、耗时/次数、数据、对话、用户反馈和结果，确认均有输入素材或可追溯来源
• 在 kj-llm-wiki 做选题时，确认已读 wiki/playbooks/topic-bank/series-planning.md 与 index.md，并检查过 raw/studio/transcripts/ 等已发布与待写内容后才填写重复风险
• 确认报告末尾有「总结建议」，含「如果今天只写一篇选哪个」及理由