从「业余时间挤一篇」到「随手一句话就发一篇」——这不是夸张，是我过去 5 个月的真实经历。
2013 年我写了 43 篇博客，之后的 12 年里年均不到 5 篇。2026 年才过了 5 个月，已经发了 127 篇。月产量从 2 篇跳到 25 篇，12 倍。这篇文章不是讲 AI 写作工具多好用，而是讲我如何把 整个写作流程 编码成了一个 Agent 可执行的 Skill——一个会自己写博客的系统。
一、13 年产量曲线：AI 之前 vs AI 之后
先看数据：
篇数
130 │ ███
120 │ ███
110 │ ███
100 │ ███
90 │ ███
80 │ ███
70 │ ███
60 │ ███
50 │ ███
40 │ ███ ███
30 │ ███ ██ ███
20 │ ███ ██ ███
10 │ ███ ██ ██ ██ ██ ██ ██ ██ ███
0 │ ███ ██ ██ ██ ─ ─ ██ ── ─ ██ ██ ███
2013 14 15 16 17-19 20 21 22 23 24 25 26*
(5个月)
└──── 树莓派/硬件 ────┘ └─ 网络/容器 ─┘ └─ AI 工程化 ─┘
人工写作 AI 协作
| 阶段 | 年均 | 月均 | 主题 |
|---|---|---|---|
| 2013 兴趣爆发 | 43 | 3.6 | Raspberry Pi、GPIO、Arduino |
| 2014-2019 衰退 | ~5 | 0.4 | 偶尔写硬件折腾 |
| 2020-2024 复苏 | ~5 | 0.4 | Tailscale、OpenWrt、Docker |
| 2025 AI 试水 | 25 | 2 | RAG、Agent、多模态 |
| 2026 AI 全开 | 127 / 5 月 | 25 | Skill、Claude Code、Context Engineering |
2013 年的高产靠的是新鲜感——树莓派刚出，GPIO 接个 LED 都能写一篇。但新鲜感消退后，写博客变成了一件「有空再说」的事。2014 到 2024 这十年，年均 5 篇，基本上是一年折腾一两个新玩具才动笔。
2025 年开始用 AI 辅助写作，产量回升到 25 篇。但真正的跃迁发生在 2026 年——不是因为我打字更快了，而是因为我把 写博客这件事本身变成了一个 Agent Skill。
月产量：从 2 篇 → 25 篇，提升 12 倍。
二、内容迁移：从「记录折腾」到「沉淀思考」
产量之外，更本质的变化是内容的性质。
2013-2016 2020-2024 2025 2026
───────── ───────── ──── ────
硬件玩具 → 个人云/网络 → AI 工具 → AI 工程方法论
GPIO/传感器 Tailscale RAG/Agent Skill/Pipeline
"How to 接线" "How to 部署" "How to 调用" "How to 思考"
操作记录 系统搭建 技术试用 思维框架
早期博客是「我装好了什么」，今天的博客是「我从中提炼出什么可复用的方法」。
举个例子：2013 年我写一篇「Raspberry Pi 连接 DHT11 温湿度传感器」，内容就是接线图 + Python 读数据 + 截图。2026 年我写一篇「Context Engineering」，内容是把一个月的工程实践抽象成可复用的 Skill 框架，包含 dataclass 定义、评估指标、pitfall 清单。
前者的瓶颈是 操作时间——你得真的接好线、调通代码、截图排版。后者的瓶颈是 思考密度——你得想清楚这个框架到底怎么用、哪些坑值得写、怎么组织才能让读者拿去就用。
AI 把写作的瓶颈，从「打字速度」搬到了「思考密度」。 打字 AI 可以代劳，但思考的密度和方向，仍然是人的活。
三、10x 效率的真实来源
很多人问我：AI 帮你写博客，是不是就是 ChatGPT 帮你生成文章？不是。ChatGPT 能帮你润色一段话、生成一个段落，但它不知道你的博客用什么主题、你的排版规范是什么、你的发布流程怎么走。
真正的 10x 来自 整个流程的自动化，而不是某一个环节的加速：
| 维度 | AI 之前 | AI 之后 | 提升 |
|---|---|---|---|
| 选题 → 初稿 | 半天–2 天 | 10 分钟 | ~50x |
| 中文排版校对 | 手工反复改 | fix-chinese-markdown.py 自动 | ∞ |
| 结构/Hook/框架 | 凭手感 | Skill 强制 5 步 Pipeline | 质量稳定可复现 |
| 发布 | 本地 build + push | git push 后 CI 自动 | 5 min → 0 |
| 创作场景 | 必须坐在电脑前 | 手机 Claude Code，地铁/咖啡馆/路上随时写 | 时空解放 |
这里面每一项单独看都不算惊人，但叠加起来就是质变：
- 选题到初稿 50x：不是因为 AI 写得好（说实话 AI 第一稿通常不能用），而是因为 Skill 里内置了 Planner → Style → Generator → Evaluator → Publisher 五步流水线。我只需要在第一步给出方向和核心观点，后面四步 Agent 自己跑。我审一眼、改几处、确认发布。
- 排版校对 ∞：中文排版是个无底洞——中英文之间要不要加空格？加粗标记内外侧的空格规则是什么？
「」和「」用哪个？以前每篇文章都要反复检查，现在fix-chinese-markdown.py一键搞定，pre-commit hook 兜底。 - 质量稳定性：以前写好写坏看状态，现在 Skill 里写了「开篇必须有 hook」「每篇必须有一个对比表」「代码示例必须能跑」——这些是硬约束，Agent 每次都会遵守。
但最关键的提升，不在表格里——是下一节要讲的。
四、最关键的一点：手机随时随地写
上面所有效率提升都建立在一个前提上：你坐在电脑前。但真正的瓶颈从来不是「写得慢」，而是 「想到了但没法立刻写」。
地铁上突然想到一个选题，到公司打开电脑已经忘了。咖啡馆里跟朋友聊到一个好观点，回家坐下来已经没那个感觉了。这种「灵感蒸发」才是 13 年来产量低迷的真正原因。
Claude Code 的移动端改变了这一点：
┌────────────────────┐
│ iPhone │ Claude Code (移动端)
│ ┌──────────────┐ │ ──► 执行 hugo-blog Skill
│ │ "写一篇 X" │ │ ──► 生成 + 评分 + git push
│ └──────────────┘ │ ──► GitHub Actions 自动部署
└────────────────────┘ │
▼
文章已上线 hugozhu.site
- 不需要 IDE，不需要本地环境
- 不需要打开 Hugo，不需要手动 commit
- 想到一个点子 → 一句话 → 几分钟后已发布
实际操作是这样的：我在手机上打开 Claude Code，发一句话，比如「写一篇关于 Skill 可复现性的博客，核心观点是 Skill 让 Agent 的行为从概率分布变成确定性流水线」。Agent 会：
- 加载
hugo-blogSkill，读取排版规范、发布流程、内容标准 - 按 Planner → Generator → Evaluator 流水线生成初稿
- 自动跑
fix-chinese-markdown.py修复排版 git add+git commit+git push- GitHub Actions 自动 build 并部署到 hugozhu.site
全程我只需要在手机上扫一眼生成的文章，觉得 OK 就说「发布」。从想法到上线，5-10 分钟，任何地方。
这才是 AI 真正改变创作的方式：不是写得更快，而是 「想到」和「发表」之间不再有距离。
五、系统怎么做到的
整个系统的架构其实很简单：
┌──────────────────────────────────────────────────────────┐
│ Claude Code (Opus 4.7, 手机/桌面均可) │
│ ┌────────────────────────────────────────────────────┐ │
│ │ skills/hugo-blog/SKILL.md (Agent 大脑) │ │
│ │ [1] Planner [2] Style [3] Generator │ │
│ │ [4] Evaluator [5] Publisher │ │
│ └────────────────────────────────────────────────────┘ │
└────────────────────────┬─────────────────────────────────┘
▼
content/post/2026/{ID}-{slug}.md → git push
▼
GitHub Actions → Hugo build → Pages → hugozhu.site
核心组件只有一个： SKILL.md。
这个文件大约 500 行，定义了 Agent 写博客时需要知道的一切：
- 博客结构规范：frontmatter 格式、
<!--more-->分割线、标题层级 - 中文排版规则：CJK/英文间距、加粗空格规则、引用符号
- 内容标准：必须有 hook、必须有对比表、代码必须能跑
- 发布流程：文件路径、git 操作、SSH key 选择
- Pitfall 清单：Agent 曾经犯过的错（自动发布、错误的 SSH key、空洞的案例）
Agent 每次执行时加载这个 Skill，就像一个新员工入职时拿到一本操作手册。区别是 Agent 每次都会 100% 遵守手册里的每一条规则，不会忘记、不会偷懒、不会「这次先这样」。
核心不是 AI 会写字，而是把「写作流程」写成了一个 Agent 可执行的 Skill。
这就是 Context Engineering 的本质——你给 AI 的不是一个 prompt，而是一个完整的 操作上下文：规范、流程、约束、历史教训。AI 在这个上下文里工作，输出就是确定性的、可复现的、可审计的。
六、Skill 里到底写了什么
展开看看这个 Skill 的几个关键设计：
五步流水线
[1] Planner 确定选题、角度、目标读者、核心观点
▼
[2] Style 加载排版规范、语气约束、系列关联
▼
[3] Generator 生成全文初稿（含代码、表格、ASCII 图）
▼
[4] Evaluator 自检：hook 是否有力？案例是否具体？代码是否能跑？
▼
[5] Publisher git add → commit → push → CI 部署
前两步是「想清楚」，第三步是「写出来」，第四步是「改到位」，第五步是「发出去」。以前我一个人写博客，这五步全在脑子里，靠自觉执行。现在 Agent 按 Skill 一步步走，每步都有明确的输入输出。
硬性约束
Skill 里有几条「铁律」，Agent 每次都会检查：
- 永远不自动发布——生成完必须等我说「发布」才 push
- 案例必须真实——不接受「假设有一个电商场景」这种空洞举例
- 代码必须能跑——不接受伪代码，必须有完整的 import 和类型注解
- SSH key 必须用
id_ed25519——这条是因为 Agent 曾经用错 key 导致 push 失败
排版自动化
中文排版是最容易出错的环节。Skill 引用了 chinese-markdown-typography 子 Skill，核心规则：
✅ AI 时代 ❌ AI时代
✅ **可复用的工作流** ❌ ** 可复用的工作流 **
✅ 「记笔记」 ❌ "记笔记"
✅ 上下文（Context） ❌ 上下文（ Context ）
这些规则 Agent 在生成时就遵守，生成后再跑一遍 fix-chinese-markdown.py 兜底。双重保障，零排版问题。
七、127 篇之后，我学到了什么
写了 5 个月、127 篇之后，最大的感悟不是「AI 真好用」，而是：
写博客的瓶颈从来不是打字速度，而是「从想法到行动」的摩擦力。
以前写一篇博客，你需要：
- 有一个完整的想法（而不是一个模糊的灵感）
- 有整块的时间（至少半天）
- 坐在电脑前（不能是手机）
- 有动力从头写到尾（中间不能断）
这四个条件同时满足的概率，一年就那么几次。所以年均 5 篇。
现在你只需要：
- 有一个 方向 （不需要完整想法）
- 有 5 分钟 （不需要整块时间）
- 拿着 手机 （不需要电脑）
- 说一句 话 （不需要从头写到尾）
摩擦力从「半天+电脑+完整想法」降到了「5 分钟+手机+一句话」。这就是 12 倍产量的来源——不是写得更快，而是 写的门槛低了一个数量级。
如果你也在写博客，或者想开始写博客，我的建议是：不要去找更好的写作工具，去 把你的写作流程编码成一个 Skill。工具会换代，但流程是你的。当 Agent 能执行你的流程时，你就拥有了一个会自己写博客的系统。
你的博客写作瓶颈是什么？是没时间、没灵感、还是流程太重？欢迎留言聊聊。