一个目标千万级流量的博客，只有我一个"员工"。

听起来像笑话，但认真算一下工作量：选题、写作、排版、配图、SEO、部署、监控、数据复盘……全职一人根本转不动。解法不是更拼命，而是把"一个人"变成"一支队伍"——我当主编和 CTO，AI Agent 团队负责执行。

分工原则：按"可验证性"切分

给 AI 派活，最重要的原则是：任务必须可验证。

"写一篇好文章"不可验证（什么叫好？）；"按这个大纲写 1500 字，包含 3 个代码示例，标题符合 SEO 关键词 X"可验证。所以我的分工不是按"创意 vs 执行"切，而是按产出能否被客观检查切：

角色 负责 为什么适合 AI
主编（我） 选题、定调、终审 需要品味和长期判断
技术打通 Agent API 调试、部署、排障 产出是"能跑/不能跑"，二值可验证
写作 Agent 初稿、改写、扩写 给定大纲和素材后质量可控
运营 Agent SEO 检查、数据周报、RSS 分发 规则明确，检查清单驱动
维护 Agent 站点巡检、依赖升级、备份验证 重复性高，容错空间大

交接：md 日志是唯一真相

多 Agent 协作最大的坑是信息断层——A 干了一半，B 接手时不知道 A 干了什么。

我的解法简单粗暴：每个项目推进中必须产出可转交的 md 日志，固定三段式：

## 现状
- 已完成：...
- 当前状态：...

## 阻塞
- 卡在哪：...
- 原因判断：...

## 下一步
1. ...（具体到可直接执行的粒度）

交接时新 Agent 只读这一份文档，不需要"考古"聊天记录。交接文档的质量，决定协作的上限。

记忆：没有长期记忆的 Agent 是金鱼

这是整个体系里最容易被忽视、也最要命的一环。

早期我让不同的 Agent 分别处理不同任务，结果每次开工都要重新交代背景："博客在哪个服务器""域名是什么""风格要求是什么"……重复一百次之后，我发现上下文传递的成本已经超过了省下来的时间。

现在的做法是所有 Agent 共享一套 Obsidian 记忆中枢（详见另一篇文章《让 AI 拥有长期记忆》）。新 Agent 接手任何任务前，先读全局规则、用户画像和项目文档——入职培训自动化。

质量门禁：AI 产出必须过"人味检测"

AI 写东西有个通病：正确但平庸。结构完美，措辞安全，读完什么都没记住。

我的终审清单（不通过就退回重写）：

  1. 有观点吗？——"Next.js 适合做博客"是废话，"我放弃 Next.js 选了 X，因为 Y"才是内容
  2. 有细节吗？——真实的报错信息、具体的数字、踩坑的日期，是"人味"的标志
  3. 敢删吗？——每篇初稿砍掉 20%，删完还站得住才发布

数据：千万级流量目标的现实拆解

"千万级流量"听着虚，拆到月就是约 33 万 PV。按行业均值：

  • 单篇文章平均生命周期贡献 ≈ 500 PV/月（长尾效应）
  • 需要持续保持的"活跃文章池" ≈ 600~1000 篇
  • 或者少数爆款 + 稳定的 SEO 长尾组合

这意味着内容生产的可持续性比单篇质量更重要——这也是为什么工作流和 Agent 团队比"我亲自写每篇"更关键。一个人一天最多精写一篇，一个体系可以每天稳定产出两到三篇可发布的初稿。

结语

一人公司的本质不是"一个人干所有活"，而是一个人管理一支异步团队。AI Agent 是历史上第一次让"团队"这个概念可以完全异步、零沟通成本地运转。

主编的价值从未如此重要——因为执行变便宜了，判断才变贵。