我如何用 Claude Code 做内容工程

以下是我如何使用 Claude Code 和 23 个自定义 Skill 文件链式调用，为 Ahrefs 博客构建高质量内容自动化系统，在六到十二分钟内生成可发布的文章草稿。

2025 年 8 月，我分享了我为 Ahrefs 博客开发的 AI 内容流程。它使用 ChatGPT 项目和自定义 GPT 来加速某些类型的内容创作，从几天缩短到几个小时，但仍需要大量手动干预。

现在，仅仅八个月后，我在分享我们的新流程。我使用 Claude Code 和 23 个自定义 Skill 文件链式调用，在六到十二分钟内生成可发布的文章草稿。我们已经用这个新流程发布了大约 15 篇文章，还更新了约 30 篇已有文章。

我从 2020 年就开始使用 AI 辅助内容营销。它一直以费力的、零散的方式发挥作用。但今天它已经足够好，可以自动化内容营销的重要部分而不会降低质量（在某些领域甚至有显著提升，比如研究）。或者正如我在最近一篇文章中所说：AI 内容曾经不够好，现在够了。

因此，我在 2 月份的公司 Slack 中提出了一个相当大胆的方向：

重要前提

在进入正题之前，我再次想提请注意一些重要前提：

经验很重要

AI 内容并非默认就是好的。这个流程之所以有效，是因为它镜像了我们现有的人工编辑流程，而这个流程是建立在数十年集体内容营销经验之上的。或者正如一位 LinkedIn 评论者非常雄辩地所说：

Ryan 的 SKILL 文件之所以好，是因为 Ryan 已经知道该在里面放什么。大多数使用空白工具的人没有 13 年的编辑经验作为基础。差距不仅在工具里，也在使用工具的人身上。

话题选择仍然重要

这个流程专门针对信息型 SEO 内容。我只在我熟悉的话题上使用这个流程，这样我就能审查每篇文章，验证其声明，纠正错误信息，并确保我乐意将其发布到世界上。

我还主要关注 Ahrefs 已经（在某种程度上）覆盖过的话题，这样我们就能使用数百篇现有的高质量文章作为新内容的参考。

我们没有计划用 AI "规模化内容"

我可以用这个流程将 Ahrefs 博客扩展到数万篇文章。我不会这么做。这不符合 Ahrefs 或我们客户的利益。相反，我用这个流程来帮助我们在少数核心话题上维护一个常青的有用内容库。我的目标是消除繁重的劳动，将人类的脑力集中在最能受益的营销环节上。

1. 通过链式编辑 Skill 来模仿人工工作流

这个流程的核心是约 23 个 Skill 文件，对应 Ahrefs 编辑流程的不同环节，从关键词研究到话题差距分析到结构化大纲：

每个 Skill 文件包含 Markdown 格式的说明，解释 Claude（或任何 LLM）应如何执行每个流程、要模仿的最佳实践示例，以及预期输出的格式指令。

许多 Skill 改编自我们现有的、人工编写的流程文档。其他一些是从头编写的，还有一些完全由 AI 生成并编辑。

每个 Skill 都可以单独使用，但我还创建了一个主 Skill（blog-pipeline），指示 LLM 按特定顺序触发这些 Skill，依次完成每个流程，将一个关键词想法变成（近乎）完成的文章：

理论上，这个流程可以完全自动化。使用我创建的 Skill 文件，Claude 可以使用 Ahrefs MCP 触发每日内容差距分析，审查并优先排序最佳目标关键词，然后启动整个 blog-pipeline 工作流，在新文章草稿准备好审查时通知我。

2. 输出流程的每一步以便迭代和排错

Agent 式内容创作的一个风险：如果你在十分钟的运行后得到一篇文章，而它不好，很难精确诊断流程在哪里以及为什么出了问题。

因此，流程的每一步都会产生自己的输出文件。例如，当大纲生成后，大纲会交给流程的下一阶段，但同时也保存为大纲文件夹中的 Markdown 文件。我可以审查流程的每一个阶段，调整特定输出（以及对应的 Skill 文件），然后从最后一个满足我质量标准的阶段重新开始。

3. 创建测试用例以实现递归自我改进

随着 LLM 模型能力越来越强，我经常惊讶于前沿模型在非常特定的任务上表现得有多好，即使没有任何具体的指令或示例。有时，复杂的 Skill 文件实际上不如给模型一个单句提示然后让开路。

我们一直在使用 Anthropic 的 skill-creator Skill 来测试和改进我们的工作流。该 Skill 测试流程的每个阶段，分别在有和没有我们自定义 Skill 文件中提供的指导的情况下生成大纲、研究摘要和草稿。

LLM 审查输出并就如何改进 Skill 文件以获得更一致的结果提出建议。Skill 文件很容易变得冗长臃肿，从而降低了 LLM 正确应用其指导的可能性。这个过程让我能够持续将 Skill 精简到最有效的本质，并删除对期望输出没有实际影响的 Skill。

4. 给 LLM 来自优质来源的优质数据

这个流程之所以可行，是因为 Claude 可以访问 Ahrefs MCP。

Claude 不再幻觉虚假的 SEO 数据，而是可以直接从 Ahrefs 拉取每篇文章的关键词指标、父主题和长尾关键词变体。

它使用问答报告来发现常见问题并将它们按主题分组，同时检索 SERP 概览来理解主导搜索意图以及什么类型的内容正在排名。

除了优质的 SEO 数据外，我的 Skill 文件还包括使用其他重要数据来源的具体指令，如：

• ✓ 竞争对手数据：从同一关键词排名靠前的文章中提取关键话题、标题和内容差距。
• ✓ 深度研究：审查可信的新闻和研究来源，获取关于目标关键词的最新信息。
• ✓ 产品功能：LLM 可以访问保存在 Markdown 文档中的每个 Ahrefs 产品和功能概述，以及它们最重要的用例。

默认情况下，LLM 是非常有说服力的空话生成器：它们可以生成听起来连贯的内容，但不包含任何具体数据或实质内容。强制指定要使用的数据源是获得优质结果的关键。Ahrefs API 和 MCP 现在在 Lite 及以上的所有付费计划中都可用，因此比以往更容易在你的仪表板、应用或内容流程中获取世界级的 Ahrefs SEO 和 AEO 数据。需要一些灵感来开始？阅读这篇文章：15 个面向 SEO 和数字营销人员的 Ahrefs MCP 用例

5. 前置人工指导

我们之前的 AI 内容流程的很大一部分是前置人工输入。我的论点是：在内容创作流程开始时提供少量专家指导，比在最后进行大量人工编辑有效得多。

我想允许这种指导而不需要创建完整的内容简报，所以我在 blog-pipeline Skill 中添加了一个 context 参数，允许用户提供上下文来指导内容创作流程。

如果你想生成一篇关于"内容差距分析"的文章，你可以添加这样的高层指导：

"采用'偷走竞争对手最佳内容'的角度，重点介绍 Keywords Explorer 的 Content Gap 工具，并包含一个关于寻找竞争对手排名但你没有的快速赢取关键词的章节。"

我用它来指定要覆盖的特定子话题、塑造文章的整体角度和情感、以及要提及的特定产品功能。这些上下文保存到专用文件中，并在草稿 Skill 中用作参考。

6. 构建交互式预览以便审查和编辑

我会阅读发布到 Ahrefs 博客的每篇文章的每一个字。在 VS Code 中阅读 Markdown 文件不是我的爱好，所以我使用一个简单的 Skill 将每篇生成的文章转换成 Ahrefs 风格的 HTML 预览，在 Chrome 中自动打开。

我还在试验交互式预览，允许我接受或拒绝对现有内容的更新，并留下行内评论让 Claude 执行。在这一点上，我们已经进入了完整应用的领域，所以请关注我的内容流程 v3 版本。当我对文章草稿满意并准备好上传和添加图片时，我触发一个最终的 Skill，用我们需要的所有正确的表格和短代码格式化文章。

7. Fork 和个性化

这个内容流程是按照我个人的规格构建的。它引用了我最喜欢的文章来塑造每篇文章的语气和风格。它优先考虑我最喜欢的数据来源。最重要的是，它的构建是为了镜像我的写作流程，以与我大脑运作方式一致的方式处理内容创作。

但不存在"最佳"的内容创作方式。即使在 Ahrefs 博客团队中，也有大量不同的风格、偏好和工作流影响着内容的制作方式。

我希望我们的 AI 内容流程能反映我们所有的个性，所以我鼓励团队 fork 这个仓库，并使用 Claude Code 将其修改为他们独特的规格——添加和删除流程中的步骤、更改它使用的数据来源和报告，并从他们自己最佳文章的风格和语气中学习。

目标是让团队中的每个人都拥有自己个性化的内容副驾驶，能够按照他们的规格工作并发挥他们的优势。

如果你关注 Ahrefs 博客，我敢打赌你没有注意到任何重大变化，尽管我们一直在使用生成式 AI 来帮助我们做越来越多的工作。

那是因为我们没有用 AI 来"扩大产量"并发布数千篇文章，我们也没有以速度换取质量的妥协。相反，我们用它来自动化工作中最程式化的部分，而且只在那些 AI 能做得和熟练人类一样好甚至更好的情况下使用。

AI 正在帮助我们填补内容差距并更新我们的常青搜索内容库。与此同时，Ahrefs 博客团队可以用我们的精力做其他事情：进行研究和撰写思想领导力、举办网络研讨会和进行现场演讲，以及构建系统来进一步自动化我们生活中最乏味的部分。

对于所有围绕 AI 和内容创作的恐慌制造来说，这其实很有趣。

原文链接：https://ahrefs.com/blog/how-i-do-content-engineering-with-claude-code/

本文为翻译分享，版权归原作者所有。