← 回首頁
Case Study
一台 Mac，自動經營多個內容頻道
Distill 是我寫的一套內容自動化系統：每天從國外一線部落格與論文挑題， 用繁體中文重寫、事實查核，再自動發佈到多個社群頻道，並沉澱成自有網站資產。 全程在一台 Mac 上排程運作，日常零人工操作。
這個站本身就是它的產物之一。以下是它怎麼運作、以及為什麼它不只是「叫 AI 寫一寫」。
3
個頻道
持續運作（＋2 個已收斂）
240+
篇
累計自動發佈
~4 萬
views／月
熱門單篇破 7,000
0
人日常操作
選材到發佈全自動
要解決的問題
規模化經營內容通常要一整個小編團隊：找題、翻譯、改寫、排版、發文、看數據。 用 AI 直接產出又常常是「一眼看穿的機器文」，甚至把事實寫錯。 Distill 的目標是：把整條產線自動化，同時守住「像真人寫、而且不出錯」這條底線。
系統怎麼運作
- 01 選材從數十個國外一線 RSS／雷達來源挑題，確定性程式邏輯去重、過濾離題文，不靠 LLM 亂選。
- 02 抓原文抓文章全文當唯一事實來源；抓不到就跳過這期，寧缺勿錯。
- 03 AI 改寫用自己的話重寫成繁中，套「去 AI 味」14 條規則與第一句鉤子句型，不是翻譯軟體直出。
- 04 事實查核地名／專有名詞逐一比對原文，對不上就退稿重寫——防止 AI 腦補。
- 05 多頻道發佈自動排程發到各頻道，圖片、來源留言、字數與格式全自動處理。
- 06 內容沉澱同一篇同步成自有網站頁面，累積成被 Google 索引的長期資產（你正在看的這個站）。
- 07 成效回饋每日回收觸及數據，每週歸納「哪種第一句有效」回寫策略，讓系統自己越寫越準。
為什麼不是「叫 ChatGPT 寫一寫」
差別在工程。這套系統把「不出錯」當成可靠性問題來設計，而不是碰運氣：
- 事實查核閘門地名／片假名／專有名詞必須出現在原文，否則退稿。曾靠這道擋下把大阪店寫成東京的錯誤。
- 四層發佈防線Writer 中途崩潰也不會送出「只有圖沒內文」的空殼貼文——四道獨立防線層層把關。
- 去 AI 味自審14 條清單掃掉罐頭句、假推論、套話，讓讀者看不出是機器寫的。
- 成效驅動第一句句型不是憑感覺，是從實測觸及數據（20 倍分化）歸納出來的贏家結構。
這是誰做的
我是童曉瑜，Principal Data Engineer，日常在做的就是把社群平台資料端到端接進 資料倉儲、用排程與資料建模讓它穩定運轉。Distill 是把同一套工程能力用在 「內容生產」上的成果——選材、改寫、查核、發佈、沉澱、回饋，每一環都是可維運的自動化， 不是一次性的 demo。
合作方式
- 客製建置幫你的品牌／公司從零搭一套內容自動化管線，一次交付，你擁有系統。
- 月費代營運不想自己顧？我用這套系統每天幫你的頻道自動產出內容，月費訂閱、交付全自動。
- 課程／顧問想自己學著做？線上課程與一對一顧問，把整套方法交給你的團隊。