把内容运营当成一个可校准的预测系统

我做内容时最烦的是那种"事后诸葛亮"——一条东西火了，我立刻能编出三条它为什么会火的理由；一条扑了，我又能编出三条它为什么活该扑街。听起来头头是道，其实全是马后炮。这些解释没有一条是我发出去之前就敢写下来的，所以它们对下一条内容毫无指导价值，只是在喂养我的自我感觉。

这件事憋了我很久。后来我意识到，问题不在于我不懂内容，而在于我没有一个会逼我提前下注、再用真实数据打脸的机制。于是有了 cheat-on-content，一套我自己在用、也开源出来的内容运营校准工作流。

"作弊码"是真的，但它是私有的

先说清楚那个隐喻。内容这场游戏，本质已经是一场"作弊码"竞赛——谁先破解了平台的分发规律，谁就先拿到流量。所有人都在找那串通关密码。

问题是，网上那些"涨粉技巧"“黄金三秒法则”，是全网的平均值。它们是把成千上万个账号的数据揉在一起算出来的统计结论，对你这个具体的账号、具体的受众、具体的表达方式，未必成立。你照着全网平均去做，得到的大概率也是全网平均的结果。

我要的不是一份通用攻略，而是一个会专门学习我自己账号的系统。

这是整个设计的出发点：放弃对"普适规律"的迷信，转而搭一个能从我自己每一条内容的真实反馈里，慢慢逼近属于我这个账号的规律的东西。

三条不可妥协的原则

这套东西能不能从"占星"升级成"校准"，全压在三条原则上。任何一条破了，整个循环就退化回我开头骂的那种事后诸葛亮。

第一条，盲预测。 在看到任何数据之前，先给作品打分、写下预测：我觉得它会到哪个量级、为什么。关键是——预测一旦写完，不可更改。这不是靠自觉，是用 hook 在工具层把它锁死的。为什么非要这么狠？因为人是会骗自己的。只要留一丝"看到结果再回去改两笔"的口子，预测就失去了全部意义——那又变成了看到答案再编解释。锁死，才有校准价值。

第二条，升级评分规则就得全量重打分。 我的评分规则（rubric）会迭代。但只要我想改 rubric，规矩是：必须把校准池里所有历史作品用新规则重新打一遍，而且要跨模型独立审核一遍。不能只把公式改了、却让历史分数停留在旧公式下。否则新旧数据不在一个尺子上，你拿它们做的任何对比都是错的。这一步很烦、很重，但烦本身就是设计——它逼我别太随便地动公式。

第三条，rubric 是工作台，不是博物馆。 一条观察，如果被后来的数据验证了、已经吸收进公式里，就删掉；如果被推翻了，也删掉。rubric 里只留当前仍然有效的规则。我不在它里面堆满"曾经我以为"的尸体。那些历史想看怎么办？去翻 git history——那才是档案馆。当前文件必须干净，干净才能用。

五个阶段，一个闭环

具体跑起来是这样五步：

选题 → 打分（score，纯探索性，只在控制台输出，不写文件、不留痕）→ 盲预测（predict，写进那份不可变的日志）→ 发布 → T+N 天复盘（retro，把真实数据回收回来，逐项对照当初的预测，把新观察写回 rubric_notes）。

注意 score 和 predict 是分开的两个动作。score 是我随便打打看看、调整手感的草稿区，怎么改都行；predict 才是正式下注，一锤定音。把"试探"和"承诺"在工具层就分得清清楚楚，我才不会在该认真的时候糊弄、在该放松的时候紧张。

复盘环节是整个循环真正长出智慧的地方。预测和现实之间的偏差，不会立刻改公式——单次偏差可能只是运气。只有当我累计攒够了足够多次同方向的偏差（比如我总是高估某类选题、低估某种钩子），系统才解锁一次 rubric 升级的资格。这条"攒够同向偏差才能动手"的门槛，就是在替我对抗过拟合：别因为一两条爆款或一两条翻车，就慌慌张张地重写自己的世界观。

工具层怎么防止我作弊

这套东西如果只写成一份文档，很快就会退化。真正让它成立的是工具层的约束：

• score 只在控制台输出，不写文件，允许我在正式下注前试探；
• predict 会生成带时间戳的预测文件，预测段写完后不可修改；
• publish 只补发布 URL、平台 ID 和发布时间，不碰预测正文；
• retro 在 T+N 天回收真实数据，把偏差写回复盘记录；
• 升级 rubric 时必须全量重打历史样本，否则新旧分数不能放在一把尺子上比较。

也就是说，它不是靠「我以后要自律」维持的，而是把自律变成了文件结构、命令边界和 hook 约束。这个部分才是我最在意的：好方法论如果没有工具承载，最后通常会输给人的惰性和记忆偏差。

这其实是 harness 那一套

写到这我得承认，这套东西的骨架根本不是"内容方法论"原创的，它是我做 AI Agent、做 harness 时那套思维的直接平移。

内容传播是个典型的不确定系统：你输入一条作品，输出是流量，中间隔着一个你看不透的黑箱。面对这种系统，工程上的标准答案从来都不是"想得更聪明",而是给它套一个可验证的回路——预测、对照、迭代。

这和测试驱动开发是同一件事。写测试，就是在代码跑之前先写下"我断言它该是什么样"，然后用机器去判定真伪。盲预测就是我给一条内容写的测试用例。这也和我们给 AI agent 装"验证面""痛觉"是同一件事——让 agent 别在没有反馈的虚空里自我感觉良好，而是撞上一个可机器判定的回路，错了就疼，疼了就改。

区别只在于：给代码的反馈是单元测试，给 agent 的反馈是验证环境，给内容的反馈是 T+N 天后那串冷冰冰的真实数据。底层都是同一种不信感觉、只信闭环的偏执。

所以 cheat-on-content 在我这儿不算"跨界"。它更像是我把同一把锤子，又抡向了一颗以前没人拿锤子敲过的钉子。

内容这行当里，大部分人输在没有记忆——同一个坑能踩三年，因为每次的"教训"都是发完才编的，编完就忘。我没指望它让我一夜之间摸清所有规律。我只指望它做一件朴素的事：让我每一次打脸，都真的留下点什么。