十年媒体资产，变 AI 生产资料

我在做什么

我在一家媒体机构里做经营分析与数据 / AI 落地。这家机构手里有一份特别的家底：过去十年积累的内容资产——几千篇深度报道与个人故事，散落在旧系统里，没有被结构化管理。

内容是媒体的资产，但如果它只是躺在旧系统里的文件，资产就无法被使用。我想做的，是把这份家底变成「AI 的基础设施」。

地基：把十年内容变成数据库

第一步是盖地基：把十年内容结构化。常规选题 2800 条 + 商业合作 400 条，覆盖约十年 80% 的内容；每条记录带元数据 6 字段 + 评价标签 51 字段。

这个工程最值钱的产出，不是数量，而是流程：500+ 条链接批量解析（311 条有效），字段级对齐；写库格式定成「档｜依据」——把「判断」和「记录」两步绑死，从机制上避免脏数据。

它走完用了近一个月，情绪与身体像坐了过山车——基础设施型项目，几乎都是这个路径：无人鼓掌、看不到尽头，直到某天突然完成。

一鱼两吃：回头看 + 向前用

数据库完成之后，我没有急着定义它「应该」怎么用。同一份数据，自然长出了两条线：

• 回头看：一份「十年内容变迁报告」，交付给一位主编——看这十年内容关注的东西如何迁移，获正面反馈
• 向前用：一个叙事素材库，让 AI 写作时有「人味」素材可依——编辑部的下一步创作直接消费它

底座搭好后，不同的人涌出不同的场景——这就是基础设施的样子。

交付瓶颈：能力端全通，交付端全卡

能力端几乎没有障碍——数据、模型、流程都跑通了。真正的坎在交付端：分享给谁、怎么集成、成本谁出。技术不再是主要矛盾，分享、集成、成本才是。

闭环：做完 ≠ 送出 ≠ 被看见

这次我给自己定了一条规矩：对外送出的 AI 产物，交付前必须过一道「第三方真机测试」——找一个真实用户、真实场景、真实跑一遍，而不是自己觉得好了就送。报告送出去后，收礼方反馈「挺惊喜」。

这让我重新理解了闭环：「做完」「送出」「被看见」是三件事，前两件做得再好，也代替不了第三件。这是人视角的送达。

还有一次事故来自系统视角：一个自动化任务静默停掉了，直到复盘才发现——触发器三次都正常、任务状态正常、消息也发了，但消息根本没到群里。状态正常，不等于送达。

从此「主通道 + 备通道」双发成了默认：自动推送之外，另留一条兜底通道，让送达这件事有确认、有回执。AI 自动化是持续运行型的资产——主备双发、抽检、灰度这类运维思维，要从第一天就设计进去，而不是等它停掉再补。

质量验证：AI 味变淡

叙事素材库在编辑部实际创作中试了一轮：AI 产出的稿子「AI 味」明显变淡。这个结果印证了一个判断——去 AI 味靠素材质量，不靠生成技巧。模型再会写，没有好素材喂给它，写出来还是空。

经验沉淀

做对的：

• 把资产先结构化：内容变成数据，AI 才有东西可放大——AI 放大的始终是原有资产
• 不预设用途：数据库做完先「一鱼两吃」，让场景自己长出来
• 「档｜依据」写库格式：判断与记录绑死，机制上杜绝脏数据
• 第三方真机测试：对外送出 AI 产物前的标准动作

踩的坑：

• 低估了交付端：能力全通后，分享、集成、成本成了新的主要矛盾
• 基础设施型项目容易怀疑人生：近一个月无人鼓掌，要提前给自己设里程碑
• 「做完」不等于「被看见」：闭环缺了最后一段，价值就没有完成传递

一句话方法论：内容数据库 = AI 基础设施 = 长期复利；去 AI 味靠素材质量，不靠生成技巧。