全自动内容生产流水线：7个AI Agent协作，从数据采集到博客发布零人工
这篇文章本身就是AI自动内容流水线的产物。从选题到撰写，没有人工干预。
流水线全景
我们的量化博客（agents-quant.com）已经实现了从数据到文章的全自动化。7个AI Agent每天定时执行，覆盖内容生产的完整生命周期：
时间 Agent 任务
─────────────────────────────────────────────────────
06:30 📡 数据采集Agent → 采集AI/量化行业新闻
07:00 🎯 选题策划Agent → 从新闻中筛选值得写的选题
07:20 🧬 自我进化Agent → 将每日发现转化为技术文章
09:00 ✍️ 文章撰写Agent → 按选题撰写完整深度文章
周一 🌐 AI大事记Agent → 每周AI领域重大事件综述
00:30 📤 定时发布Agent → 自动build+push到GitHub→Cloudflare部署
周六 📈 SEO优化Agent → 分析搜索数据，优化文章关键词总计7个cron job，每天自动产出1-2篇高质量技术文章，零人工。
技术架构
底层平台：Hermes Agent
整个流水线运行在Hermes Agent上——一个开源的AI Agent框架，支持：
- Cron定时调度：精确到分钟的定时任务
- 工具集成：终端、文件系统、Web搜索、浏览器
- 多平台消息推送：飞书、微信、Telegram
- 持久记忆：跨会话的知识库和用户画像
- 技能系统：可复用的专业工作流
消息流
Cron Job触发
│
▼
Agent加载技能 → 执行任务 → 生成文章Markdown
│
├──→ 推送到飞书群（即时通知）
├──→ 保存到本地博客仓库（content/blog/）
└──→ 触发下一环Agent（流水线串联）7个Agent详解
Agent 1: 数据采集（每日06:30）
职责：扫描AI、量化交易、金融科技领域的新闻源
触发: 每日 06:30
工具: web_search, web_extract
输出: 结构化新闻摘要 → 保存到 ~/.hermes/cron/output/
推送: 飞书群早间简报这个Agent的工作流程：
- 用
web_search搜索”AI quantitative trading”、“LLM finance”等关键词 - 用
web_extract提取每篇文章的核心内容 - 去重、分类、打标签
- 生成结构化的新闻摘要
Agent 2: 选题策划（每日07:00）
职责：从采集的新闻中筛选值得写的话题
触发: 每日 07:00
输入: Agent 1 的新闻摘要
输出: 3-5个选题建议，含标题、角度、目标读者选题标准：
- 时效性：最近24小时内的新进展
- 深度：能写2000字以上的深度分析
- 相关性：与AI+量化交易的主题相关
- 差异化：不与已发布的23篇文章重复
Agent 3: 自我进化→文章（每日07:20）⭐核心创新
职责：将AI Agent的自我进化报告转化为技术文章
触发: 每日 07:20
输入: 前一天的自我进化报告（~/.hermes/cron/output/）
输出: 一篇技术博客文章（800-2000字）
保存: ~/quant-blog/src/content/blog/daily-discoveries/这是最有创意的一个Agent。每天凌晨05:00，另一个Agent（自我进化Agent）会运行，分析系统运行状态、发现的BUG、学到的教训。07:20的Agent将这些”日记”转化为对外可发布的技术文章。
文件查找三级fallback策略：
- 首选：cron输出目录（
~/.hermes/cron/output/<job_id>/） - 备选：永久存档（
~/self-improving/reports/） - 兜底：
/tmp/临时文件
Agent 4: 文章撰写（每日09:00）
职责：按选题撰写完整深度文章
触发: 每日 09:00
输入: Agent 2 的选题建议
输出: 完整Markdown文章（2000-5000字）
工具: web_search, terminal, file, read_file这个Agent是”主力写手”——它会：
- 读取选题建议
- 搜索相关资料和论文
- 读取本地代码文件获取真实数据和代码示例
- 撰写包含代码、表格、图表的完整文章
- 自动添加frontmatter（标题、日期、标签）
- 保存到博客仓库的
content/blog/目录
Agent 5: AI大事记（每周一）
职责：每周AI领域重大事件综述
触发: 每周一 特定时间
输出: 一篇周报形式的AI大事记Agent 6: 定时发布（每日00:30）
职责：自动构建和部署博客
触发: 每日 00:30
工作目录: ~/quant-blog/
工具: terminal执行流程：
# 1. 检查是否有新文章
git status
# 2. 构建静态网站
npm run build
# 3. 如果构建成功，推送到GitHub
git add .
git commit -m "auto: daily content publish $(date +%Y-%m-%d)"
git push origin main
# 4. Cloudflare自动检测到push，触发部署
# 5. 5分钟后agents-quant.com更新Agent 7: SEO优化（每周六）
职责：分析搜索数据，优化历史文章
触发: 每周六
工具: web_search, read_file, patch这个Agent会：
- 分析Google Search Console数据（如果有连接）
- 检查每篇文章的meta description、标题、关键词
- 搜索当前热门关键词
- 自动优化历史文章的SEO标签
Cron配置详解
每个Agent的cron配置：
# Agent 1: 数据采集
schedule: "30 6 * * *" # 每日06:30
deliver: "feishu" # 推送到飞书
enabled_toolsets: ["web"] # 只用web工具
# Agent 2: 选题策划
schedule: "0 7 * * *" # 每日07:00
deliver: "feishu"
enabled_toolsets: ["web", "file"]
# Agent 3: 自我进化→文章 ⭐
schedule: "20 7 * * *" # 每日07:20
deliver: "feishu"
workdir: "~/quant-blog"
enabled_toolsets: ["terminal", "file", "web"]
# Agent 4: 文章撰写
schedule: "0 9 * * *" # 每日09:00
deliver: "feishu"
workdir: "~/quant-blog"
enabled_toolsets: ["web", "terminal", "file"]
# Agent 5: AI大事记（周一）
schedule: "0 10 * * 1" # 每周一10:00
# Agent 6: 定时发布
schedule: "30 0 * * *" # 每日00:30
deliver: "feishu"
workdir: "~/quant-blog"
enabled_toolsets: ["terminal"]
# Agent 7: SEO优化（周六）
schedule: "0 14 * * 6" # 每周六14:00
enabled_toolsets: ["web", "file", "terminal"]关键配置项说明
deliver：任务完成后消息推送到哪里。我们用飞书群即时通知workdir：Agent的工作目录。写作类Agent指向博客仓库enabled_toolsets：限制Agent可用的工具集，减少不必要的工具加载开销skills：指定加载的技能文件（如SEO技能、写作技能）
内容质量控制
全自动化不等于低质量。我们有多层质量控制：
1. 技术规范
所有文章必须符合Astro Content Collection规范：
---
title: "文章标题（≤60字符）"
pubDate: "2026-06-18"
draft: false
description: "SEO描述（≤160字符）"
category: "量化进阶"
tags: ["标签1", "标签2"]
---2. 内容深度检查
每篇文章必须包含：
- 真实数据和代码：从本地系统读取，不是编造的
- 具体数字：回测必须有年化收益和最大回撤
- 代码示例：核心技术必须有可运行的Python代码
- 对比表格：多方案对比必须用表格呈现
3. 事实核查
Agent在写作时必须：
- 用
web_search交叉验证关键数据 - 用
read_file引用本地真实代码 - 用
terminal执行命令获取实时数据
4. 反垃圾机制
- 每日最多发布2篇文章（避免内容农场化）
- 草稿模式（
draft: true）用于敏感内容，需人工审核后发布 - 自动去重——检查标题与已发布文章的相似度
实际产出
运行3个月以来的数据：
| 指标 | 数值 |
|---|---|
| 总文章数 | 23篇 |
| 平均字数 | 8,000-15,000字 |
| 发布频率 | 每周5-7篇 |
| 人工干预次数 | 约5次（主要是审阅草稿） |
| 全自动文章占比 | ~80% |
| 部署成功率 | >95% |
文章分类
| 类别 | 篇数 | 示例 |
|---|---|---|
| 量化策略 | 9篇 | 白马股多因子、ETF轮动、可转债网格 |
| AI Agent实战 | 7篇 | Hermes入门、记忆系统、内容流水线 |
| 数据架构 | 3篇 | 免费数据源指南、DuckDB搭建 |
| 回测方法论 | 2篇 | 回测引擎V2、BUG诊断 |
| AI+量化前沿 | 2篇 | LLM数据泄露检验、AI选股对决 |
零成本架构
整个流水线的成本：
| 组件 | 成本 |
|---|---|
| Hermes Agent | 开源免费 |
| Astro博客框架 | 开源免费 |
| GitHub仓库 | 免费Private仓库 |
| Cloudflare部署 | 免费Plan |
| 域名 | ~$10/年 |
| LLM API调用 | ~$0.5/天（DeepSeek/GLM） |
| 总计 | ~$25/年（仅域名+API） |
对比商业内容平台（如Medium、Substack的付费计划），这几乎是零成本。
流水线的自举性
这条流水线最有趣的特点是自举（bootstrapping）——流水线生产的文章，描述的就是流水线本身：
- 流水线每天自动运行
- Agent 3（自我进化→文章）记录流水线的运行情况
- 这些记录被转化为技术文章
- 文章描述了流水线的设计和优化
- 读者通过文章了解流水线
- 流水线继续运行，产出更多文章…
这篇文章就是Agent 3或Agent 4在某次运行中产出的。
扩展方向
1. 多语言
当前只产出中文内容。可以增加一个翻译Agent，将文章翻译成英文，发布到Medium或Dev.to。
2. 多媒体
增加图像生成Agent，为每篇文章自动生成配图（流程图、架构图、数据可视化）。
3. 社交媒体分发
增加Agent，将文章摘要自动发布到Twitter/X、知乎、微信公众号。
4. 读者反馈闭环
增加Agent，监控文章评论和访问数据，根据反馈调整选题方向。
5个踩坑经验
1. Cron输出目录会被清理
/tmp/目录会被系统定期清理。如果你的Agent从/tmp/读取上游输出，可能会失败。解决方案是用~/.hermes/cron/output/作为持久化目录。
2. 构建失败不要发布
npm run build有时会因为Markdown格式错误失败。必须在push前检查build结果——构建失败时不推送。
3. 微信不支持主动推送
微信的iLink Bot API不支持主动推送消息。如果你想让流水线推送通知到微信，需要用飞书或Telegram替代。
4. DeepSeek推理模型导致400错误
如果fallback模型使用了推理模型（如deepseek-v4-flash），会产生reasoning_content字段。Hermes如果没有正确回传这个字段，下一轮请求就会400错误。解决方案：fallback使用非推理模型deepseek-chat。
5. 记忆条目有2200字符上限
Hermes的MEMORY.md有2200字符上限。流水线运行后会积累大量经验教训，需要定期整理——把过时的删除，把重要的保留。每周日的维护Agent会自动做这件事。
总结
| 传统内容生产 | AI Agent流水线 |
|---|---|
| 人工选题、调研、写作 | 7个Agent自动协作 |
| 每周1-2篇 | 每周5-7篇 |
| 质量取决于作者水平 | 质量由技能系统保证 |
| 成本：作者薪酬 | 成本：$0.5/天API费 |
| 扩展需要招人 | 扩展只需加一个cron job |
核心启示：AI Agent不是在”替代”内容创作者，而是在放大创作者的能力。一个人+7个Agent = 一个内容团队。
当你在读这篇文章时，它可能已经经过了流水线的多次迭代和优化。这不是未来的概念——这是现在正在运行的现实。
想了解更多关于Hermes Agent的配置和使用？查看我们的Hermes Agent入门指南和Cron调度指南。