内容创作：从调研到成稿
14 内容创作：从调研到成稿
Content Creation: From Research to Final Draft
用AI写文章不稀奇，让AI记住你的写作风格、调研习惯、甚至读者反馈，持续进化成你的专属编辑，这才是
Hermes做内容的方式。
一篇文章的前世今生
我用Claude Code写了超过100篇公众号文章。流程已经很熟了：给它一个选题，它帮我搜索、写草稿、审校、配图。整
个过程大概2到3小时。
但有一个问题始终存在：每次开新会话，它都不记得上一篇文章的教训。
上周写那篇文章时，我让它别用「综上所述」，它改了。这周写新文章，「综上所述」又出来了。我在CLAUDE.md里加了
禁用词清单，好了一些，但CLAUDE.md是静态文件，它不会自己更新。
Hermes做内容创作的不同，就在这个点上。
持续性内容项目
假设你在做一个系列选题，比如连续写五篇关于AI Agent的文章。用传统方式，每篇都是独立的：你得重新说明读者画
像、重新定义风格、重新说明哪些话题前面已经写过了。
用Hermes做这个系列，情况完全不同：
第一篇文章写完，Hermes的记忆系统记下了几件事：这个系列的定位、目标读者、你对草稿的修改偏好（比如你把它写
的长句全部拆成了短句），以及哪些技术点已经在第一篇里解释过了。
第二篇开始时，你只需要说「写这个系列的第二篇，主题是XXX」。它知道该用什么风格、知道哪些概念不用再解释、知
道你上次不满意的地方。
到第五篇的时候，它对你写作偏好的理解已经很精准了。不是因为你配置了什么，是因为它从你的反馈中自己学会了。
子Agent并行调研
写一篇深度技术文章，调研往往比写作花时间更多。传统做法是线性的：搜索A话题，整理完了搜索B话题，再整理C话
题。
Hermes的delegate_task工具可以让这个过程并行。比如你要写一篇AI Agent对比文章，可以同时派出三个子Agent：
子Agent 1 子Agent 2 子Agent 3
→ →
调研Hermes架构 调研OpenClaw生态 搜集社区反馈
三个子Agent同时工作，各自返回调研结果。主Agent汇总后，你得到一份结构化的调研素材。原来要花一个多小时的调
研，20分钟就能搞定。
每个子Agent可以分配不同的工具集。调研架构的那个需要web搜索和browser，搜集社区反馈的可能只需要web搜索。
受限工具集不只是安全设计，也是效率设计——子Agent不会因为工具太多而分心。
Skill积累写作风格
这是Hermes做内容创作最有价值的部分。
传统AI写作工具的风格控制靠prompt。你在prompt里写「口语化、句子不超过20字、不要用AI高频词」。每次都得写一
遍，或者维护一个很长的系统提示词。
Hermes的方式是把风格规则存成Skill。一开始这个Skill可能只有几条简单规则：别用「综上所述」、段落保持3到5行、
多用「我觉得」「其实」这类口语词。
关键来了：这个Skill会自改进。
你审校草稿时做的修改，Hermes会观察并学习。你连续三次把「进行优化」改成「优化一下」，它就会在Skill里加一条：
「避免用'进行+动词'的句式」。你删掉了一段它加的总结升华，它学到「结尾不要强行升华」。
一个月后，这个写作风格Skill已经积累了几十条规则，全部来自你的真实反馈。它变成了你的专属编辑手册，而且是自动
维护的。
核心建议
Hermes的Skill自改进不是黑箱。每次Skill更新都可以在 ~/.hermes/skills/ 目录下看到diff。如果某条规则学偏了，
你可以手动修正，Hermes会把你的修正也纳入学习。
和用Claude Code写文章有什么不同
我同时在用两个工具做内容创作，感受很明确：
维度 Claude Code Hermes Agent
适合的内容 单篇文章、一次性任务 系列内容、持续性项目
风格控制 CLAUDE.md + 手动维护 Skill自动积累和进化
调研效率 线性搜索 子Agent并行调研
上下文连续性 依赖auto-memory，容量有限 三层记忆，按需检索
学习能力 不学习，规则靠人写 从你的反馈中自动学习
不是说Claude Code不好。写单篇文章，Claude Code的交互体验更流畅，你能实时看到修改、实时给反馈。Hermes的
优势在长线。每周写两篇、持续三个月，Hermes在第十篇的时候已经比第一篇好太多了，Claude Code第十篇的表现和
第一篇差不多。
花叔的做法：单篇商单文章用Claude Code，因为交互快、品牌方反馈能即时调整。系列选题和个人专栏用Hermes，让
它的写作Skill慢慢长出来。两者配合，不矛盾。
Content Creation: From Research to Final Draft
用AI写文章不稀奇，让AI记住你的写作风格、调研习惯、甚至读者反馈，持续进化成你的专属编辑，这才是
Hermes做内容的方式。
一篇文章的前世今生
我用Claude Code写了超过100篇公众号文章。流程已经很熟了：给它一个选题，它帮我搜索、写草稿、审校、配图。整
个过程大概2到3小时。
但有一个问题始终存在：每次开新会话，它都不记得上一篇文章的教训。
上周写那篇文章时，我让它别用「综上所述」，它改了。这周写新文章，「综上所述」又出来了。我在CLAUDE.md里加了
禁用词清单，好了一些，但CLAUDE.md是静态文件，它不会自己更新。
Hermes做内容创作的不同，就在这个点上。
持续性内容项目
假设你在做一个系列选题，比如连续写五篇关于AI Agent的文章。用传统方式，每篇都是独立的：你得重新说明读者画
像、重新定义风格、重新说明哪些话题前面已经写过了。
用Hermes做这个系列，情况完全不同：
第一篇文章写完，Hermes的记忆系统记下了几件事：这个系列的定位、目标读者、你对草稿的修改偏好（比如你把它写
的长句全部拆成了短句），以及哪些技术点已经在第一篇里解释过了。
第二篇开始时，你只需要说「写这个系列的第二篇，主题是XXX」。它知道该用什么风格、知道哪些概念不用再解释、知
道你上次不满意的地方。
到第五篇的时候，它对你写作偏好的理解已经很精准了。不是因为你配置了什么，是因为它从你的反馈中自己学会了。
子Agent并行调研
写一篇深度技术文章，调研往往比写作花时间更多。传统做法是线性的：搜索A话题，整理完了搜索B话题，再整理C话
题。
Hermes的delegate_task工具可以让这个过程并行。比如你要写一篇AI Agent对比文章，可以同时派出三个子Agent：
子Agent 1 子Agent 2 子Agent 3
→ →
调研Hermes架构 调研OpenClaw生态 搜集社区反馈
三个子Agent同时工作，各自返回调研结果。主Agent汇总后，你得到一份结构化的调研素材。原来要花一个多小时的调
研，20分钟就能搞定。
每个子Agent可以分配不同的工具集。调研架构的那个需要web搜索和browser，搜集社区反馈的可能只需要web搜索。
受限工具集不只是安全设计，也是效率设计——子Agent不会因为工具太多而分心。
Skill积累写作风格
这是Hermes做内容创作最有价值的部分。
传统AI写作工具的风格控制靠prompt。你在prompt里写「口语化、句子不超过20字、不要用AI高频词」。每次都得写一
遍，或者维护一个很长的系统提示词。
Hermes的方式是把风格规则存成Skill。一开始这个Skill可能只有几条简单规则：别用「综上所述」、段落保持3到5行、
多用「我觉得」「其实」这类口语词。
关键来了：这个Skill会自改进。
你审校草稿时做的修改，Hermes会观察并学习。你连续三次把「进行优化」改成「优化一下」，它就会在Skill里加一条：
「避免用'进行+动词'的句式」。你删掉了一段它加的总结升华，它学到「结尾不要强行升华」。
一个月后，这个写作风格Skill已经积累了几十条规则，全部来自你的真实反馈。它变成了你的专属编辑手册，而且是自动
维护的。
核心建议
Hermes的Skill自改进不是黑箱。每次Skill更新都可以在 ~/.hermes/skills/ 目录下看到diff。如果某条规则学偏了，
你可以手动修正，Hermes会把你的修正也纳入学习。
和用Claude Code写文章有什么不同
我同时在用两个工具做内容创作，感受很明确：
维度 Claude Code Hermes Agent
适合的内容 单篇文章、一次性任务 系列内容、持续性项目
风格控制 CLAUDE.md + 手动维护 Skill自动积累和进化
调研效率 线性搜索 子Agent并行调研
上下文连续性 依赖auto-memory，容量有限 三层记忆，按需检索
学习能力 不学习，规则靠人写 从你的反馈中自动学习
不是说Claude Code不好。写单篇文章，Claude Code的交互体验更流畅，你能实时看到修改、实时给反馈。Hermes的
优势在长线。每周写两篇、持续三个月，Hermes在第十篇的时候已经比第一篇好太多了，Claude Code第十篇的表现和
第一篇差不多。
花叔的做法：单篇商单文章用Claude Code，因为交互快、品牌方反馈能即时调整。系列选题和个人专栏用Hermes，让
它的写作Skill慢慢长出来。两者配合，不矛盾。