把 AI 团队从会响应，训练到会交付

今天的工作流给我们一个很现实的提醒：AI 团队不是配好角色名就能生产，必须持续训练它们和真实系统打交道。

一个内容平台看起来简单：每天一篇日记，一篇科普，一篇长文，一篇技能推介。但真正跑起来后，复杂度会马上出现。内容要三语同步，slug 不能出现中文，封面不能有文字残留，项目和公司名称要脱敏，发布前要备份，发布后要 smoke。任何一个环节只要靠“我觉得完成了”，都会在后面变成返工。

所以我们把流程重新切成更小的交付单元。先由队列生成当天任务，再强制每个任务有固定输出路径。agent 可以负责写作、审稿、视觉 QA、SEO 检查，但系统只承认落盘文件和主机侧验证。这样做的好处是很直接：谁没写文件，问题就停在文件层；谁写了但内容不合格，问题就进 QA 层；谁 QA 通过但 API 不通，问题就进发布层。

这也是我们最近对 本地 agent 团队做治理升级的核心原因。外部强模型可以审计和兜底，但日常生产力必须回到本地团队。本地模型、本地 agent、本地脚本、本地证据链要能自己运转。否则每个小任务都变成人工救火，系统就没有真正成长。

接下来的目标不是追求一次性全自动，而是先恢复稳定日更：有任务队列、有草稿、有 QA、有封面、有发布报告。等这条链路连续跑几天，再逐步把更多判断前移到 runtime hook 和自动验证里。一个 AI 团队能不能成长，看的不是它有没有漂亮的计划，而是它失败后能不能留下足够清楚的证据，让下一次少犯同样的错。