内容团队的协作常常卡在交接：文案改了哪一版、剪辑拿到的是否是定稿、谁确认了发布、数据又对应哪一条内容。如果这些信息只留在聊天里，AI 再聪明也只能反复追问。
我们先把流程拆成内容发现、制作、平台适配、发布控制和数据回流五个模块，再约定六类成果物：内容简报、文案包、剪辑包、发布包、指标快照和分析简报。AI 可以同步状态、检查字段、整理下一步；本地适配层可以承接品牌规则和平台限制，但登录、上传和公开发布仍需要明确的人工作出决定。
发布之后，平台数据也不直接变成结论。只有确认了已发布内容身份和观察窗口，才进入测量；N/A、不可用、窗口尚未成熟和零值必须分开记录，再生成分析候选。这样，文案、剪辑、发布和运营看到的是同一条可追溯链路，而不是各自维护一份版本。
先约定成果物，再讨论自动化
自动同步并不是把所有聊天搬到一个地方。真正需要同步的是下一位协作者要继续工作的对象，以及它目前处在哪个状态。五模块把内容发现、制作、平台适配、发布控制和数据回流放进同一条链，但不把本地适配规则带进公开内核。
- 内容简报说明目标、来源和公开边界。
- 文案包与剪辑包保留版本和审核结果。
- 发布包只在人工授权后进入平台动作。
- 指标快照与分析简报只在已确认发布身份和观察窗口后交接。
发布门不能被自动化吞掉
AI 可以准备候选、检查素材和提醒缺口，但不能因为流程字段齐全就替人作出公开决定。账号登录、上传、定时、发布和不可逆修改都需要在动作前获得明确授权。
这条边界也让失败更容易被看见：缺少来源、身份不明或授权不足时，结果应该是 blocker，而不是生成一个看似完整的发布记录。
数据回流要保留观察口径
测量不是发布候选的自动后续动作。先确认平台内容身份、采集时间、观察窗口与时区；N/A、零、暂不可用、窗口尚未成熟和真实观察值是不同状态，不能为了形成复盘而混成一个数字。
完成这些检查后，AI 才生成分析候选，交给团队决定下一轮选题、表达或平台适配。公开 Skill 保留模块图、虚构完整生命周期示例和离线校验，但不附带任何真实账号凭证、实时平台数据或本地运行连接。