从零搭建 AI Agent 博客流水线：blog-helper 6 阶段设计实录

你有没有过这样的经历：一篇技术文章写完，发布后才发现某个数字写错了。我上周就踩了这个坑——双卡总显存写成了单卡的数字，读者评论里指出来，尴尬得不行。

手动写博客的问题在于，写稿、审核、校对全压在一个人身上，注意力是稀缺资源，长文基本不可能不出错。于是我用 Hermes Agent 搭了一个叫 blog-helper 的技能——6 阶段流水线，多模型协作审稿，事实库防错。这篇文章记录整个设计过程和取舍。

前置条件

如果你想复现这个方案，需要：

• Hermes Agent（hermes-agent 或 hermes-agent 框架）

• 一个可用的 LLM API（DeepSeek / OpenRouter / 本地模型都行）

• Hexo 博客（或任何静态站点生成器）

• SearXNG 或类似搜索引擎（用于调研阶段）

不需要额外的服务、数据库或外部依赖。所有脚本都是独立的 Python 文件，每个都能单独运行。

做了什么

blog-helper 是一个 6 阶段的博客创作流水线，从选题到多平台发布，每个阶段对应一个独立脚本：

• 选题管理：FIFO 选题池，手动维护选题，AI 管理队列

• 定向调研：自动判定文章类型（6 种模板），按模板章节生成调研清单

• 编写：注入事实库 + 模板规范，调用 LLM 生成初稿

• 审核：MoA 多模型独立审稿，多数投票定级

• 校对：正则预检 + AI 格式检查

• 发布：调度器 + 平台适配器，未来支持知乎、公众号等

核心思路：把创作拆成阶段，让 AI 在关键节点做检查员，人做最终决策者。

技术选型与架构

市面上有不少 AI 内容管道方案。我调研了几个主流思路：

方案
特点
我的取舍

n8n 工作流
可视化编排，多 Agent 协作
太重，不适合技术博客这种轻量场景

CrewAI / AutoGen
多 Agent 框架，角色分工
适合复杂任务编排，但博客流程不需要这么重的框架

LangGraph
状态机驱动，擅长循环
学习成本高，博客流程是线性管道

blog-helper（本方案）
独立脚本 + 文件流转
简单、可调试、每个脚本可独立运行

为什么选独立脚本而不是框架？

• 可调试：每个脚本 --help 后单独运行，出问题定位快

• 可替换：审稿模型从 DeepSeek 换成 GLM，只改一个配置

• 可组合：审核发现问题 → 修改 → 重新审核，自然形成修订循环

• 零外部依赖：Python 3 + 标准库 + requests，不需要装额外框架

架构上，draft 输出到 archive/（中转站），publish 从 archive 读取。这个设计让”写”和”发”解耦——写稿时不发布，发布时从 archive 选文章。

1
2

选题 → 调研 → 编写 → 审核 → 校对 → 发布
                        ↕ 修订循环

效果

流水线跑出来的实际效果：

错误拦截：以我第一篇文章为例，review.py 抓到了 3 个 MUST_FIX：

• 预检引擎拦截了把单卡显存错误写成”官方默认值”的问题——魔改版是 22 GB，事实库规则直接拦截

• DeepSeek-V4-Flash 发现了开头数据与后文的逻辑矛盾

• 审稿模型发现代码块缺少语言标注

效率提升：以前一篇技术文章从写稿到发布大概 2-3 小时，现在：

阶段
耗时
说明

选题+调研
5 分钟
FIFO 选题 + 自动调研清单

编写
2 分钟
LLM 生成初稿

审核+校对
3 分钟
多模型审稿 + 正则检查

修订
视情况
通常 1-2 轮

发布
1 分钟
自动 hexo generate + deploy

总计约 15-20 分钟（含修订），比手动写快 5-10 倍。

踩过的坑

坑一：LLM 输出空响应导致崩溃

draft.py 调用 LLM 后，如果模型返回 choices: null（DeepSeek API 偶尔出现），脚本直接崩溃。

解法：加空响应保护，检测到 null 时提示用户手动补充核心字段：

1
2
3
4
5

choices = response.get("choices")
if not choices:
    print("⚠️ 模型返回空响应，请手动补充 core 字段", file=sys.stderr)
    core = input("输入技术核心描述: ")
    topic_data["core"] = core

坑二：LLM 从 prompt 里”跑题”

from_topic 模式下，如果 topic_data 缺少 angle/type/outline/key_points 字段，模型会忽略选题，写其他内容。

解法：from_topic 分支会补齐缺失字段，core → angle 映射。强制锚定选题段落放在 prompt 最前面。

坑三：DeepSeek-V4-Pro 转发异常

new-api 转发 V4-Pro 时出现异常，导致长输出被截断为 null choices。

解法：临时切到 V4-Flash。这个问题需要排查 new-api 配置，后续跟进。

坑四：旧技能和新技能并存

最初在旧 hexo-blog 技能上改，后来决定从零创建 blog-helper。旧技能保留待验证后删除。

教训：改技能前先备份，确认新方案稳定后再清理旧方案。

下一步

当前还不够完善的地方：

• 标题优化：draft.py 生成的标题偏平淡，计划加 topic-title.py 独立脚本

• DeepSeek-V4-Pro 不可用：需排查 new-api 配置

• example 学习参照：已建目录，待从知乎等平台收集高赞文章作为风格参照

• 多平台发布：Hexo 已通，知乎、公众号适配器待开发

---

如果你也在维护技术博客，不一定非要搭完整流水线。哪怕只加一个事实库预检，就能省掉很多尴尬的修改时间。

---

参考文献

• Grammarly — How to Write a Blog Post

• Kontent.ai — Content Production Process

• Hermes Agent 官方文档

• Mixture of Agents 论文

• Multi-Agent AI Content Pipeline (Valentin Chmara)

• Multi-Agent SEO Blog Writing (n8n)

• 本文所有脚本源码：~/.hermes/skills/content/blog-helper/scripts/