我运行着一条无人值守的新闻生产流水线，每天制作三期节目。评估循环才是系统，模型不是。

大约19个月里做了六千多期节目，差不多每天三期，按六小时间隔运行，人们却总问我用的是哪个模型。这个问题问错了。模型随时可以换。真正防止系统在早上6点、我还在睡觉时发布丢人内容的，是那些检查机制。运行流程是这样的：新闻简报进入邮箱。系统判断话题是否足够做一期节目，撰写脚本，用我克隆的声音制作数字人视频，然后发布视频、博客文章和LinkedIn帖子。每期的推理成本约为3到3.5美元。我的心得是：评估闭环必须能拦截，而不只是汇报。每份输出都要检查是否符合必须具备的行为，以及是否触犯禁止的行为。缺少必需行为，就不发布。事后审核只意味着糟糕的节目已经发出去了。去重靠数据库比靠提示词更有效。用Postgres存储话题，在动笔写任何内容前先查一遍。提示词会漂移，查询不会。用另一个模型交叉审查架构。一个模型写方案和推理过程，另一个模型提出批评，我再把批评反馈回去。我就是这样发现了暴露在外的API密钥。在正确性至关重要的地方使用确定性方法，在其他地方使用概率性方法。缩略图使用生成式图像，品牌元素则通过确定性方式合成。文字排版绝不交给模型。写交接说明，而不是堆积冗长的上下文。把工作拆成小单元，每完成一个就写下交接说明，然后在切换工具前压缩上下文。否则，智能体就会忘记自己一小时前做了什么决定。问题出在哪里：传播。6400期节目，订阅者还不到250人。我造好了机器，却忽略了受众，这正是我现在着手解决的问题。如果有人感兴趣，我很乐意深入介绍这套评估机制。