02 · Workflow 编排：窄 AI + 宽人工
来源：橘鸦《我的 AI 实践》整篇（贯穿信息采集 / 筛选处理 / 修饰分发三段）
原则（一句话）
把任务切成窄 AI（廉价、量大、可错）+ 宽人工（昂贵、量小、不可错），不要让单个 prompt 包打。
为什么
橘鸦的关键判断：
虽然项目技术上可以实现全自动处理（市面上已有不少此类 AI 资讯汇总），但我选择加入「亿点点」人工。
他的人工拐杖主要做三件事：
- 信源核验 —— 保留最官方、最早、最准确的那条
- 幻觉修补 —— AI 写的稿子过一眼
- 素材挑选 —— 视频 / 图片配对
而 AI 干的是：
- 摘要（50 字）
- 关键词提取 + 旧关键词上下文
- 旧闻排除
- 智能打分
AI 干的事都是「错了改起来便宜」；人工干的都是「错了补救代价高」。这就是窄和宽的判断。
何时调用
- 批量信息处理（不只 AI 早报）
- 内容生产类任务
- 多步工作流设计
怎么做
切分四个问题：
| 维度 | 窄 AI（让模型干） | 宽人工（人干） |
|---|---|---|
| 单次成本 | 低 | 高 |
| 总量级 | 大 | 小 |
| 容错率 | 可错（错了能修） | 几乎不可错 |
| 出错代价 | 改一处即可 | 影响信誉 / 引发争议 |
自动化的危险信号：某一步「不可错 + 量大」+ AI 产出，则必须嵌人工拐杖。橘鸦的人工核查就是这种拐杖。
反例 / 边界
- 一个 prompt 包打一切 = 不是智能，是脆弱
- 用 AI 干「最早信源核验」 = 错误成本无法接受
- 让一个超长上下文模型一次产出完整新闻稿 + 摘要 + 字幕 + 评分 = 一坏全坏
关联原则
- 03-信息护栏：本原则在「信息过滤」场景下的细化
- 04-跨平台分发：本原则在「分发环节」的应用
