發了兩百多篇貼文，我想知道哪些真的有共鳴

我的 Threads 從 2024 年 9 月寫到現在，累積了 266 篇貼文。寫著寫著，我開始想知道兩件事：我平常到底都在寫哪些文章？這些文章，有沒有引起大家的共鳴？

這兩個問題靠印象回答不了。數據其實都在，每篇貼文都有瀏覽、讚、留言、轉發，但它們散在兩百多篇貼文裡，要一篇一篇點開才看得到。每週把它們抄下來做對比，這種事我知道有價值，也知道我永遠不會做。

所以我讓它自己來找我。

每週一 11 點，一封週報自己躺進信箱

從五月中到現在，這台機器人每週一上工，累積寄了十期。打開那封信，裡面有四塊東西。

數據漏斗：把「被看到」和「被打中」分開算

週報第一區把每篇貼文的數據拆成三層來算。最上層是瀏覽，代表被看到，裡面含了一堆滑過去沒停下來的人；中間是讚，一鍵就能給，成本很低；最底層是留言加轉發加引用，讀者要花力氣才會做，最能代表真的有共鳴。每層都算本週總計，旁邊擺上週對比。

漏斗下面另附一張「互動率」卡：總互動除以總瀏覽，意思是每 100 個看到的人，有幾個真的留下反應。這兩個計算擺在一起，就能把「有多少人看到」和「看到的人有沒有反應」分開讀。像最近一期，瀏覽比前一週掉了 96%（前一週有一篇衝到十幾萬），互動率卻從 0.28% 升到 1.16%，兩層是可以反著走的，混在一起就讀不到這件事。

每篇貼文標一顆球，一眼看出我這週都在寫什麼

我給機器人一套濾鏡，每篇貼文都要標一顆球：🎯 核心、🟢 延伸、🟡 邊緣、🔴 反向，標的是「這篇跟我想寫的主軸距離多遠」。低流量的貼文也要標，不准挑著標。只標有流量的，看到的就不是「我都在寫什麼」，是「哪些剛好被看到」，樣本就歪了。

標到 🟡 和 🔴 的每一篇，還要附一個「換切角示範」：同一個題材，怎麼講可以更靠近主軸。所以每週一排球看完，我就知道這週的力氣都花在哪些題目上，不用靠印象猜。

市場趨勢：只收過去 7 天、每條附連結

週報第三區是市場動態。我給它一份觀察清單：三個官方消息源，加上十來個追蹤帳號（國際的平台情報記者、台灣的演算法拆解帳號都有）。清單就是一個我隨時能編輯的檔案，想加帳號直接打開來改，下週自動生效。

每條收進來的資訊都要先驗發布日期，7 天以外的不收，查不到日期的也不收。某個來源這週真的沒消息，就老實寫「本週無更新」。每條後面附可以點的來源連結，我想追就自己點進去看。

三條寫作建議，它還有權直接改我的規則

每期收尾是三條建議：題材切角、格式長度、發文時機，每條都要附數據依據，不准空講。

比較特別的是，它有權直接改我的發文規則檔。同一個訊號連續兩週成立，它就自動把結論寫進規則，像是 hook 的長度、發文的時段這種執行層設定，然後在週報末尾報備：本週改了什麼、從什麼改成什麼、依據是哪筆數據，我不同意說一聲就退回。

上一期就有一個實例。它發現互動前三名全出自同一天，懷疑是密集發文帶來的曝光疊加，但因為只有一週的樣本，它自己寫了「先觀察不下定論，兩週都成立再考慮」。

順帶一提，週報開跑前還會先重建一份「貼文檢索庫」：兩百多篇貼文的全文塞進一個 HTML 檔。我想找自己講過什麼，打關鍵字就搜得到，不用在 App 裡無限往下滑。

拆開看，這台機器人一半是程式、一半是規則書

它其實是兩段式的：一支不動腦的程式，加一本一直在長大的規則書。

方法一：搬數字的不動腦，動腦的不碰數字

第一段是純 Python 腳本，走 Threads 官方 API 把全部貼文翻頁拉回來，再逐篇要瀏覽、讚、留言、轉發的數據，算好總計、對比、排名，存成一份數據檔。全程沒有 AI 參與，因為數字最不能出錯，而 AI 不是計算機：它用生成文字的方式回答，一次要它加總幾十篇的數據再算百分比，容易給出看起來合理、其實是錯的數字。這種事交給程式，跑一百次都是同一個答案。

第二段才輪到 AI（用 claude -p 跑，走我本來就在付的訂閱，整套沒有多花一毛錢）。它讀數據檔和規則書，寫判讀、上網查市場趨勢、產出報告，最後交給寄信程式送進我的信箱。發文憑證也有自己的照顧者：另一個每天檢查的小排程，發現憑證剩不到 14 天就自動換新。

一句話：數字不讓 AI 算，判斷不讓腳本做。之前寫 AI 生活特助那篇提過，鬧鐘和工人要拆開；這是工人內部再拆一層，手跟腦分開。

這段管線翻過兩次車：

▷ 第一次自動上工當天就掛了。手動跑好好的，排程一跑就報「沒有權限」，後來發現是排程環境沒有讀桌面資料夾的權限，跟我平常操作的環境根本是兩個世界。手動正常，從來不代表排程正常。

▷ 報告第一版在瀏覽器裡漂漂亮亮，寄進 Gmail 全部變素顏。後來才知道 Gmail 會把整段樣式設定剝掉，只認寫在每個元素身上的行內樣式，版面還得用老派的表格排法。寫東西要為「讀它的環境」寫，信箱跟瀏覽器，又是兩個世界。

方法二：把每次「這不對」變成一條規則

機器人第一版的分析其實蠻平庸的，還會踩雷。

它本來用讚數排每週 TOP 3。結果有一段時間我的讚數塌到單週接近 0，用讚排名排出來整排是雜訊。但同一段時間留言還活著，單週可以有二十幾則。後來拍板：排名改用留言、轉發、引用、讚的總和，讚降級成弱訊號，瀏覽數連進排名的資格都沒有，因為它含了一堆滑過去沒看的人，是最會騙人的指標。

市場趨勢那區也翻過車。有一期整份「本週趨勢」全是查不到日期的 SEO 長青文，「Threads 演算法完全攻略」那種，看起來很豐富，其實跟本週一點關係都沒有。於是多了那條硬規則：每條先驗日期，驗不過就不收，寧可寫「本週無更新」。

這些全部寫進一份規則書，機器人每週開工前先讀它。每次我覺得「這不對」，規則書就多一條。第十期的它，跟第一期已經不是同一個分析師了。

方法三：它可以改規則，但方向永遠不給數據投票

前面說它有權自動改規則，但這個權力有一條清楚的邊界：只准動「執行層」，就是 hook 怎麼下、寫多長、什麼時段發這類。「方向層」，也就是我要寫什麼題材，永遠不准自動改。

因為數據天生偏心舊爆款：哪類題材以前紅過，數字就會一直幫它投票。讓數據決定方向，只會把過去寫過的東西再寫一遍。

所以分工是：數據優化「怎麼寫」，我決定「寫什麼」。它每次改動都報備，我留著一句話退回的否決權。

數據管「怎麼寫」，方向還是我的

現在每週一打開信箱，開頭那兩個問題都有了答案：我這週都在寫什麼，一排球看完就知道；哪些文章真的有共鳴，看漏斗最底層那格，不是看讚。

「選題從憑感覺變看數據」其實只對一半。講準一點，是執行從憑感覺變看數據：hook 怎麼下、寫多長、什麼時候發，這些聽數據的。要寫什麼，還是我說了算。