一条每天定时跑的写教程流水线：Muse 负责找选题，Claude 动手实测并写稿，GPT 独立审稿，人只负责早上挑题、晚上按合并键。核心就一条：写稿的和审稿的必须是不同家的模型。
为什么不能一个模型包圆？一个模型从找题写到审稿，最大的问题是自己审自己，它永远觉得自己写得对。所以这条流水线把三家模型用一个私密 GitHub 仓库串起来当“总线”：Issue 是选题队列，PR 是稿件，标签表示现在轮到谁，人合并 PR 就是审批。
每天的流转是这样的：23:00 Muse 从当天推送里挑最多 3 个最值得写的选题建成 Issue；早上人挑 1 个打上“选中”；10:00 Claude 定时认领，实测、写稿、开 PR；PR 一开，GPT 就自动审稿；16:00 Claude 按审稿意见改，最多两轮，不过就交给人；晚上人定稿、合并、手动发布。任何内容都不会自动发出去，发布键永远在人手里。
最重要的一条是先实测再写。教程最怕“看起来对，照着做跑不通”，所以 Claude 每做一步，都要把命令和输出存进 evidence 文件夹；GPT 审稿时逐步对照，稿子里有、证据里没有的步骤直接打回。
文末附的 4 条提示词可以直接抄思路：Muse 选题入库时只读只推送、不点领取链接、不注册不付款，福利、赚钱、免费额度类信息一律标“未验证”，建 Issue 前先搜已有 Issue 去重，灰色教程不建；Claude 写稿时只处理带“选中”标签且还没有 PR 的最早一个 Issue，先实测再写稿，能跑的命令真的跑并存证据，跑不了的写“【截图】”或“【待作者实测】”占位，只写实测过或明确标注的步骤；GPT 审稿时当独立审稿人不改写正文，每个操作步骤都要在 evidence 里找到对应输出，版本号、命令、价格、免费额度说法不一致或无来源标 P1，读者照做可能付费、封号、丢数据却没有提醒的标 P0；Claude 处理审稿意见时逐条判断对错，对就改并说明改了什么，不对就回复理由并指出证据文件，第三轮还有 P0/P1 就停下加“需人工”标签。