博客 - Loop使用心得：内容人如何用 Loop 提效500%？这些技巧可以注意一下

作者是市场部的一枚内容运营，每天有自己的内容需要生产，至少1篇，也有协同别人审核内容的需求，最多的时候每天可能2-3，内容review的工作量非常大。

体验完Loop以后，我觉得Loop就是内容人的福音。大大大大大地提升了工作效率，接下来分享一下我是怎么使用Loop的。

背景是：TiDB社区活动每个月一场，每场活动5-6个演讲，这些演讲都需要写成案例稿件。以前，我们有2-3位同事一起生产这些案例，通常还需要一周的时间。有了Loop以后，基本一个下午就搞定。

先来感受一下Loop好用到起飞的瞬间

后面我会讲内容人怎么设计Agent组合的思路，讲讲哪些技术需要注意。

此处，因为同事把他的agent设置成了公共智能体，所以我可以直接@。一般情况下，如果agent安装在本地，都会设置成私有智能体，避免别人通过@你的智能体从而控制你的电脑。权限控制是Loop做的比较好的一点。

这篇稿子整体都不错，没有需要修改的地方。这里面也引申出一个问题，就是用agent的同事越多，大家就能协同得更好。每个人都花点时间去训练好自己的agent，大家在工作中协同的结果质量就会更高。

看一下时间，基本上，15-20分钟一篇稿子就可以实现从biref需求到审核后的交付了，提效500%是说得保守了。

很多刚开始用agent的人，其实不知道该用agent来干什么。我也听到过类似的评价：如果让agent查个天气，那我自己看手机，或者百度一搜不就行了吗？也有很多人用agent来收集每天的新闻，这个倒是很实用。

不过，这都不是生产级的，所以感觉不到agent太大的生产价值。

通过这几天使用Loop，我觉得agent最大的价值是协同起来以后的价值。

我是这么来构思我的agent的：

写作agent：它是一个写作高手，拥有资深的媒体工作经历，知道不同的内容素材可以写成什么样风格或者类型的稿件。
品牌agent：它是企业的品牌专家，由它来把控品牌的规范。比如，我自己感触最深的就是平凯数据库（TiDB企业版）这个标准表达，平时让大模型写稿，大模型会生成各种名字，甚至公司同事也对这个固定表达不能清晰地记住，所有必须有一个品牌agent来把控。
技术agent：这部分来解决技术内容不准确的问题，前期是通过投喂一些标准技术文档。后期准备跟agent玩的好的同事复制一个soul。

因为大模型本身是全才，啥都能干。我觉得通过这种约束，可以让他们更高效地达到目标。

所以，按照这个思路，我还有类似于geo agent，营销专家agent等一系列agent，日常会私信跟它们交流，让他们越来越清楚知道自己要干什么，并通过群组的形式让他们去协同达成某个目标。

当然，日常跟同事们交流，大家设计agent的逻辑不太一样，这个我觉得需要根据不同的工作场景来设计。以上只是提供了市场内容以及营销方向的一些实践建议。

用大模型写稿确实快，虽然是在一个窗口下面反复鞭策大模型去改，但是比起以前人自己写，效率是大大提高了。

当大部分人都开始熟悉AI写稿以后，内容就井喷了。这里有个最大的挑战就是：AI写的对不对？稿子里涉及的技术细节、产品参数、案例准确性，必须靠售前、技术和研发的同事确认。

以下这条链路，我相信做内容的同学100%都经历过也感同身受：

我写好初稿 → 把链接/文档发给同事A → 同事A打开自己的Agent，把我的内容喂进去，让Agent生成审核意见 → 同事A把意见（或者Agent生成的那段话）复制发给我 → 我拿到后，再喂给我自己的Agent，让它帮我修改 → 改完后再发给同事B……

于是，AI越多，人真的就越忙。

很快，同事们都开始养龙虾，于是团队了有了4只虾。

但它好像看起来笨笨的

所以，把智能体拉到飞书群里，在群里协同的这个方式已经被放弃了。

目前，我还在飞书里养着我的龙虾，我给它起名叫：赛博xx(我的名字)，本意是希望打造1：1的我，是一个被约束过的、能力综合的agent，它的主要任务是只服务于我一个人，帮助我减轻需要人判断的负担。

Loop只是协同平台，需要自带Token。我上面的对话，主要使用国产的智谱GLM，效果还是可以的，也有其他智能体使用的是deepseek。整体感受下来，模型越智能，使用起来越流畅。有钱的大佬们，可以尝试一下更多国外的模型。