AiToEarn 是一个基于 AI（人工智能）Agent（智能体）的内容运营平台，核心目标是把内容从“人工逐个平台发布”变成“统一生产、统一排期、自动适配、自动分发”。
它解决的是一个很具体的问题：同一份内容要发到抖音、小红书、B 站、TikTok、YouTube 等平台时，不能简单复制粘贴。不同平台对标题长度、封面比例、视频尺寸、话题标签、发布时间、描述文案都有不同要求，人工处理会消耗大量重复时间。
AiToEarn 把这些动作拆成几个模块：
| 模块 | 负责的事情 |
|---|---|
| AI 内容生成 | 根据关键词、产品卖点、活动信息生成标题、正文、短视频脚本、封面文案 |
| 多平台适配 | 按不同平台规则调整标题、描述、标签、比例、封面等内容 |
| 内容日历 | 统一管理发布时间、发布平台、循环任务和排期调整 |
| 自动发布 | 通过绑定的平台接口，把内容按计划发布出去 |
| 数据反馈 | 观察发布后的表现，辅助调整后续内容方向 |
项目仓库地址：
https://github.com/yikart/AiToEarn
AiToEarn 适合解决什么问题
内容运营最麻烦的地方不只是“写一条内容”，而是后面的一整套重复动作。
例如，一个电商商家有 100 个 SKU（库存量单位），每个商品都要做种草文案、短视频脚本、封面图和平台描述。如果全部手工处理，每个平台还要再调整一次格式，工作量会随着平台数量成倍增加。
AiToEarn 的思路是把内容生产和分发拆成流水线：
flowchart LR
A[输入关键词 / 产品卖点 / 活动信息] --> B[AI 生成内容]
B --> C[生成标题、正文、脚本、封面文案]
C --> D[多平台格式适配]
D --> E[进入内容日历]
E --> F[按计划发布]
F --> G[采集发布数据]
G --> H[调整内容方向]
H --> B
这里最重要的是“统一入口”。创作者不需要分别打开每个平台处理内容，而是在一个后台里完成内容配置，再由系统根据平台规则做适配和发布。
核心工作流
AiToEarn 可以理解成一个多模态内容工厂，从内容灵感到最终发布，主要经过五个阶段。
1. 输入内容目标
用户输入内容生产所需的基础信息，例如：
- 账号定位
- 产品卖点
- 活动主题
- 目标平台
- 发布频率
- 预算范围
- 希望覆盖的内容方向
这些信息会作为 AI 生成内容的上下文。对于电商场景，可以输入商品名称、价格、卖点、目标人群；对于知识博主，可以输入选题方向、受众画像和内容风格。
2. AI 生成文案和脚本
AiToEarn 可以根据输入信息生成多种内容素材：
| 内容类型 | 示例 |
|---|---|
| 标题 | 小红书标题、短视频标题、B 站标题 |
| 正文 | 种草文案、营销文案、知识讲解稿 |
| 短视频脚本 | 开头钩子、分镜、口播内容、结尾引导 |
| 封面文案 | 主标题、副标题、卖点标签 |
| 平台描述 | TikTok 描述、YouTube 简介、B 站简介 |
如果接入图像或视频生成模型，还可以继续生成封面、海报、产品展示图、短视频片头片尾等视觉素材。常见模型包括 GPT 系列、Flux、Sora、Pika、Runway 等，具体可用能力取决于部署时配置的模型服务和接口权限。
3. 做多平台适配
多平台分发不是简单复制内容。不同平台的内容结构差异很大：
| 平台 | 需要重点适配的内容 |
|---|---|
| 抖音 | 视频比例、标题长度、话题标签、封面 |
| 小红书 | 图文标题、正文结构、封面图、标签 |
| B 站 | 视频标题、分区、简介、封面、标签 |
| TikTok | 短描述、标签、视频比例、发布时间 |
| YouTube | 标题、描述、缩略图、标签、视频信息 |
AiToEarn 的多平台适配模块负责把同一份内容转换成各个平台可以直接发布的版本。这样做的价值在于：内容创作只做一次，平台差异交给系统处理。
4. 进入内容日历
内容日历负责管理“什么时间、在哪个平台、发布什么内容”。
它适合处理几类任务：
- 指定某条内容在某个时间发布
- 同一条内容分发到多个平台
- 调整排期
- 设置固定频率的循环任务
- 查看未来一段时间的发布计划
对于个人创作者，内容日历主要是节省排程时间；对于 MCN（多频道网络/内容机构）或团队，它更像一个内容排班系统，可以把内容计划、平台任务和执行状态集中在一起。
5. 发布后看数据反馈
内容发布不是终点。AiToEarn 还可以围绕账号历史数据、平台热点、竞品内容和发布表现做分析，用来辅助判断：
- 哪类选题更容易获得曝光
- 哪些标题结构表现更好
- 哪个平台更适合某类内容
- 发布时间是否需要调整
- 后续内容应该增加还是减少某个方向
这一步的重点不是让 AI 完全替代运营判断，而是把数据收集、趋势观察和候选选题生成自动化，减少人工反复查数据、做表格、找灵感的时间。
系统结构
从部署方式可以看出，AiToEarn 至少包含 Web 前端、主后端 API（应用程序编程接口）、Channel 服务、MongoDB 和 Redis 几个部分。
flowchart TB
U[用户浏览器] --> W[AiToEarn Web<br/>端口 3000]
W --> API[主后端 API<br/>端口 3002]
API --> DB[(MongoDB)]
API --> R[(Redis)]
API --> AI[AI 模型服务<br/>文本 / 图像 / 视频]
API --> CH[Channel 服务<br/>端口 7001]
CH --> P1[抖音 / 小红书]
CH --> P2[B 站 / TikTok]
CH --> P3[YouTube 等平台]
各组件可以按职责理解：
| 组件 | 职责 |
|---|---|
| Web 前端 | 提供内容管理、排期、账号配置、数据查看等页面 |
| 主后端 API | 处理业务逻辑，例如内容生成、任务管理、用户认证 |
| Channel 服务 | 对接各内容平台的发布接口 |
| MongoDB | 保存账号、内容、排期、配置、发布记录等数据 |
| Redis | 适合做缓存、任务状态、队列或临时数据存储 |
| AI 模型服务 | 生成文案、脚本、图片、视频等内容素材 |
Channel 服务很关键，因为平台发布规则经常不同。把平台对接逻辑单独拆出来，可以让主业务系统更清晰，也方便后续扩展新的平台。
Docker 部署
AiToEarn 支持 Docker 部署。运行前需要准备：
| 依赖 | 版本要求 |
|---|---|
| Docker | 20.10 或以上 |
| Docker Compose | 2.0 或以上 |
克隆项目
git clone https://github.com/yikart/AiToEarn.git
cd AiToEarn
准备环境变量
cp env.example .env
至少需要检查并修改这些配置：
MONGODB_PASSWORD=your_mongodb_password
REDIS_PASSWORD=your_redis_password
JWT_SECRET=your_jwt_secret
INTERNAL_TOKEN=your_internal_token
NEXT_PUBLIC_API_URL=http://localhost:3002
APP_DOMAIN=http://localhost:3000
几个关键变量的含义：
| 环境变量 | 作用 |
|---|---|
MONGODB_PASSWORD | MongoDB 数据库密码 |
REDIS_PASSWORD | Redis 密码 |
JWT_SECRET | 登录态和认证令牌签名密钥 |
INTERNAL_TOKEN | 内部服务通信使用的令牌 |
NEXT_PUBLIC_API_URL | 前端访问后端 API 的地址 |
APP_DOMAIN | 应用对外访问域名 |
生产环境不要使用示例密码，也不要把 .env 文件提交到代码仓库。
启动服务
docker compose up -d
首次启动会拉取镜像并初始化相关服务。启动后可以查看容器状态：
docker compose ps
查看 Web 服务日志：
docker compose logs -f aitoearn-web
默认访问地址：
| 服务 | 地址 |
|---|---|
| 前端 Web | http://localhost:3000 |
| 主后端 API | http://localhost:3002 |
| Channel 服务 | http://localhost:7001 |
如果部署在服务器上，需要把 NEXT_PUBLIC_API_URL 和 APP_DOMAIN 改成实际域名，并配置反向代理和 HTTPS。
上手使用路径
部署完成后，可以按这个顺序配置：
sequenceDiagram
participant User as 用户
participant Web as Web 后台
participant API as 主后端 API
participant AI as AI 模型服务
participant Channel as Channel 服务
participant Platform as 内容平台
User->>Web: 配置账号和平台
User->>Web: 输入关键词、卖点、活动信息
Web->>API: 创建内容生成任务
API->>AI: 请求生成文案、脚本、素材
AI-->>API: 返回生成结果
API-->>Web: 展示候选内容
User->>Web: 选择平台并设置发布时间
Web->>API: 保存排期任务
API->>Channel: 到点触发发布
Channel->>Platform: 调用平台接口发布
Platform-->>Channel: 返回发布结果
Channel-->>API: 写入发布状态
实际使用时重点关注四类配置：
-
账号配置
绑定要发布的平台账号，并确认对应平台是否开放发布接口。 -
AI 服务配置
配置文本、图像、视频模型所需的密钥或服务地址。不同模型成本和响应速度不同，批量生成内容前要估算调用费用。 -
内容模板配置
统一设置标题结构、正文格式、话题标签、封面文案规则，避免每次从零开始生成。 -
发布排期配置
把内容放入日历，指定平台、发布时间和循环规则。团队使用时还需要区分草稿、待审核、待发布、已发布等状态。
适合和不适合的场景
AiToEarn 更适合“持续生产内容并分发到多个平台”的场景，而不是偶尔发一条动态。
| 场景 | 是否适合 | 原因 |
|---|---|---|
| 个人博主多平台同步发布 | 适合 | 可以减少重复编辑标题、标签、封面和发布时间的工作 |
| 电商商家批量生成商品内容 | 适合 | 多 SKU 场景下，AI 可以批量生成相似结构的内容 |
| MCN 或内容团队排班 | 适合 | 内容日历能统一管理多个账号和发布时间 |
| 只运营一个平台且发文频率很低 | 不太适合 | 部署和配置成本可能高于节省的时间 |
| 高度依赖人工创意的品牌大片 | 不太适合 | AI 更适合生成初稿和素材，不适合完全替代创意决策 |
| 没有平台接口权限的自动发布需求 | 不太适合 | 自动发布依赖平台开放能力和账号授权 |
使用时需要注意的坑
平台接口不是想用就能用
自动发布通常依赖官方接口。不同平台对接口权限、发布频率、账号类型和内容审核都有要求。部署系统前要确认目标平台是否允许当前账号通过接口发布内容，否则系统只能停留在内容生成和排期管理阶段。
AI 生成内容必须审核
AI 可以生成标题、文案、脚本和图片提示词，但不保证事实完全正确，也不保证符合平台规则。涉及价格、功效、医疗、金融、法律等内容时，必须人工审核。
多平台适配要保留人工调整空间
平台规则不同，用户习惯也不同。同一条内容发到小红书和 YouTube，标题结构、封面风格和正文节奏都可能需要调整。系统可以生成默认版本，但最好保留发布前编辑入口。
定时发布要处理时区和重复任务
跨平台、跨地区发布时，时区会影响发布时间。循环任务还要考虑失败重试、重复发布和任务幂等，避免同一条内容被多次发送。
密钥和账号授权要单独保护
.env 里会保存数据库密码、JWT 密钥、内部服务令牌等敏感信息。如果还配置了平台账号授权和 AI 模型密钥，更需要限制服务器访问权限，并定期轮换密钥。
数据库需要备份
MongoDB 保存内容、账号配置、排期和发布记录。生产环境要配置持久化卷和定期备份，否则容器或服务器异常可能导致内容计划丢失。
AiToEarn 的定位
AiToEarn 不是单纯的 AI 写作工具，也不是简单的定时发布器。它更接近一个自部署的内容运营工作台，把内容生成、素材生产、多平台适配、内容日历、自动发布和数据反馈放在同一套流程里。
对于个人创作者，它节省的是重复排版和分发时间；对于电商商家，它适合批量处理大量商品内容；对于内容团队，它可以承担一部分内容排班和执行系统的角色。
真正落地时，最关键的不是“让 AI 自动发所有内容”，而是把 AI 生成、人工审核和平台发布串成稳定流程：AI 负责产出初稿和候选方案，人负责把关质量和策略，系统负责排期、适配和执行。