AI 把活干完了，我却交不出去：这两周八次选工具的记录

这篇写在 2026 年 11 月 8 日。翻过去两周的工作记录，从 10 月 26 日到今天，为了把几批文章和图真正交出去，我们前后换了八次工具。

不是攒了几年的经验，是这两周刚踩完的坑。所以下面每一组都按当时的顺序写：先是怎么想的，再把候选摆在一起实测，最后给一个定下来的名字和它的适用边界。版本也标了。这类结论有保质期，工具一更新就得重跑。

第一件事出在配图上。对话里生成了一张挺好看的图，构图干净，颜色也对。问题只有一个：它只在这个对话窗口里。文章第二天要发，配图得是一个能上传的文件。

一位普通人深夜坐在书桌前，面对屏幕上刚生成的内容，神情犹豫

题图：要的是文件，不是画面

当时手边四类工具。按功能排，buddy-multimodal-generation 管三维和模板视频，VideoGen 做视频，show_widget 画对话内矢量图，听着都比老老实实文生图的 ImageGen 先进。真跑一遍才发现，比较的维度从一开始就选错了：该问的不是谁画得好，是谁交得出东西。

最后定的是 ImageGen。不是画得最好，是只有它交得出文件。后面压缩、转 WebP、生成缩略图，一路能接着往下走，中间不用人再伸手。

边界也写清楚：只想在对话里演示一下，show_widget 反而最快。三种交付物三种工具，混着比，比一天也出不来结论。这条是 10 月底补进流程的，当时只是隐约觉得哪里不对。

角标：先关源头，擦除留兜底

麻烦跟着就来。ImageGen 出的图，右下角带一个小小的标记。我们花了不少力气比「怎么擦得更干净」，直到几天后发现生成接口本来就有个 footnote 参数，传空值，标记大多能从源头不出。

最后定的是两条都留：源头关闭 + erase 兜底。 我差点把结论写成「以后不用再擦了」。11 月初换过一次模型，footnote: "" 又失灵，角标照样在。这句幸好没写进流程。

更值钱的问题原本是能不能让角标一开始就不出现，而不是擦除技巧。那天我们对着一批图一张一张擦了半个钟头，才回头去翻参数。

知识图：字是事实，不能交给模型

配图这一步也改了做法。先拆文章：讲了哪几个知识点，哪些是结构，哪些是时间顺序，哪些是观点对照，哪些是数字。拆完按知识点出图。

一拆就发现，大部分图里其实要写字。中文，数字，来源。ImageGen 会把字写错，会把数字凑得挺像但根本不存在。图可以抽象，字不行。

最后定的是确定性渲染，落到自建 render-charts.mjs。生成式图像只留一个位置：需要点氛围、画面里一个字都不用写的概念封面。确定性渲染还天然没有角标。

知识图按「信息准不准」分流：确定性渲染与生成式图像各自的分工

数据图引擎：从卡片换回长度

这一轮多走了一次回头路。10 月底在 GitHub 上读完原文，先选的是 antvis/Infographic：声明式语法输出 SVG，中文原样渲染，看着挺对。真跑出来才发现，它的卡片模板把数值写成文字，一个个排在卡片里，很好看，但得「读」。

同一组数值，只问一句「哪个大」。条形和点阵不用读，眼睛扫一下就知道；卡片得一个个数过去。于是 11 月初又比了一轮。

最后定的是 apache/echarts。换完之后，所有图都由一份 spec 驱动，后面再出图不用重写脚本。判定标准写进流程：没有长度或者数量在替你说话的，不算数据可视化。

顺手踩了两个坑，都是这两周实测出来的。ECharts 的 graphic 数组没有 series 时会报错，得换成散点加自定义图形；配置经过序列化传进页面时，写在回调里的颜色会静默丢掉，只能写进每个数据项。工具越简单，越容易在边角上翻车。

是非题别用柱子

有一张图内容是「首批支持什么、暂不支持什么」。当时顺手用了那份脚本里的 bar：支持的画满格，不支持的画空格。整整齐齐，也整整齐齐地错了。

条形的长度天生在说「多少」。读者看见两根一样长的满格，冒出来的不是「有」，是「很多」。可那栏里根本没有数量，只有是和否。

最后定的是二元对照一律用 checklist，后来也能用在「怎么测的／测出了什么」这种非二元双列上。清单本身还改了三处：列头宽度按文字自适应，否则长标签被切；行高按可用高度算，否则最后一行压到底部来源说明；图底部 note 一律压成一句话，写长了右侧会被截断。

先想清楚这张图在比数量还是判是非，再选图。别倒过来。

三语去 AI 腔：先淘汰取向不对的

写稿这一环比得最久，也最花冤枉时间。要的是把 AI 腔去掉。中文先比 blader/humanizer 和 op7418/Humanizer-zh：前一个名气大，规则全是英文的，破折号、连字符那一套，对中文基本无效；后一个含中文专检，叠「的」、「进行+动词」、被字句、四字排比、「随着…发展」，才是中文稿里真正碍眼的东西。

英文和法文翻到五个开源候选，逐个把 SKILL.md 原文读完。我一开始按厚薄排，越厚越好。读到第三个才觉出不对：该问的不是厚不厚，是它到底想解决什么。

最后定的是三语各用各的母语包：feng-style-writing / plain-style-writing-en / plain-style-writing-fr。装上也只是底座，真能用的是又叠了一层：这篇要多少字、标题怎么排、哪些数据必须回原文核一遍、写成什么样算不合格。外部清单管通病，自家这层管我们这儿的规矩，参考过 agentskills.io 的技能包组织方式。

这类工具最容易挑错的地方，不是不够强，是方向跟你不一样。装之前花十分钟读原文，比装完再试三天划算。三天我们真试过，是 10 月底那批稿子。

三语 humanizer 的取舍：点名淘汰技术英语与反检测器，留下母语清单再固化

热点抓取：自检说能用，实测说不通

11 月初装过一个挺完整的抓取工具，agent-reach v1.3.0。它的 doctor 自检列了一串「可用」通道，看着挺省心。我们按清单一条一条发真实请求，一下午就试完了。

这里面没有谁在撒谎。自检大概只能测「配置齐了没有」，测不了「对面今天让不让你进」。可那一列绿色对勾实在太像答案了。

最后定的是自建 hotspot-radar：源清单写死、并行抓取、同一个事件被两处以上独立提到才算热点、第三方已经整理好的源加权更高，再按三条标准打分，跟普通人有没有关系、技术上的变化是不是真的重要且讲得明白、够不够新。通不过实测的通道直接从清单里划掉，不追根因。判定标准和通道清单后来写进一份 SKILL.md，下次不用重新试一遍。

这一步最大的提醒不是「自建更好」。是别把工具的自我报告当成事实，哪怕只花五分钟，亲手发一次请求，结论就可能反过来。只临时看一两个页面时，agent-reach 其实更轻，没删。

抓取分工：不设通吃

顺着抓取往下，还比过一组更杂的：一体化的 agent-reach、能复用浏览器登录态的 zhihu-cdp-scraper、MediaCrawler 旧版和新版，还有直接用浏览器读单页。一开始想找一个能全包，比完放弃了。

最后定的是按场景分工，不统一品牌。旧版 MediaCrawler 缺几个关键平台支持，新版补上，也就只在那一类活里用。找全、翻旧、存一页、随手看，这四件事的「好」根本不是同一个标准。等某一类采集的量真上来了、接口也稳了，再单独把它固化成脚本，hotspot-radar 就是这么来的。不提前统一。

抓取工具按场景分工：agent-reach、zhihu-cdp-scraper、MediaCrawler 与浏览器直连各管一段

把名字抄走

前面是八次怎么想。要是你现在就动手，这一张表按 2026 年 11 月 8 日的版本核对过，直接复制。

判断就一句：输出不在磁盘上，直接淘汰，不比画质。

别一次全换。挑你手上返工最多的那一环，照着对应那行先换一个，跑通再往下走。这八次里没有一次是同时换掉整条链路的。

这些结论的保质期

写于 2026 年 11 月 8 日，实测窗口 10 月 26 日到今天。名字会变：agent-reach 现在是 v1.3.0，MediaCrawler 有新旧两版，footnote 也不是每个模型都认。隔一个月回来，别照抄结论，把这四句重问一遍。

它交出来的是什么？ 一次好看的演示，还是一个能直接发出去的文件。这两件事经常被混成一件事，只有后者算交付。

有没有人真的试过？ 文档写的、自检报的、别人说的，都算线索，不算结果。拿一个最小样本跑一遍，五分钟就够。

第三句是我后来补的，也最容易被跳过：它优化的目标跟我要的一样吗？技术英语规范和反检测器清单都很完整，只是它们要的东西跟我们不一样。

第四句关于退路。新工具上线那天，旧办法最好还留着。我们后面能放心换，不是每次都选对了，是每次都留了退路。

还有一句，别急着让它统管全部：一个工具在某一环特别顺手，不代表它在下一环也顺手。以及——如果一个环节要靠不断优化补救才能用，先停下来问问，能不能让这个补救从一开始就不必要。关掉那个角标，比学三种擦除办法都值。只是 footnote 不是每次都灵，兜底还得留着。

挑 AI 工具时可以先问的四句话，以及每句话能筛掉什么

工具变强是别人的事。你手里那件活能不能交出去，才是你的事。

参考来源：apache/echarts、antvis/Infographic、vega/vega-lite、antvis/G2、blader/humanizer、op7418/Humanizer-zh、jpeggdev/humanize-writing、samber/cc-skills、agentskills.io 等公开项目文档，以及 2026 年 10 月 26 日至 11 月 8 日八次选型的实测记录。文中不涉及任何内部系统、账号与业务数据。

你有没有过那种「AI 做得挺漂亮，可我就是没法直接用」的时候？最后是怎么绕过去的？