从一条被拒的新闻稿开始，拆AI内容进百度新闻源的整条链路

刚开始做媒体投放那阵子，发出去的第一批稿子里有一篇被编辑原样退回，附了四个字：没有新闻点。稿子写得不差，产品介绍、企业实力、服务优势排得整整齐齐，可编辑说，这不是新闻，这是宣传单。后来把这篇稿子逐段拆开对照，才发现问题很典型：通篇讲"我们有多好"，没有一个具体的事件，没有时间、没有动作、没有结果，机器和编辑都判断不出它为什么值得报道。

从那之后陆续投了几十篇，慢慢摸清楚了这条链路的判定逻辑。新闻源收录不是"发了就自动进"，它是几道门槛叠在一起筛选的结果，每一道都有明确的判断依据。AI 现在被大量用在新闻稿生产上，但用错的位置，恰恰是门槛卡得最死的地方。

一、先弄清楚"收录"到底在看什么

四道门槛里，时效性和来源属于硬性条件，稿子写得好也绕不过；原创度和新闻属性属于内容判断，是大多数稿件被卡的地方。时效性的判断很直接：稿件描述的"事件发生时间"与"发布动作"之间的间隔，新闻库对旧闻的容忍度很低，隔了很久的事件再包装成新近发生，反而会触发真实性方面的减分。来源的判断看渠道：发布媒体有没有相应的新闻服务资质、有没有稳定的新闻栏目、来源字段（转载时标注的原始出处）是否可追溯。这两项是选渠道阶段就该解决的，不是写作阶段能弥补的。

原创度判断针对的是正文本身。同一篇通稿在几十个媒体渠道同时出现，内容比对很快就能识别出批量复制的痕迹；反过来，一篇稿子在保留事实主体一致的前提下，各渠道出现表述差异，是媒体编辑加工的常态，不影响收录。真正的问题出在"一刀切的模板稿"：开头一句公司简介、中间三段产品卖点、结尾联系方式和免责声明，几十个站一模一样，这种稿子进不了新闻库，不是因为写得差，是因为它不像新闻，像广告物料。

新闻属性是最容易被忽略的一项，也是"没新闻点"这句退稿意见的真正出处。判定思路其实朴素：这件事如果发生在别的公司身上，媒体会不会报道？发布会、签约、合作落地、数据发布、行业活动、人事任命，这些都是事件；"我们专注于行业多年""致力于为客户提供优质服务"这些是状态，不是事件。状态写成新闻的样子，也还是状态，机器识别不出事件要素，新闻库自然不收。

这些年 AI 进了新闻稿生产线，争议集中在一点：AI 写出来的稿子算不算"原创的可信内容"。答案取决于用它的位置。用在素材整理、结构搭建、语言规范化上，它是效率工具；用在生成虚假事件、编造数据、伪造来源上，它就是风险本身。守住前一种用法，AI 在整条链路里能省掉的工作量是实打实的。

二、AI 该放在哪三个位置，不该碰哪两件事

先说能放的位置。素材整理是第一站：一场活动的会议记录、发言要点、现场照片的时间信息、往期公告，这些原始材料往往是散的，AI 擅长把它们归并成"事件要素清单"：时间、地点、主体、动作、结果，一项一项列清楚。这一步不创作，只归纳，出错率低，省掉的时间却很可观。手里有一份完整的要素清单，后面的写作才有了地基，稿子是不是"有新闻点"，在这个阶段就看得出来了。

结构化写作是第二站。基于要素清单，按新闻体的部位逐段起草：标题给几个候选，导语把五要素压进两三句，主体按重要性分层展开。AI 在这里的价值是"格式感"：它知道倒金字塔长什么样、导语不该铺长、背景段不该超过一段，产出的初稿骨架是正的，人工要补的是事实颗粒度。第三站是语言规范化：术语统一、称谓统一、把形容词堆砌去掉。"先进的、专业的、全方位的"这类词对收录没有任何帮助，反而稀释了事件要素的密度，编辑退回的稿子里，形容词的密度往往和新闻点的清晰度成反比。

再说不能碰的两件事。一手信息不能交给 AI：谁出席了、现场发生了什么、数据从哪个报表来的，这些必须来自真实发生的场景，AI 只能整理你给它的材料，给不了它没有的东西，若让它"合理补全"，产出的就是编造。来源核验同样不能省：稿子里每一处数字、每一句引语，发布前要能对回原始记录。编辑和平台对稿子的信任，建立在"每句话都有出处"上，这个出处链断在哪一环，稿子就停在哪一环。

界限划清楚之后，整条链路的角色分工就顺了：一线的人负责事实，AI 负责组织，审核的人负责把关。三层各管一段，AI 就不是"代笔的枪手"，而是缩短前两环耗时的生产工具，这是它能在新闻稿场景里长期存在的位置。

三、新闻稿的五个部位，逐个部位过

标准新闻稿的部位是固定的：标题、导语、主体、背景、引用。新闻库的解析程序读的就是这些要素的位置和完整性，缺一个部位，判定里就少一项依据。把每个部位的写法要求和分工列清楚，AI 起草时按部位投喂，人工审核时按部位过筛：

五个部位里，导语的权重最高。一条稿子如果只保留一段，剩下的那段就是导语，它要能回答"哪天、谁、在哪、做了什么、结果如何"这五个问题。很多 AI 初稿的毛病都出在导语：把公司简介放在最前，把事件压到第二段，这在新闻体的判断里属于要素错位。导语写作的检验方式很直接：把导语单独拎出来，读者能不能看懂发生了一件什么事，看得懂，这条稿子就有进新闻库的基础。

结构过了关，内容还有一道"可信度"的暗线：数字有没有来源、引语有没有对应的人、背景有没有拔高。这三项在人工审核清单里属于必查项，也是 AI 最不该插手的地方。把部位检查和可信度检查叠在一起，一条稿子在发布前要过的关口其实不多，过不了的大多数是没按顺序过筛。

四、进不了新闻库的稿子，问题都出在这几类

把历年投稿被拒的理由归归类，重复出现的就是这五类。对照自己的稿件库看一遍，命中两项以上，基本就能解释为什么发了很多篇、收录很少：

五类问题里，"模板通稿"在站群场景最常见。手里有多个站，一篇通稿复制到每个站的新闻栏目，看似省事，实则两头不讨好：站内的内容重复度上去了，稿件本身也失去了被新闻库单独收录的理由。可行的做法是共享事实、分头写作：同一件签约事件，做设备的站从设备视角写，做服务的站从服务视角写，事实一致、角度和表述各自成立，这才是批量场景下正常的编辑状态。

五、渠道怎么选：白名单、行业媒体、自有阵地

稿子过关之后，渠道决定它能触达的范围和可信背书。市场上的渠道大致分三层。白名单媒体是资质最全的一层，审核严、流程长、成本高，适合重要节点的事件发布；行业媒体垂直精准，同领域的读者密度高，适合把事件讲给"听得懂的人"；自有阵地是第三层：企业站自己的新闻栏目、 *** 账号，完全自主，收录与否取决于栏目本身的质量和更新稳定性。

三层不是互相替代，是组合关系：重要事件走白名单拿背书，行业事件走垂直媒体找精准读者，日常动态在自有阵地沉淀。自有阵地常被低估，其实它承担着两层作用：站内的新闻栏目是站点活跃度和专业度的直接信号，更新的稳定性本身就是质量因子；同时它也是稿件进入更广渠道的"首发来源"，来源字段的追溯常常指回这里。

站群场景下，自有阵地是一批站点的新闻栏目矩阵，管理复杂度和站点数量同步上升。让每个站拥有独立的栏目结构、独立的发布参数、独立的编辑规范，才能保证"事实共享、表述分立"这个状态落地：同一事件在各站以不同视角呈现，来源标注按站各自核对。用 UC 建站系统的独立部署架构管理这批栏目，各站的新闻频道在文件与参数层面互不共享，通稿不会被机械地复制到每一个站，编辑规范也能按站登记、按站更新。

六、发布之后的跟踪与复盘

稿子发出去，工作才做了一半。发布后要盯三件事。收录状态是第一件：过一段时间用标题关键词和来源字段在新闻搜索里查，看稿子有没有进库；进库之后页面是否稳定可访问，来源页被删除会让收录状态反复。转载情况是第二件：正规转载会标注原始出处，来源字段能把权重指回首发渠道，无标注的转载对双方都没有价值。失败复盘是第三件：没被收录的稿子不要扔，按上一章的五类问题归类，找出重复出现的那一类，把对应动作补进写作规范。

执行的细节上，每篇稿子留一条发布记录：渠道、发布时间、链接、来源标注方式、当时的收录结果。这份记录攒到几十条，渠道的差别就看出来了：有的渠道审核严但进库率高，有的渠道发得快但长期不收，投放的预算该往哪倾斜，数据会给出答案。没有发布记录的投放，每一篇都像第一次做实验，这也是很多团队发了几百篇依然说不清成效的原因。

站点一多，记录会散在各个人手里。用 UC 建站系统的多站看板把各站新闻栏目的发布记录、收录状态、转载标注情况收拢到一处，未收录的稿子自动归档进复盘清单，各站的编辑规范执行情况也一屏可见。跟踪从"想起来才查"变成"按状态处理"，复审的节奏才稳定得住。按月过一次复盘清单，把降低退回率的动作固化进规范，下个月的起点就是上个月的终点。

七、六步生产线，从十篇稿子开始跑通

把前面几章收拢成一条能落地的工作流，六个环节，顺序固定：

六个环节里，"核实事实"和"人工审核"是两个不许压缩的关口，AI 提速的是两侧：起草和规范化的效率、跟踪和归类的效率。跳过核实的稿子，审核环节大概率要全部返工，省下的时间连本带利还回去；审核清单如果只是走形式，跟踪阶段看到的就全是未收录记录，复盘也复盘不出原因。这条线上每个环节的质量，都由前一个环节决定，顺序不能倒。

刚开始跑这条线，别急着上量：挑十篇稿子做测试，覆盖三种事件类型（合作、发布、数据类），分别走一遍完整的六步，统计每篇从选题到发布花了多少时间、被要求改了几轮、发布后的收录结果。十篇跑完，稿件的合格率和流程的堵点都会浮出来，再决定往哪个环节加人、哪个环节加 AI。先用小样本把流程跑顺，再把站点的规模放上去，顺序反过来，返工的成本会成倍涨。

把手里的稿件库翻出来，按第二张表的问题清单过一遍，先找出命中最多的一类，从它开始改。下一批十篇稿子的收录结果，就是这套流程的第一次考试。