公众号选题生成：基于HarmonyOS + ArkTS的AI智能内容规划助手开发实践

tyqtyq22

223人浏览 · 2026-07-14 13:17:51

tyqtyq22 · 2026-07-14 13:17:51 发布

公众号选题生成：基于HarmonyOS + ArkTS的AI智能内容规划助手开发实践

一、对齐（Align）：项目背景与需求分析

1.1 项目背景

内容创作是公众号运营的核心工作，而选题则是内容创作的第一步，也是最关键的一步。一个好的选题决定了内容的传播潜力和用户价值。然而，持续产出高质量的选题对运营者来说是一个巨大的挑战——创意枯竭、选题重复、缺乏新意是常见的问题。

"公众号选题生成"应用旨在利用AI技术，帮助运营者根据领域、受众和格式要求，自动生成选题列表、大纲和关键词，实现系统化的内容规划。
在这里插入图片描述

1.2 原始需求与边界确认

核心需求：用户输入领域、受众和文章格式，AI生成选题列表、大纲和关键词。

需求边界确认：

输入范围：领域（如"职场成长"）、受众（如"职场新人"）、文章格式（如"干货分享"）
输出范围：选题列表（多个选题标题）、大纲（每个选题的结构框架）、关键词（核心关键词列表）
非功能需求：选题多样性、大纲结构清晰、关键词相关性强
排除范围：不包含完整文章生成、不包含配图设计、不包含排版建议

1.3 用户场景分析

场景一：月度内容规划
运营者需要提前规划下个月的内容选题，AI可以快速生成一个月的选题列表。

场景二：系列内容策划
针对某个主题，需要策划系列文章，AI可以生成系列文章的大纲和衔接方案。

场景三：热点内容快速响应
遇到热点事件，需要快速生成相关选题，AI可以基于热点关键词生成多个角度。

1.4 技术栈

技术层	选择	说明
操作系统	HarmonyOS	跨设备运行
开发语言	ArkTS	静态类型安全
UI框架	ArkUI	声明式UI
架构模式	Model-Service-Page	三层架构
AI能力	大语言模型	内容生成与规划

二、架构（Architect）：技术架构设计

2.1 整体架构

┌─────────────────────────────────────────────────┐
│                   Page层                          │
│   ┌─────────────────┐  ┌─────────────────────┐  │
│   │ 输入区域          │  │ 结果展示区域          │  │
│   │ - 领域/定位       │  │ - 选题列表            │  │
│   │ - 角度            │  │ - 内容大纲            │  │
│   │                   │  │ - 关键词推荐          │  │
│   └────────┬────────┘  └──────────┬──────────┘  │
│            │                      ▲              │
│            ▼                      │              │
│   ┌────────────────────────────────────────┐    │
│   │          "AI 生成" 按钮                  │    │
│   └────────────────┬───────────────────────┘    │
│                    │                            │
└────────────────────┼────────────────────────────┘
                     │
┌────────────────────┼────────────────────────────┐
│                    ▼                             │
│               Service层                          │
│   ┌────────────────────────────────────────┐    │
│   │  MPTopicService                        │    │
│   │   - generateData(input)                │    │
│   │   - 选题多样性算法                       │    │
│   │   - 大纲结构生成                        │    │
│   │   - 关键词提取                          │    │
│   └────────────────┬───────────────────────┘    │
│                    │                            │
└────────────────────┼────────────────────────────┘
                     │
┌────────────────────┼────────────────────────────┐
│                    ▼                             │
│               Model层                            │
│   ┌────────────────────────────────────────┐    │
│   │  MPTopicData                           │    │
│   │   - niche: string     (领域/定位)      │    │
│   │   - angle: string     (角度)           │    │
│   │   - topics: Record[]  (选题列表)       │    │
│   └────────────────────────────────────────┘    │
└──────────────────────────────────────────────────┘

2.2 Model层设计

export class MPTopicData {
  niche: string = ''                        // 公众号领域/定位
  angle: string = ''                        // 文章角度/切入点
  topics: Record<string, string>[] = []     // 选题列表

  constructor() {
    this.niche = ''
    this.angle = ''
    this.topics = []
  }
}

Model设计要点：

niche字段：标识公众号的垂直领域，如"科技资讯"、“情感生活”、"职场成长"等。领域信息是AI生成选题的核心上下文。
angle字段：标识文章的切入角度或风格，如"深度分析"、“实用教程”、"故事分享"等。角度信息帮助AI确定选题的调性。
topics数组：每个元素包含选题标题、大纲、关键词等完整信息。这种结构化的设计便于前端渲染和用户浏览。

2.3 Service层设计

import { MPTopicData } from './公众号选题生成Model'

export class MPTopicService {
  private model: MPTopicData

  constructor() {
    this.model = new MPTopicData()
  }

  generateData(input: Record<string, Object>): MPTopicData {
    let result: MPTopicData = new MPTopicData()
    // Mock data generation logic based on input
    return result
  }
}

Service层核心职责：

选题多样性控制：确保生成的选题覆盖不同的角度和维度，避免重复
大纲结构生成：为每个选题生成合理的文章结构（引言、主体、结论）
关键词提取：基于领域和选题，提取相关性高、搜索量适中的关键词
格式适配：根据用户指定的文章格式（干货、故事、盘点等），调整选题风格

2.4 Page层设计

@Entry
@Component
struct MPTopicPage {
  @State inputData: Record<string, Object> = {}
  @State resultData: MPTopicData | null = null
  @State showResult: boolean = false
  private service: MPTopicService = new MPTopicService()
}

交互流程：

用户输入公众号的领域定位（如"职场成长"）
输入文章的角度（如"实用技巧"）
点击"AI生成"按钮
系统展示选题列表、大纲和关键词

三、原子化（Atomize）：AI提示词工程原理

3.1 选题生成的提示词设计

结构化提示词模板：

你是一个专业的公众号内容策划专家。请根据以下信息，生成选题方案。

===== 公众号领域 =====
{field}

===== 目标受众 =====
{audience}

===== 文章格式 =====
{format}（可选：干货分享/情感故事/行业分析/盘点总结/教程指南/观点评论）

===== 生成要求 =====
请生成5个选题，每个选题包含：
1. 选题标题（吸引眼球，包含关键词）
2. 内容大纲（3-5个要点，结构清晰）
3. 核心关键词（3-5个）

选题要求：
- 多样性：覆盖不同角度和维度
- 实用性：对目标受众有价值
- 传播性：具有分享和讨论的潜力
- 差异化：与同领域常见选题不同

===== 输出格式（JSON）=====
{
  "topics": [
    {
      "title": "选题标题",
      "outline": ["大纲要点1", "大纲要点2", "大纲要点3"],
      "keywords": ["关键词1", "关键词2", "关键词3"]
    }
  ]
}

3.2 提示词设计关键技术

1. 多样性控制

提示词明确要求"多样性：覆盖不同角度和维度"，这通过以下机制实现：

采样温度控制：设置较高的温度参数（如0.8），增加输出的多样性
角度约束：要求每个选题从不同的角度切入
重复检测：AI自动检测并避免生成相似的选题

2. 大纲结构生成

文章大纲是选题方案的重要组成部分。提示词要求生成3-5个要点的大纲，涵盖：

引言：问题提出、背景介绍
主体：核心内容、方法/观点
结论：总结、行动建议

3. 关键词提取

关键词提取策略：

核心关键词：与选题主题直接相关
长尾关键词：更具体、搜索意图明确
语义相关词：与领域相关的概念和术语

3.3 选题质量评估

AI生成的选题需要经过以下维度的评估：

评估维度	标准	权重
相关性	与公众号定位一致	30%
实用性	对目标受众有价值	25%
传播性	具有分享潜力	20%
差异化	与同领域不同	15%
时效性	符合当前趋势	10%

3.4 响应解析

private parseTopicResponse(response: string): MPTopicData {
  let result: MPTopicData = new MPTopicData()
  try {
    let parsed: Record<string, Object> = JSON.parse(response) as Record<string, Object>
    result.topics = parsed['topics'] as Record<string, string>[]
  } catch (e) {
    // 兜底处理
  }
  return result
}

四、审批（Approve）：核心功能实现详解

4.1 UI组件层次结构

MPTopicPage (根组件)
├── Header (导航栏)
│   ├── "← 返回" 按钮
│   ├── "公众号选题" 标题
│   └── 占位元素
├── Scroll (可滚动容器)
│   └── Column (主内容列)
│       ├── 输入区域
│       │   ├── "输入信息" 标题
│       │   ├── "领域/定位" 标签 + TextInput
│       │   └── "角度" 标签 + TextInput
│       ├── "AI 生成" 按钮
│       └── 结果区域 (条件渲染)
│           ├── "生成结果" 标题
│           ├── "选题生成" 副标题
│           ├── 选题列表（每个包含标题、大纲、关键词）
│           └── 操作按钮（收藏、导出、分享）

4.2 输入区域实现

// 领域/定位输入
Text('领域/定位')
  .fontSize(14)
  .fontWeight(FontWeight.Bold)
  .fontColor($r('app.color.text_primary'))
  .margin({ top: 12, bottom: 4 })
TextInput({ placeholder: '请输入领域/定位' })
  .fontSize(14)
  .height(44)
  .backgroundColor('#FFFFFF')
  .borderRadius(8)
  .padding({ left: 12, right: 12 })
  .onChange((val: string) => { this.inputData['niche'] = val })

// 角度输入
Text('角度')
  .fontSize(14)
  .fontWeight(FontWeight.Bold)
  .fontColor($r('app.color.text_primary'))
  .margin({ top: 12, bottom: 4 })
TextInput({ placeholder: '请输入角度' })
  .fontSize(14)
  .height(44)
  .backgroundColor('#FFFFFF')
  .borderRadius(8)
  .padding({ left: 12, right: 12 })
  .onChange((val: string) => { this.inputData['angle'] = val })

4.3 结果展示区域

if (this.showResult && this.resultData !== null) {
  Text('生成结果')
    .fontSize(18)
    .fontWeight(FontWeight.Bold)
    .fontColor($r('app.color.text_primary'))
    .width('100%')
    .margin({ top: 16, bottom: 8 })

  Text('选题生成')
    .fontSize(14)
    .fontColor($r('app.color.text_secondary'))
    .width('100%')
    .margin({ bottom: 16 })
}

4.4 页面布局

Column() {
  Row() {
    Text('← 返回')
      .onClick(() => { router.back() })
    Blank()
    Text('公众号选题')
      .fontWeight(FontWeight.Bold)
    Blank()
    Text('')
  }
  // ... 样式设置

  Scroll() {
    Column() {
      // 输入区域
      // 生成按钮
      // 结果区域
    }
  }
  .layoutWeight(1)
}
.width('100%')
.height('100%')
.backgroundColor('#F8FAFC')

五、自动化执行（Automate）：用户体验优化

5.1 选题多样性增强

1. 角度轮换

在同一领域内，从不同角度生成选题，避免重复：

问题解决角度：针对用户痛点提供解决方案
趋势分析角度：分析行业趋势和未来方向
案例分享角度：分享成功案例和经验教训
对比评测角度：对比不同方案/产品的优劣

2. 格式多样化

根据用户指定的格式，调整选题风格：

干货分享：实用技巧、方法总结
情感故事：个人经历、情感共鸣
行业分析：数据驱动、深度洞察
盘点总结：清单列举、对比分析

5.2 大纲编辑功能

1. 大纲展开/折叠

每个选题的大纲默认为折叠状态，用户点击展开查看详情。这种设计节省了页面空间，避免信息过载。

2. 大纲自定义

用户可以对AI生成的大纲进行编辑和调整，包括添加/删除要点、重新排序等。

3. 大纲导出

支持将选题方案导出为Markdown或文本格式，方便在写作工具中使用。

5.3 关键词优化

1. 关键词扩展

用户可以选择某个关键词，AI自动扩展相关的长尾关键词和语义相关词。

2. 关键词热度标注

使用标签形式展示关键词，标签大小表示搜索热度，颜色表示竞争度。

3. 关键词布局建议

提示每个关键词在文章中的最佳布局位置（标题、摘要、正文）。

5.4 选题管理

1. 选题日历

将生成的选题按日期分配到日历中，形成月度内容规划。

2. 选题状态追踪

跟踪每个选题的状态（待写作、写作中、已发布），方便运营管理。

3. 选题收藏

用户可以将满意的选题收藏到个人收藏夹，方便后续使用。

六、评估（Assess）：性能优化与最佳实践

6.1 ArkTS语法约束实践

1. 类型安全

// 正确：显式声明类型
@State inputData: Record<string, Object> = {}
@State resultData: MPTopicData | null = null

2. 循环渲染

// 正确：使用ForEach渲染选题列表
ForEach(this.resultData.topics, (topic: Record<string, string>, index: number) => {
  this.buildTopicCard(topic, index)
}, (topic: Record<string, string>, index: number) => index.toString())

3. 条件渲染

// 正确：使用if条件渲染
if (this.showResult && this.resultData !== null) {
  // 渲染结果
}

6.2 性能优化

1. 选题缓存

选题生成结果可以缓存，避免重复请求：

缓存最近10次生成结果
相同输入参数直接返回缓存
缓存有效期24小时

2. 增量加载

对于大量选题，采用分页加载策略，每次加载5个选题。

3. 渲染优化

使用@Builder封装选题卡片组件
使用LazyForEach实现懒加载
避免在渲染过程中进行复杂计算

6.3 内容质量保证

1. 选题去重

AI生成多个选题时，自动检测并去除重复或高度相似的选题。

2. 大纲结构检查

确保大纲包含引论、本论、结论的完整结构，避免头重脚轻。

3. 关键词相关性检查

生成的关键词需要与选题主题高度相关，避免无关词的干扰。

6.4 测试策略

测试场景	输入	预期输出
职场领域选题	领域"职场"，格式"干货"	生成5个职场干货选题
情感领域选题	领域"情感"，格式"故事"	生成5个情感故事选题
大纲结构检查	任意选题	大纲包含3-5个要点，结构完整
关键词相关性	选题"时间管理"	关键词包括"时间管理"相关术语