TL;DR

Shann Holmberg xây dựng Content OS - hệ thống sản xuất content có cấu trúc dựa trên AI - đạt 5 triệu impressions trong 2 tuần và 100K bookmarks trong 2 tháng, từ một tài khoản gần như im lặng. Triết lý cốt lõi: tối ưu cho content đáng được bookmark, không phải content viral ngẫu nhiên. Hệ thống không phải autopilot - mọi draft vẫn phải qua tay người viết lần cuối.

Kết quả - trước và sau

Trước khi có hệ thống: tài khoản X của Shann có vài nghìn follower nhưng gần như không hoạt động. Đăng bài ngẫu hứng, số liệu ngẫu nhiên. Sau khi build Content OS:

  • Tuần 1-2: 5 triệu impressions

  • Tháng 2: 11 triệu views và 100K bookmarks

Shann đồng sáng lập Lunar Strategy, nơi deploy hệ thống tương tự cho các client. Đây không phải con số marketing - đây là kết quả đo được từ hệ thống chạy lặp lại hàng tuần và cải thiện liên tục.

Content OS dashboard hiển thị 5 triệu impressions

Bookmark là lời hứa của người đọc với bản thân

Shann định nghĩa bookmark theo cách cụ thể:

Bookmark là lời hứa nhỏ người đọc tự hứa với bản thân trong tương lai. Nó nói rằng: "Tôi sẽ cần cái này lại." Đó là ngưỡng cao hơn rất nhiều so với một lượt like, và nó hoạt động khác trong thuật toán.

Trước khi publish bất cứ thứ gì, Shann kiểm tra xem bài có trông giống một trong những format sau không:

  • Checklist hoặc blueprint

  • Template hoặc framework

  • Quy trình từng bước (step-by-step workflow)

  • Screenshot minh chứng kèm insight rõ ràng

  • So sánh trước và sau

  • Mental model có thể tái dùng

Nếu draft không giống bất kỳ format nào trong số này, thường không nên đăng. Đây là bộ lọc đơn giản nhưng loại bỏ phần lớn content trung bình trước khi nó được publish.

Bookmarkable content - checklist, blueprint, template, framework, workflow

Kiến trúc hệ thống trong một bức tranh

Hệ thống hoạt động xung quanh một nguyên tắc trung tâm: mỗi bài content là một object mang theo trạng thái của nó từ ý tưởng đến khi publish.

Context sống ở hai nơi:

  • Signal layer (bên ngoài): X bookmarks, bài viết bạn đọc, transcript, DM, competitor posts - feeds cho tuyến Rewrite và Research+Ideate

  • Knowledge graph (bên trong): personal OS, notes, journals, voice memos, archive content đã đăng - feeds cho tuyến Original và Repurpose

Giữa hai nguồn đó và người viết là lớp Strategy + Voice + Stores - nơi curate context trước khi đưa vào brief:

  • Strategy: positioning, audience, pillars. Layer duy nhất Shann tự viết tay, không để AI viết. Nếu để AI viết positioning của bạn, bạn không có positioning - bạn chỉ có số trung bình.

  • Voice: voice profile và master avoid-slop document. Agent nào cũng đọc trước khi draft một dòng.

  • Stores: inbox, ideas backlog, hook bank, proof bank, feedback log - bộ nhớ chung mà run folder đọc và ghi lại sau mỗi bài.

Mỗi bài content mở một run folder riêng, di chuyển qua các trạng thái: captured - idea review - brief ready - drafting - verification - approved - scheduled - published - feedback 24h - feedback 72h - learned.

Nguyên tắc không thể bỏ qua

Trước mọi cơ chế, hệ thống chạy trên một quy tắc bắt buộc:

Không publish mà không edit tay. Hoàn thiện từng draft bằng tay. Hệ thống là accelerator, không phải autopilot. Dùng như automation, nó sẽ suy thoái.

Đây là điểm dễ hiểu nhầm nhất. Mục tiêu không phải là giả giọng từ các prompt. Mục tiêu là xây một asset vận hành có thể tái dùng từ nội dung viết thật của bạn. Làm đúng một lần, giữ nó cập nhật, và mỗi draft model tạo ra sẽ bắt đầu gần hơn với bạn - để thời gian của bạn đi vào việc sắc nét hóa ý tưởng.

Insight quan trọng nhất từ việc build hệ thống 4-agent trước đó của Shann:

Số lượng agent không phải đòn bẩy. Knowledge layer feeding the writer mới là đòn bẩy.

Hệ thống 4-agent (researcher, idea maker, writer, orchestrator) hoạt động - nhưng quá phức tạp so với cần thiết. Hệ thống hiện tại: ít agent hơn, nhiều workflow hơn, output sắc nét hơn.

Tiếp theo trong series Content OS

Bài tiếp theo trong series sẽ đi sâu vào bốn tuyến nội dung (Original, Repurpose, Rewrite, Research+Ideate), cấu trúc folder V1 bạn có thể build hôm nay trong 1-2 giờ, và writer context packet - brief viết không để model đi lạc. Bài thứ ba sẽ cover 4 prompt sẵn dùng và feedback loop - nơi hệ thống thực sự tạo ra lợi thế dài hạn.

via @shannholmberg