缘起
感觉爆款选题都被人写烂了，新笔记发出去就石沉大海。
复旦这套AI查新思路，能帮你自动化分析全网内容。
轻松找到被忽略的蓝海选题，让你的内容自带稀缺性。
最近，复旦大学NLP研究团队搞了个大新闻，发布了一个叫OpenNovelty的AI系统。
本来是给顶会审稿人用的，解决一个终极难题：“这篇论文的想法，以前真的没人做过吗？”
这个系统能自动扫描海量文献，拿出证据，判断一个研究到底新不新。
破局
这套思路，对我们做内容的人来说，简直是降维打击。
学术界的“创新性”，不就是我们内容领域的“稀缺性”和“差异化”吗？
审稿人怕想法重复，我们更怕选题同质化。这背后的逻辑是完全通的。
这个AI系统最核心的价值，不是技术本身，而是它提供了一套可复制的“原创度”验证工作流。
别再手动刷了
我们找选题，往往是凭感觉、靠手刷，在小红书里不停地划，效率低还看得眼花缭乱。
信息茧房会让你误以为某个选题很火，但其实早已是一片红海。
而AI查重，是用机器的全局视角，地毯式地扫描整个赛道，帮你找到被大多数人忽略的缝隙。
AI选题四步法
我们可以借鉴它的流程，搭建一个自己的“爆文选题”查新系统。不需要代码，几个AI工具组合就行。
第一步：核心信息提取
明确你要深耕的领域（核心任务），和你这次想切入的角度（贡献声明）。
比如，你的领域是“母婴亲子”，想切入的角度是“用食物搭配理论解决幼儿挑食”。用Kimi或豆包这类长文本AI，把这个想法提炼成几句清晰的短语。
第二步：相关内容检索
以前是手动搜，现在可以用n8n这类自动化工具，设定好关键词，让它自动去小红书等平台，抓取最近半年内点赞最高的100篇相关笔记标题和摘要。
这一步是为你后续的分析准备“弹药”。
第三步：层次化分析与证据比对
这是最关键的一步。把上一步抓取到的100个标题和摘要，全部喂给Gemini 3。
然后，给它一个指令：“我的新角度是‘用食物搭配理论解决幼儿挑食’，请分析这些热门内容，判断我的角度是否新颖。如果不是，请列出证据。”
AI会像审稿人一样，给你三种结果：能反驳（已饱和）、无法反驳（有蓝海机会）、存疑（信息不足）。
第四步：生成“新颖性报告”
AI的分析结果，就是你的选题决策报告。
它会告诉你：“‘辅食制作教程’和‘营养成分表’这类内容已经泛滥，但从‘食物搭配相生相克’角度切入的笔记很少，这是一个机会点。”
写在最后
这个工作流，本质上是把你的创作直觉，用数据和AI进行了科学验证。
它不能替代你的创造力，但能让你每一次的努力，都用在刀刃上，避免在红海里无效内卷。
技术本身没有门槛，真正拉开差距的，是你如何组合它、应用它，形成自己独特的工作流。
高手用AI模仿爆款，顶尖高手用AI避开爆款，寻找蓝海。
