我从不直接让 AI「写一篇文章」

第一次用 AI 写周报，出来一篇四平八稳的东西：每句都对，合起来没有任何信息。当时我以为是模型不行，换了两家，结果一样。

后来才明白，问题在我。我给了它一个题目，然后要它替我想清楚「这周到底发生了什么、什么值得说」。这本来就是最难的部分。

直接要成品，损失的是什么

写作的难，八成在写之前：读者是谁、要解决他什么困惑、哪句话是新的。这些想清楚了，剩下的只是打字。

你把整件事丢给 AI，它只能按「这类文章通常怎么写」来生成。于是你得到一篇平均值的文章——结构标准、语气得体、观点全是常识。

它能替你打字，替不了你判断。

第一步：先让它提问，别让它动笔

提示词可以直接抄：

我要写一篇给部门同事看的复盘，主题是「这次上线为什么延期」。先不要写任何正文。请向我提 8 个问题，帮我确认：读者最想知道什么、有哪些事实我还缺、哪些结论我可能想当然了。问题要具体，不要泛泛而问。

它问出来的问题，往往有一半你没想过。比如「延期是第一次发生吗」「这次和上次的区别是什么」「读者会后要做什么决定」。

回答问题的那二十分钟，才是真正的写作。

第二步：给脏素材，别给总结

大多数人会给 AI 一段自己整理好的概述。这等于让它嚼第二遍。

更有效的做法是给原始材料：会议记录、聊天截图转的文字、数据表、你自己写的半成品。素材越具体越好，哪怕很乱。

「周二晚上 11 点发现支付回调失败，影响了 37 单」比「上线过程中出现了一些问题」有用一百倍。AI 抓到具体细节，输出才会具体。

第三步：要三种结构，不要一种

基于上面的素材，给我三种不同的组织方式：
1. 按时间线（适合关心过程的读者）；
2. 按问题归因（适合要改进流程的读者）；
3. 按结论倒推（适合只想看结果的领导）。
每种写三行提纲，标注它最适合谁看。

你会明显感觉到，同一批素材在不同结构下的说服力不一样。选结构这件事，AI 帮得上忙，但不能替你定。

第四步：分段写，写完就改

一次让它写三千字，你只会得到三千字需要重写的东西。

正确做法是一节一节来：先写开头 200 字，你改到满意；再写第一节，你改；再下一节。

每一轮都把你改过的版本喂回去：「这是我改后的版本，注意我删掉了形容词、把长句拆短了，后面按这个语感写。」

这样三轮之后，文章的语气是你自己的，不是模型的。

第五步：让它当挑刺的编辑

最后一步，换角色：

现在你是这本杂志最挑剔的主编。请指出：哪三段可以整段删掉而不影响结论？哪句话是没有证据的判断？哪个小标题名不副实？不要夸，只挑问题。

模型在「评价」这件事上比「创作」靠谱得多。它挑出来的问题，你未必全接受，但至少知道哪里站不住。

一个反例，看差别

差的问法：「如何提高执行力？」

你会得到八条正确但没用的建议：设定目标、拆分任务、及时复盘……

好的问法：「我连续三周没完成健身计划，每次都是下班后太累。列出五个最可能的原因，每个原因给一个今晚就能做的动作，不要讲道理。」

输出立刻从「道理」变成了「动作」。区别不在模型，在你给的信息颗粒度。

省下来的到底是什么

AI 省的是打字时间、找措辞的时间、排版的时间。它不省判断时间。

一篇文章里真正值钱的那几句话，还是得你自己想。想清楚之后再让它写，它是个好帮手；没想清楚就让它写，它只会帮你把平庸说得更流畅。