LLMStart|持续课程 · 不追玄学
模块 10 · 10.2
入门到进阶65 分钟

10.2如何用 AI 写作

本课只解决一个主问题:本单元只解决一个主问题:

如何用 AI 写作,同时保留人的判断、风格和责任?

学习目标

学完本单元后,学习者应该能够:

  • 区分 AI 写作中的选题、结构、初稿、修改和审校环节。
  • 用 AI 辅助写作,而不是直接复制模型输出。
  • 设计写作 Prompt、风格 Rubric 和事实核查流程。
  • 避免 AI 写作中的空泛、失真、标题党和事实错误。
  • 建立适合课程产品和公开内容的写作工作流。

先给直觉

AI 写作最糟糕的用法是:

帮我写一篇关于 AI 的文章。

然后复制粘贴。

这种写法通常会得到一篇结构完整、语气流畅、但没有真正判断的文章。它看起来像文章,读起来像空气做的馒头。

更好的方式是让 AI 参与写作流程:

选题判断
  ↓
读者定位
  ↓
主线设计
  ↓
资料整理
  ↓
大纲生成
  ↓
初稿扩写
  ↓
事实核查
  ↓
风格修改
  ↓
标题和发布检查

AI 很适合加速过程,但最终判断仍然属于作者。

写作流程拆解

1. 选题

让 AI 帮你比较选题,而不是直接写。

Prompt:

请评估下面 5 个 AI 文章选题。
维度:
- 是否适合非技术读者
- 是否有清晰核心问题
- 是否能连接课程体系
- 是否容易写成标题党
- 是否需要事实核查

最后推荐 2 个,并说明理由。

2. 读者定位

写给谁,决定怎么写。

Prompt:

这篇文章写给用过 ChatGPT 但不了解模型原理的普通读者。
请列出他们最可能有的 8 个困惑和 5 个误解。

3. 主线设计

主线比堆知识点重要。

Prompt:

请为文章“RAG 是什么”设计 3 条不同主线:
1. 从产品体验切入
2. 从模型幻觉切入
3. 从企业知识库切入

比较每条主线的优缺点。

4. 大纲

大纲要服务读者理解。

Prompt:

请根据选定主线生成文章大纲。
要求:
- 一篇文章只解决一个核心问题
- 每一节说明读者要理解什么
- 标出需要事实核查的位置
- 标出适合配图的位置

5. 初稿

初稿阶段可以让 AI 扩写,但要提供约束。

请根据下面大纲写初稿。
要求:
- 语言清楚克制
- 不使用夸张营销语
- 术语首次出现时解释
- 类比后说明边界
- 每节结尾有小结

6. 修改

修改时不要只说“润色”。

给 Rubric:

请按以下标准修改:
- 删除空泛句子
- 缩短过长段落
- 检查术语是否解释
- 检查是否有夸大表达
- 保留作者判断,不要改成营销语

7. 审校

让 AI 做审稿人:

请只指出问题,不要重写。
重点检查:
1. 事实是否需要核查
2. 主线是否跳步
3. 类比是否误导
4. 标题是否夸张
5. 结尾是否有明确 takeaway

AI 写作适合做什么

适合:

  • 头脑风暴选题。
  • 生成大纲。
  • 改写复杂表达。
  • 生成示例。
  • 提供反方观点。
  • 生成检查清单。
  • 做第一轮审稿。
  • 改标题候选。

不适合直接交给 AI:

  • 未核查事实。
  • 强观点文章。
  • 个人经历。
  • 品牌定位。
  • 需要独特判断的结论。
  • 高风险专业建议。

保留作者判断

AI 很容易写出“平均正确”的文章。

但好内容需要判断:

  • 这个概念为什么重要?
  • 读者最容易误解什么?
  • 这件事的边界在哪里?
  • 我支持哪种说法?
  • 我反对哪种夸张表达?

这些判断应该由作者负责。

AI 可以帮你表达判断,但不该替你拥有判断。

风格控制

风格不是一句:

写得有网感一点。

更好的做法是给正反例。

好风格:

Prompt 不是咒语,而是任务说明。

坏风格:

掌握这个 Prompt 技巧,让你效率暴涨十倍。

Prompt:

请保持好风格,避免坏风格。
如果出现夸张表达,请改成清楚克制的表达。

事实核查

AI 写作最危险的地方之一是事实。

需要核查:

  • 最新模型能力。
  • API 名称和价格。
  • 论文作者和年份。
  • 产品功能。
  • 法律法规。
  • 数据和统计。
  • 引用链接。

处理方式:

  • 把高变化事实列出来。
  • 标注需要来源。
  • 不确定就不要写成确定结论。
  • 使用官方或一手来源。

课程内容转文章

课程单元不能直接复制成公众号文章。

课程讲义关注系统学习。

公众号文章关注单点传播。

转换时要:

  • 只选一个核心问题。
  • 从读者困惑切入。
  • 删除过多分支。
  • 增加故事、案例或产品现象。
  • 保留技术准确性。
  • 结尾引回课程体系。

案例:把 RAG 课程转成文章

课程单元:

4.1 为什么需要 RAG

文章主题:

RAG 是什么:让 AI 带着资料回答问题

文章主线:

  1. 用户问公司制度,模型却不知道。
  2. LLM 的知识边界和幻觉风险。
  3. RAG 的核心思路:先查资料,再回答。
  4. RAG 和微调的区别。
  5. RAG 不能解决所有问题。
  6. 普通人应该如何理解 AI 搜索和知识库。

配图:

  • 用户问题 → 检索资料 → 模型回答 → 引用来源。

事实核查:

  • RAG 名称和基本定义。
  • 微调与 RAG 的区别表述。

常见误区

误区 1:AI 能写,所以我不用想

AI 可以生成文本,但文章的判断、主线和责任属于作者。

误区 2:润色就是改得更华丽

好修改通常是更清楚、更准确、更少废话。

误区 3:AI 写得流畅,事实就可靠

流畅和正确没有必然关系。

误区 4:标题越刺激越好

标题要清楚有吸引力,但不能夸大。

误区 5:课程内容可以直接变文章

需要重构读者入口和传播主线。

动手练习

选择一个课程单元,把它改造成公众号文章策划。

填写:

项目 内容
课程单元
文章核心问题
目标读者
开头场景
主线结构
需要删除的课程内容
需要新增的案例
事实核查点
配图需求
检查题(自测)
  1. AI 写作中,为什么选题和主线比直接写初稿更重要?
  2. 为什么课程讲义不能直接复制成公众号文章?
  3. AI 写作中哪些内容必须事实核查?
参考答案
  1. 选题和主线决定内容价值:写给谁、解决什么问题、主线是什么,想清楚之后初稿只是执行;反过来则产出无效内容。
  2. 课程讲义面向学习路径,公众号面向传播;读者、开头、结构、详略都不同,需要重构而不是直接复制。
  3. 事实、数据、日期、数字、引用、人物观点都必须核查;AI 输出只能当草稿,不能当事实来源。

Takeaway

用 AI 写作的关键,是把它放进写作流程,而不是把最终判断交给它。AI 可以帮你想、写、改、查问题,但好文章仍然来自清楚的读者定位、主线判断、事实边界和作者责任。