用 AI 写好文章，功夫在提示词之前

原文：https://every.to/also-true-for-humans/good-writing-with-ai-starts-before-the-prompt

上周，Every 的评测负责人（head of evals）Mike Taylor 向我们讲述了他关于用 AI 写作的 13 条信念——从"往提示词里放进去的，要比你要求模型产出的更多"，到"去过一种值得写的生活"。他的流程始于收集这些原材料：寻找经历、辩论观点，并留意哪些话题能让人眼睛发亮。今天，他向你展示如何把这些信念变成成稿，这套流程你可以照搬改造，让自己的作品值得读者花时间。

想更近距离地看 Every 的写作者如何把 AI 用起来，欢迎参加明天美东时间下午 1 点由 Mike、专职作者 Katie Parrott 和高级编辑 Jack Cheng 带来的写作工作坊（Write-along），在 X 和 YouTube 上直播。——Kate Lee

我试了很久，才找到一种让自己满意的 AI 写作方式。以下是我最终定下来的流程，从选定标题，到跟编辑争论，再到调教 Claude 写出我的风格。我之所以分享它，是因为它既能榨干 AI 的价值，又不会丢掉我的声音。靠这套流程，我把一篇 1,200 字文章的写作时间从一天压到不到两小时，流量和读者好评都没有下滑。你的流程会因你对 AI 的采用程度而不同。看着有用的，尽管拿去用。

  • 先写标题。 一篇文章被读到的理由，80% 在标题上；对写作者来说，一个好标题能提供把文章写完的信念。给文档起一个让你自己兴奋的标题。如果文章后来长成了别的样子，之后再改也来得及。

  • 收集来源。 把你打算引用的文章汇集起来，也和那些可能被写进文章的人聊聊。如果能找到一个鲜有人知的冷门来源，或者一篇你很喜欢、希望更多人读过的文章，那更好。研究论文常常被忽视，因为它们不易获取或使用，所以把它们翻译过来本身就是一项很有价值的服务。把每一条引语或数据——或者全文——连同链接一起，粘贴到文档里的 Sources 标签页。

  • 搭好骨架。 同一个想法有很多种框定方式，而引言正是确立框架的地方。引言也决定读者是否愿意继续读下去——所以在它上面花最多时间是自然的。写完引言后，起草三到四个小节，每节只承载一个核心观点，再放一个占位的结论。结论先不用操心，之后会重写。把这些存进 Outline 标签页。

  • 录一段口述。 打开 Monologue 应用，围绕文章主题录下你未经组织的想法。可以漫无边际地讲，也可以讲到一半自我纠正；大语言模型之后会梳理并结构化你的转录文本。这一步能捕捉你独特的观点和值得引用的句子。把它粘贴到标为 Monologue 的标签页。

  • 写出故事脉络。 让 Claude 根据转录文本生成一份要点式大纲：标题、各节小标题、每节三到四条要点，以及任何重要数据。在成稿之前，先把这份大纲发给编辑或几位朋友，看看这个故事是否成立。把它放进名为 Pitch 的标签页。

  • 用多个模型各生成一版初稿。 把同一套上下文（标题、引言、各节、来源、转录文本）加上你的写作风格指南（如果你没有，可以让 Compound Writing 根据你过去的作品生成一份），一并喂给 Claude Opus 5.5、Fable 5.1 和 GPT-6 Astra。

  • 像拼乐高一样把几版初稿拼起来。 选一版作为底稿（我通常用 Fable 的，它往往更锐利、更有棱角，但我也一直乐于测试其他模型），粘贴到 Draft 标签页，然后把其他版本里你喜欢的段落、句子或某几行挑出来，放进文档中分隔线下方的一块废料区。再把其中好的部分挪进正文。

  • 从头到尾读，而且不止读一遍。 如果连你自己都懒得读自己的文章，就别指望别人会读。从开头往下读；一发现问题就停下来改，然后回到开头重新读。这样你感受到的是完整的叙事，而不是只顾打磨某一段、忽略其余部分；整篇必须能串成一体。

  • 做出反应，必要时再录一段口述。 如果你拼出来的第一版没达到预期，先问问自己对它的感受，然后针对这一稿录第二段口述——通常短得多："这里不对""这不是我想表达的"之类。把它存在 Monologue 标签页里原始转录的下方，用它让模型重新起草文章。我很少重写超过两次，超过两次我就对这个想法失去兴趣了。

  • 自己动手编辑。 边读边改；到最终稿时，预计初稿会有 20%–30% 被改动，随着模型变强，这个比例会下降。从 Sources 标签页补上遗漏的引语、引注和数据，制作视觉素材（尤其是做实验类内容时），并给读者留下可以直接用的东西——一个提示词、一个 HTML 页面、一张信息图、一段脚本、一个模板。

  • 写结论。 既然全稿已经存在，就想想这篇文章该怎么收尾。Claude 写的结论通常不够好。目标是写出能引起情感共鸣的东西——给读者留下一种具体的感受，因为比起中间，读者更会记住开头和结尾。你几乎总会写错。你很少对它满意，而它也几乎总是编辑要求你改的地方。这是最难的部分，因为其他事你都做完了，只想赶紧收工。

  • 交给编辑。 预计会收到 50–100 条批注。语法和风格上的意见几乎全部接受，并且做一个好合作的作者——假定编辑的目标和你一致（发表一篇好文章），而且他们比你更了解读者。但当某处修改削弱了观点，或者改得已经不像你的声音时，你必须为自己的选择辩护。面对一条你不认同的修改意见时那种过敏般的反应是好迹象：它说明你有一个值得捍卫的强观点。反过来，当编辑质疑你的想法、让你动摇自己的信念时，你可能需要重新审视自己的假设。也许你的想法没有你以为的那么好，也许是你没把它讲清楚。如果你是那种怪到愿意把想法追到足够深、以至于能写成文章的人，你兴奋的东西本来就不同于常人。不是每一稿都值得问世。有些想法需要更多时间和思考，才能发展到读者能看懂的程度；另一些则只是通往更好东西的垫脚石。

这套流程对我有效，自从 2020 年开始用 GPT-3 写作以来，我发表的每一篇都让我把它打磨了一遍。AI 缩短了起草时间，但前后两端我仍然要做大量工作：找到想法、收集材料、想清楚自己到底想说什么，以及判断这一稿有没有把它传达出来。这就是我关于 AI 写作的信念在实践中的样子。我仍然必须拿出值得说的东西，并且在乎到愿意把它写对。如果你在写作中卡住了，或者拿不准该在哪儿用 AI，希望这篇文章能帮到你。

Mike Taylor 是 Every 的评测负责人。想读更多这样的文章，请订阅 Every，并在 X 上关注 @every，在 LinkedIn 上关注我们。

核心启示：AI 能压缩的只是起草环节，而真正决定文章质量的——找到值得写的想法、想清楚自己要说什么、判断这一稿有没有传达出来——始终是写作者自己的功课。

Good Writing With AI Starts Before the Prompt 的发芽报告

材料核心

Mike Taylor 用一套 12 步流程（先写标题、收集来源、搭骨架、录 Monologue、让多模型出稿、Lego 拼稿、逐次通读、自我编辑、最后写结尾、交给编辑）说明：AI 压缩的只是"起草"这一环，真正的写作发生在提示词的两端——找到值得说的东西、想清楚自己到底在说什么、判断草稿有没有把它送达。

发芽 01：声音住在口述里，AI 只会冶炼不会采矿

种子

流程里有一个看似"土"却最关键的步骤：打开 Monologue 录音，允许自己跑题、自我纠正，把"未结构化的想法"录下来，再让 LLM 去梳理。Taylor 明确说这一步是为了 capture your unique takes and quotable lines——捕捉你独特的观点和可引用的句子。

这句话悄悄换了问题：AI 写作的真正瓶颈不是"生成句子"，而是"从哪里获得只属于你的句子"。而他把这一步交还给了最古老的媒介——口头表达。这并非偶然。沃尔特·翁（Walter Ong）在《口语文化与书面文化》（Orality and Literacy, 1982）里提出"口语的心理动力学"（psychodynamics of orality）：口头文化中的思考是情境化的、参与的、对抗性的，充满套话与即时自我修正；而书写会把思想抽象化、去情境化。Taylor 的 Monologue 恰恰是刻意保留口语的"未消毒"状态——跑题、纠正、兴奋、恼火，这些正是书面语最先抹掉、也最难伪造的东西。AI 生成的文本天生是"书面语"，它擅长把口语整理干净，却不生产那团原始的矿。

再往前追，柏拉图《斐德罗篇》（约公元前 370 年）里苏格拉底讲过一个神话：埃及神忒伍特（Theuth）向国王塔穆斯（Thamus）献上文字，称它是记忆的良药，塔穆斯却说它是"记忆的毒药"，而且写下的文字像"孤儿"，被人误解时无法为自己辩护。把这个神话倒过来读，正好解释 Taylor 为什么坚持先录音：口述是"还活着、还能自我辩护"的那一版思想；AI 生成的草稿才是需要作者不断回去救的"孤儿"。

Aha 瞬间

"AI 是冶炼厂，不是矿山——它能把你已经挖出来的矿石炼成结构，但矿石只能由你自己、在开口说话的那一刻挖出来。"

发芽 02：泰勒是蒋（Ted Chiang）的反例，还是他的证明？

种子

2024 年 8 月，科幻作家 Ted Chiang 在《纽约客》发表《为什么 AI 不会创造艺术》，核心论证是：艺术需要做出数量巨大的"选择"，而 AI 是从概率分布里采样、缺少意图，等于把选择空间压平了。

拿这篇文章去对撞 Taylor 的流程，会得到一个反直觉的结论：这 12 步几乎就是一份"把选择权从模型手里抢回来"的清单。

  • 标题是他选的（a title that excites you）；
  • 来源是他筛的（还特意要 obscure source）；
  • 骨架是他搭的（每个部分一个核心观点）；
  • 观点是他录的（Monologue）；
  • 用哪个模型的稿子当底座是他定的（I usually use Fable's, which tends to be sharper and spikier）；
  • 哪些段落该搬进正文是他"Lego"的；
  • 通读时在哪里停下修，是他判断的；
  • 结尾的情绪是他写的（Claude's conclusion usually isn't good enough）；
  • 编辑的哪条意见该接受、哪条该反驳，是他决定的。

Taylor 那句 a good title provides the conviction to see the piece through 是关键：标题不只是给读者的钩子，更是作者的选择锚点——一旦选定，后面所有取舍都有了方向。

而"Lego"这个比喻很值得停留。乐高积木是标准件，值钱的从来不是积木，而是那个孩子的拼法。AI 提供的正是无限量、彼此可替换的标准件；Taylor 提供的是一张设计图。这不是推翻 Chiang，而是把 Chiang 的论点具体化：AI 参与的是"砖"，作者负责的是"图纸"。

Aha 瞬间

"模型负责造句子，作者负责做选择——写作的署名权，等于你在整条流水线上保留了多少个'我决定'。"

发芽 03：为什么结尾最难——峰值-终值定律在写作里的回声

种子

Taylor 反复强调开头和结尾的权重：引言值得花最多时间（it's natural to spend the most time on it），而结尾是 the hardest part because you've done everything else and just want to finish。他还说 Claude 的结尾 usually isn't good enough，要 emotionally resonant，因为读者 remember the beginning and end more than the middle。

这句话不是经验之谈，它有名字。心理学家卡尼曼（Daniel Kahneman）与雷德梅尔（Donald Redelmeier）在 1993 年的"加一个好结尾"研究里发现了峰值-终值定律（peak-end rule）：人对一段经历的记忆，主要由最强烈的那个瞬间和结束时的感受决定，而与持续时间和平均体验无关。更早地，心理学里的系列位置效应（serial position effect）就已指出：人对序列开头（首因）和结尾（近因）记得最牢——艾宾浩斯（Hermann Ebbinghaus）1885 年的记忆实验里已经观察到首因现象。

把这个定律叠加到流程上，就能解释一个看似矛盾的现象：AI 明明最擅长写"中段"（信息量最大、最结构化、最容易评分的那部分），Taylor 却偏偏把开头和结尾留给自己，还承认结尾自己 almost always get it wrong。原因不在于 AI 写得不够好，而在于——读者带走的不是平均质量，而是峰值和终值，而情绪恰恰是无法从分布里采样出来的东西。结尾不是信息的收尾，是情绪的地基。

这也顺带解释了编辑环节里那条最锋利的观察：Taylor 说，当你对某条修改产生 allergic reaction 时，那是个好信号，说明 you've got a strong point of view worth defending。过敏反应，本质上是作者在守住自己的那个"峰值"——它和结尾一样，是文章里少数不能被外包的地方。

Aha 瞬间

"读者不记得平均质量，只记得峰值和终值——所以 AI 能写完中段，而开头、结尾和你宁死不改的那句话，才是作者必须亲自在场的地方。"

你的思考空间

  • 如果"口述"才是捕捉声音的关键步骤，那么当 AI 能把语音实时、无差别地转写成结构化文本时，Monologue 这一步会变得更重要，还是会被悄悄跳过？
  • Taylor 说他很少红稿超过两次就 losing interest in the idea——这条"兴趣衰减曲线"是不是恰恰说明：AI 能压缩的是耐心，而耐心本身可能就是判断力的来源？
  • 如果署名权 = 保留的"我决定"的数量，那么有没有一个临界点，越过它之后，文章就不再能被称为"你的"？这个临界点该由谁、按什么标准来划？
  • Chiang 说 AI 压平了选择空间，Taylor 说 AI 释放了时间去做更多选择——两人会不会其实在描述同一件事：被释放的时间，你究竟拿去做了更多选择，还是交给了默认选项？
  • Taylor 把"先写标题"放在第一步，因为标题给作者"信念"。如果标题改由 AI 来起（现在确实很容易），作者失去的究竟是钩子，还是写下去的动机？