AI 写作难在哪？到底如何才能用 AI 写出 90 分以上的内容

前几天，收到一位朋友的留言问题，大意是：怎么才能用 AI 写出 90 分以上的文字？

这个问题让我认真想了好几天。

因为我自己一直保持着写作的习惯，也一直在用 AI 辅助创作，对这个话题其实有不少零散的想法。

但一直没有系统地整理过。这篇文章，就是把这些思考呈现出来。

AI 时代，写作这件事确实在经历巨大的变化。

一方面，很多人觉得现在根本不需要自己动笔了。有个想法、有个选题，就能直接让 AI 一键生成一篇文章，看起来还不错。

但另一方面，你可能也遇到过这种情况：提示词已经写得很详细了，要求也提得很明确了，可 AI 写出来的内容，读完总觉得差点意思。

说不上来具体差在哪，就是觉得不对。

以前我们总说写作难，可到底难在哪？

这个问题好像一直是模糊的。

其实一句话就能说清楚。

网状、树状、线性

认知科学家 Steven Pinker 在《风格感觉》里讲过一个框架，概括一下就是：

写作，就是把网状的想法，用树状的结构，展开成线性的文字。

这就是写作的本质。

人的想法、灵感和各种 idea，是零散、碎片且跳跃的。你想到 A，A 让你联想到 B，B 又跳到了 C。这是一种「网状结构」。

但要让别人能看得懂你在说什么，你就需要把这些想法整理出来，给它们排一个逻辑、分一个层次、理一个顺序。这就对应了「树状结构」。

最后，还要一字一句用文字把它们表达出来，让读者能从头读到尾。这就是「线性表达」。

所以你看，写作其实是一个三层转化的过程：网状 → 树状 → 线性。

而大多数人让 AI 帮忙写东西的时候，是直接跳到了最后一步。给 AI 一个标题、一段提示词，让它直接输出线性文字。

但前面两步，网状想法的倾倒、树状结构的梳理，全被跳过了。

所以用 AI 写出来的东西总是感觉很平庸。

不是提示词的问题

聊到这里，要先澄清一个很常见的误区。

很多人觉得 AI 写出来的内容不好，是因为自己的提示词写得不够好。只要学会更高级的提示词技巧，AI 就能写出更好的东西。

其实不是。

如果你去留意那些真正写得好的内容，不管是人写的还是 AI 辅助写的，你会发现一个共性：信息密度普遍比较大。

什么是信息密度大？

就是文章里有作者自己的观点、自己的感受、自己踩过的坑和想明白的道理。这些东西是具体的、独特的、带着个人视角的。

而如果你只给 AI 一个标题，让它在没有任何素材的情况下帮你写，它只能去训练数据里找相关的内容来填充。这些内容是 AI 默认就有的，是大众化的，写出来自然就显得平庸。

所以在 AI 辅助写作这件事上，真正的分工应该是：

人负责洞察、提问、判断。AI 帮我们做结构化、验证和生成。

而不是直接丢给它一个标题，让它从头到尾帮你生成。

还有很重要的一点。

人是有自己的感受和体验的。正是因为有了这些真实的经历，我们才能提出独特的问题，产生独特的观点。

而这些，恰恰是一篇文章中最有价值的部分。

第一步：先把脑子里的东西倒出来

搞清楚了分工，接下来说说具体怎么做。

第一步，对应的是前面说的「网状」阶段。目标很简单：把你脑子里关于这个话题的所有想法，全部倾倒出来。

我自己现在写东西的时候，很多时候不是一字一句敲出来的。而是直接打开 AI 输入法，通过口述来表达。

我一直在用的是 Typeless。到目前为止，我用它累计已经超过 107 小时，口述总字数 48 万字，帮我节省了 193 小时的打字时间。

感兴趣的朋友可以试试看👉 https://www.typeless.com/refer?code=NF39VR1

为什么一定要口述而不是手敲？

因为人的打字速度，远低于思考和说话的速度。

如果用键盘打字，手速很容易跟不上脑速。你刚想到一个点，还没打完，下一个念头就飘走了。

但语音就不一样。想到什么就说什么，脑子转多快嘴巴就跟多快。思路不会被打断。

而且这一步有一个非常重要的原则：

完全不用管前后逻辑是否矛盾、用词是否准确、案例是否清晰，只管往下说。

想到什么说什么，说到哪算哪。不要在意表达是否通顺，不要试图边说边组织结构。

这一步的唯一目标，就是把脑子里网状的想法节点全部清倒出来。

第二步：让 AI 帮你搭骨架

有了第一步倒出来的那堆「原材料」，下一步就是把网状的想法变成树状的结构。

这一步，我通常会把前面口述整理出来的所有素材丢给 AI，让它帮我梳理出一份大纲。

这一步非常重要。

相当于是把前面那些零散的节点，变成了一个有层次、有逻辑的结构。

有了这份大纲，你就能清晰地看到整篇文章的行文节奏：哪些点是并列的、哪些是递进的、哪些地方需要承上启下。

前面那些杂乱无章的想法，一下子就变得有序了。

但这里有一个很关键的步骤：

拿到大纲之后，一定不是直接让 AI 写正文，而是先确认大纲有没有问题。

如果有问题，就把具体的反馈讲出来，让 AI 把大纲往你期望的方向调整。

如果没有问题，才进入最后一步。

你可能觉得这一步有点多余。

但其实，确认大纲是整个流程中性价比最高的环节。在大纲阶段改方向，成本非常低。但如果等正文都写完了才发现结构不对，那基本就等于重来一遍。

第三步：生成文字，进行「终审」

有了前面的铺垫和准备，到这一步才开始让 AI 根据确认好的大纲，把树状的结构展开成线性的文字。

有点反直觉的是，这一步往往是最简单的。

因为素材是你的，观点是你的，框架也是你确认过的。AI 要做的，只是把已经敲定的这些点，按顺序展开成文字。

所以你看，我现在花在写作上的时间，大部分压根不在「写」上，而是在确认思路、提供素材、做判断这些步骤上。

真正让 AI 生成文字这一步，反而是耗时最短的。

但这一步之后，还有一件非常重要的事。

AI 写出初稿之后，我从来不会直接拿去用。

我一定会把它通读几遍。哪句话不像我说的，改掉；哪个词差点意思，换掉；哪里节奏不对，调一调。

这个过程，是在保住自己对文字的语感。

文字是流动的，读起来顺不顺、像不像你，只有自己通读一遍才知道。

这个步骤看起来简单，但非常关键。

聊到这里，我想到了一个特别贴切的例子。

丘吉尔。

你可能知道他是英国首相，但不一定知道，1953 年，他拿了诺贝尔文学奖。而且拿奖的时候，他还在首相任上。

授奖词里夸的，一个是他对历史与传记描写的精湛功力，另一个，恰好是他的卓越口才。

你想想，写作是一件深度消耗脑力的事，他是怎么做到一边当首相，一边把文学奖拿了的 🤔

答案是：他从 1920 年代起，写作就主要靠口述。

典型的一个晚上，他会叼着雪茄来回踱步，低声反复琢磨某个词、某个短语，用不同的方式念同一句话，直到他满意了，才把最终版本定下来。

专职秘书轮班守着，有人速记，有人直接在打字机上敲，保证他的思路不会因为哪双手跟不上而中断。最夸张的时候，他泡在浴缸里都在口述，秘书就坐在旁边打字。

打印稿出来之后呢，他一遍遍改校样，每一轮都写满修改。

不止如此。他身后还有一整个团队：研究助手帮他查史料，整理档案，甚至帮他起草章节。

但注意，每一页的最终措辞，都是他说了算。

用哪个词、怎么断句、语气轻还是重，全由他决定。

较真到什么程度？

1922 年 8 月 31 日，他给自己的文学编辑爱德华·马什写信：「你逗号用得太随意了。我一向把逗号压到最少，宁可用 and 或 or 来替代，而不是叠加。」

你看，口述加别人记录加自己终审。

把这个流程放到今天，其实就是：

口述 = 你用语音输入倾倒出想法。别人记录 = AI 帮你结构化和生成文字。自己终审 = 你通读、修改、拍板。

不管是自己写还是借助工具，最终一定是作者本人来把关内容。

这个原则放到 AI 时代，一点都没变。

为什么 AI 编程越来越强，写作却进步有限

聊到这里，你可能还会好奇一个现象。

你有没有注意到，大模型每次版本更新的时候，编程能力的提升通常都非常明显，各种测评刷榜。

但写作呢？很难感知到同等幅度的进步。

为什么会这样？

有一句话说得非常好：「文无第一，武无第二。」

编程和数学，是有标准答案的。

代码跑不跑得通、测试过不过、答案对不对，机器自己就能判断。

这种任务能给强化学习提供明确的奖励信号：做对了加分，做错了扣分，模型就能快速地自我训练、自我纠错，能力自然越来越强。

但写作不一样。

你写了一段话，我觉得好，他觉得一般，她觉得不行。同一段文字，不同人的评价可以完全不同。

没有一个统一的标准能评判文字到底好不好。每个人对文字的审美是不一样的。

这就导致 AI 在创意类、策略类的任务上的进步，远没有编程领域那么显著。

所以你会发现，即便 AI 的写作能力也在提升，它能帮你生成的文字会越来越通顺、越来越流畅。但真正从「还行」到「真好」的那一步跨越，靠的不是 AI。

靠的是写作者自己的审美能力和判断能力。

这也是为什么前面说的那些步骤，提供素材、确认大纲、通读审稿，每一步都需要你自己的判断在里面。

因为你的判断，就是这篇文章质量的上限。

写在最后

AI 擅长从训练数据中找到高概率的答案。但好的内容，恰恰是那些低概率的、意料之外的东西。

一个只有你才有的经历，一个只有你才会注意到的细节，一个只有你踩过坑才能提出的问题。

所以除了关注模型本身的能力之外，也可以多去通过阅读、旅行、对话和关系，持续获得模型之外的具体感受和经验。

这些看起来跟 AI 没有直接关系的内容，反而在今天是非常珍贵的。

大家觉得呢？欢迎在评论区聊聊。