过去这一周 ，我收到了许多反馈，很多朋友、读者 、同事都分享了他们的AI使用体验。这些反馈让我发现了一个重要问题：AI写作最大的挑战并不在于写作技巧
，而在于信息输入的质量 。

为什么？因为AI就像是一个食品加工厂，它能够把你输入的原料加工成味道还不错的成品 ，但如果你给的食材质量很差
，那AI最多只能让它达到及格线，而不可能让成品变得更好。

AI大模型其实是在压缩信息 ，你提供的数据和指令都会被它压缩处理
。如果我们提供的信息不够丰富
，不够优质，AI就会用一些似是而非的“水话”来填补内容 ，就像一个没有一手素材的记者一样。

所以
，经过这一周的反馈与实践，我越来越确信：对于AI来说 ，信息的输入比输出更重要 。

写作技巧人人都能学
。但是能给AI提供什么样的原料
，才是创作者的核心价值。只有给AI提供足够好的原料，它才有机会生产出堪比你自己写作水平的内容 ，而不是输出一堆没有价值的废话垃圾 。

接下来，我会从提高信息输入质量、AI写作实践
、融入工作流
，这三个方面来分享如何使用AI
。这些方法和经验，都来自我的工作实践 ，希望能帮助大家用好AI
，真的用AI提高两到三倍的文字工作效率。

提高信息输入质量

我发现有三种方法可以提高AI的信息输入质量 。这三种方法背后其实有一个统一的逻辑：要么互联网上已经有了足够优质的信息，那你要做的就是把这些信息找到并提供给AI；要么互联网上没有优质信息 ，那你就需要把自己的想法尽可能丰富详细地告诉AI
。

1. 穷举法：让AI帮你搜集信息

穷举法其实很简单
，就像DeepSeek R1开启联网搜索一样，让AI去搜索互联网上所有关于你想要写作主题的内容。这种方法的优点是信息面够广 ，能快速获取大量相关信息 。

不过现在大部分AI模型都没有联网功能
，但有个替代方案：你可以用秘塔搜索或Perplexity这类AI搜索工具，直接搜索相关主题的所有新闻 ，然后把搜索结果粘贴给你使用的大模型
，相当于人肉实现联网功能
。

但穷举法最大的问题是：你把判断信息重要性的工作交给了AI。AI并不像我们人类一样真正懂得某个领域里什么信息是重要的，它只是基于概率统计来判断 。在大多数情况下它可能是对的 ，但对于一些垂直细分的领域，它很可能判断不准。这部分工作还是需要人来做
。

2. 索引法：找到你信任的信息节点

基于穷举法的局限
，我发展出了第二个方法：索引法。

索引法的关键在于找到可信任的信息节点 。 比如我要写一篇AI领域的新闻，我会选择The Information这样的可靠媒体 ，因为它经常报道重要的独家新闻
，前两天就报道了苹果选择和阿里巴巴合作的消息
。

如果要写一篇没有时效性的内容，比如我要写一期科普AI芯片的视频脚本 ，我会去找Lex Fridman的播客
，他和Jim Keller录过节目，这期播客的质量很好 ，我会把文字稿直接喂给AI。而我知道Jim Keller重要
，是因为我在做一期关于苏姿丰的视频，查资料时发现了Jim Keller是伟大的芯片工程师 ，现在创业做AI芯片 。

索引法需要你对要写的领域有一定了解
，至少了解这个领域的信息渠道
。你要知道哪些信息源是可靠的，可以通过权威媒体、播客主播 、KOL等这些“信任节点 ”来筛选信息。

甚至你还可以通过权威人物的书或文章 ，比如张忠谋的自传，来了解芯片领域真正重要的人物 。

3. 口述法：让AI结构化你的原创想法

前两种方法都是建立在互联网上已有优质信息的基础上
。但如果你要写的是相对细分的
、有时效性的
，或者非常原创的内容，那就需要用到第三种方法：口述法。

比如这篇《AI写作指南2.0》 ，互联网上关于AI写作指南的优质内容并不多
，而且我想表达的很多是自己的原创观点 。

这时，我会用语音记录软件记录下自己的想法 ，可能一次记录五六分钟
，记录四五条
。然后把这些语音转成文字，让AI帮我梳理成提纲 ，再对着提纲继续口述具体内容。此时此刻
，我正对着电脑口述 。

口述法的具体步骤是：

-记录零散想法： 在日常思考过程中，随时使用语音记录软件 ，记录下关于写作主题的各种想法、观点 、案例等。

-AI梳理提纲： 将语音转录的文本
，直接提供给AI，指令其梳理成结构化的文章提纲
。

-对着提纲口述： 基于AI生成的提纲 ，对着提纲逐条展开口述，详细阐述每个要点的具体内容。

-AI生成全文： 将口述内容再次提供给AI
，指令其将口述内容整理成结构严谨的提纲，再根据提纲写作语言流畅的完整文章 。

口述法的重点是利用AI强大的结构化能力 ，把我们零散的想法整理成逻辑严密的内容
。因为我提供的都是原创的
、互联网上没有的内容
，即使AI在信息压缩的过程中会损失一些细节，最终写出来的文章也会充满个人特色和细节 ，读起来一点都不像是AI生成的。

这三种方法
，本质上都是在解决一个问题：如何给AI提供足够优质的原料，让它能够产出高质量的内容 。

穷举法适合需要快速获取大量信息 ，进行初步了解的场景；索引法适用于需要深入研究特定领域
，获取高质量、权威信息的场景；口述法适用于需要输出原创性内容，表达个人深度思考的场景
。

就像一开始说的 ，AI大模型就是个食品加工厂
，原料的质量决定了成品的上限。

AI写作实践

在《AI写作指南1.0》中，我分享了AI写作的一些基本技巧 。这次从信息输入的角度 ，我会更新一些写作方法
。

首先还是复习一下原则。AI写作核心原则就是八个字：先写提纲，再写全文 。

我们所有的写作思路都是围绕着一个目标：减少AI的幻觉
，让AI更准确地执行我们的想法
。先写提纲，是控制AI写作方向 ，减少AI幻觉
，体现人的意志的关键。

特别是对于1000字以上的内容，我们不仅要写提纲 ，还要分段写作 。比如一篇3000～4000字的文章
，在有了提纲后，先让AI写开头 ，看看文风是否OK
，用的案例合不合适，有没有语病。确认没问题后 ，再让它写中间部分和结尾
。

为什么要这么做？因为AI在写长文时会“偷懒”
，会过度压缩信息。通过分段写作，我们能更好地控制输出质量 ，确保每个部分都符合预期 。

在具体的AI写作实践中，我们需要根据议题的熟悉程度
，采取差异化的信息输入策略
。

对于我们自己足够熟悉的议题，选择口述法。比如 ，AI写作是我足够熟悉的领域
，我就可以直接口述，充分利用AI的结构化能力 ，快速把我的思路转化为文章 。 

就像领导向秘书口述演讲稿一样
，我们可以直接向AI口述我们的想法，然后让AI帮助我们生成提纲 ，并根据提纲写出全文
。 这种方法的优势在于高效
，能够快速地将我们脑子里的想法转化为文字输出。

对于我们自己不熟悉的议题，选择穷举法 、索引法 。比如 ，当我要写一期关于AI芯片的脚本
，而我却毫不了解AI芯片
。 这时候，我们需要结合提问和信息输入。首先不断地向AI提问 ，例如 “这个领域的核心概念是什么？
” “它的创新点在哪里？”“它的发展逻辑是什么？ ”……逐步建立起对该议题的初步认知框架 。 

然后，我们需要主动为AI提供优质信息
，例如相关的论文
、书籍、行业报告等等， 帮助AI更深入地理解该领域
。 在信息输入的基础上 ，再先写提纲
，再写全文，长文分段写。

还有一个小技巧 。 在和AI的会话里 ，如果对话轮数过多
，容易出现对话崩溃或者Token消耗过快。这时候，我们导出当前对话的内容 ，直接告诉AI “请导出我们刚刚聊天的纪要
，以便我们能在新对话里继续
”， 这样来避免对话崩溃 ，节省点Token
。

那么
，如何确保AI输出内容的准确性呢？

最简单的办法是，你可以直接在对话中让AI核查内容：“请你仔细核对这篇文章里的所有数据和关键表述 ，并从资料里找出原文一一对应”。AI检查完后，你再人工核对一次 。

更有效的办法是选择更稳定的AI模型
。如果只选择一个模型
，我并不推荐使用DeepSeek R1来进行工作，因为它的幻觉率太高。

如果只选择一个模型 ，我推荐使用Claude 3.5 Sonne或Gemini 2.0 Flash Thinking 。

Claude虽然不是推理模型
，但它写出来的内容足够准确，幻觉相对较少 ，工作使用比较安心
。而Gemini 2.0 Flash Thinking非常厉害
，它能一次性写上万字的文章，并且逻辑严密 ，几乎没有幻觉。Gemini的缺点是文笔普通
，正适合工作场景而不是创意写作 。

现在还有一些很有意思的开源项目，可以综合几种大模型的能力
。比如DeepClaude就缝合了DeepSeek和Claude ，让DeepSeek来推理
，Claude来写作。

最后是Prompt 。Prompt的本质是对自己工作流的总结
。Prompt本身并不重要，重要的是跑通自己的工作流。网上有很多Prompt模版 ，但模版没法直接套用到稍微复杂一点的工作场景里 。

正确的使用方式是：先把一个工作流程跑通，当你用AI写出一篇满意的文章后
，直接在会话里让它“生成一个Prompt，确保在新的对话中也能写出同样的文章 ”。当然 ，这个Prompt的准确率可能在60～90分之间浮动
，需要你不断调整优化，就像遗传代码一样不断进化
。

这些技巧都不重要 ，模型选择也不重要
，即使是幻觉比较严重的模型，只要你仔细检查 ，依然是能用的。

重要的是想法
，是相信AI的写作能力确实比人类更强，我们要做的是通过这些工程化的方法 ，确保AI准确理解和执行我们的想法
，来提高我们的文字工作效率两到三倍 。

AI融入工作流

现在我们来思考一个更大的问题：如何把AI真正融入到我们的工作中？

AI当然不止是一个写作工具，更重要的是将AI融入到我们的工作流中 ，用AI加持的工作流来重塑内容生产方式，甚至提升组织的整体能力
。

要理解AI融入工作流的重要性
，我们需要重新思考工作的本质。 现代社会大部分工作都是白领工作，而白领工作的本质就是文书工作 ，只是这些写作任务分散在工作流程的各个环节中 - 写周报 、写邮件
、写报告、做PPT 、写文案等等 。

尽管AI可以立即显著提高文字工作效率
，但并不能立即提高我们的整体工作效率
。 

原因在于，白领工作的写作 ，不是孤立存在
，而是存在与工作流里，高度依赖上下文信息。 它需要信息输入——来自上一个工作环节的成果、来自同事或老板的指示
、来自各种数据资料； 也需要信息输出——将工作成果汇报给上级、传递给下属 、或者与客户沟通 。 我们的文字工作 ，就像一个复杂的API接口
，嵌入在整个工作流程之中，与各种内部和外部系统进行数据交换
。

那么 ，如何将AI融入工作流
，让AI的智力流入需要文字工作的各个环节？

核心思路在于拆解与重构。 

我们需要重新思考我们的工作流，仔细分析每个环节 ，判断哪些环节是必须由人亲自完成的，例如见客户
、和老板沟通这种需要建立人际关系的工作；哪些环节是可以被AI替代的
，例如信息搜集、初稿撰写 、数据分析等等 。

对于那些可以被AI替代的环节，我们需要尽可能地将其模块化
、API化 ， 建立起一套标准化的工作流程
，方便AI高效地接入和执行
。

最近一个月的实践，让我特别理解工作流的重要性。拿我的工作短视频编导来说 ，我把一分半以内的短平快内容完全拆分出来
，交给实习生处理 。我给了实习生一个非常详细的工作流程：用具体哪个版本的大模型，什么prompt来写脚本 ，如何确保数据准确
，具体的剪辑工具是什么，详细到需要在工作群里@谁来制作视频封面。

好处非常明显 ，我不再需要做这些相对标准化的内容
。我可以把精力放在更有创造性的工作上
，比如探索新的内容形式，制作三分钟以上的深度内容。

我现在每月在AI工具上的支出不到400块钱 ，但这相当于招了几个执行能力很强、逻辑清晰 、文笔比我好的员工 。

这种变化会带来什么？我觉得会彻底改变公司的组织模式
。

现在的公司结构是一个领导带着十几个下属组成团队。但在AI时代，会变成一个人指挥多个AI Agent 。就像现在我虽然只有一个实习生
，但实际上我在指挥DeepClaude
、Claude、Gemini这些可以随时响应 、能在一分钟内写出上万字文章的员工
。

有个很形象的比喻：产品经理把研发当AI用，老板把产品经理当Agent用。

我们的工作现状的确是这样的 。公司组织里 ，绝大部分工作内容就是在理解指令
、执行指令
，处理特定场景的任务，并不需要真正的原创思考
。

我们现在需要做的是 ，不断拆解自己的工作
，找出必须自己做的工作，然后让AI来执行绝大部分可以模版化的工作。

当我探索出一种新的内容形式 ，完全可以把它模板化、工作流化
，然后交给实习生或直接交给AI来执行 。一年到半年内，我可能还需要实习生来执行这些工作流 ，但随着大模型本身和Agent应用的发展
，这些工作完全可以交给AI来做
。

现在已经有很多平台在提供工作流搭建的功能，比如dify 、coze用来搭建工作流。这些工具让我们能够把工作流标准化 ，让AI执行其中的具体环节 。

最重要的是，我们要重新思考自己的工作流
，把自己的工作流程总结成可执行的指令。每个工作环节都应该有对应的Prompt，通过不断迭代来提高效果
。

这才是我们在AI时代的核心竞争力：探索新的工作流的能力 ，把工作流指令化、模板化的能力。

AI的机会是迪士尼

我看到的
，AI的机会是让每个创作者建立自己的迪士尼 。

上一轮内容行业的结构性机会，在于内容分发侧的创新
。张一鸣看到了内容分发的结构性机会 ，用算法取代了传统的订阅制和编辑分发模式。内容分发侧结构性改革
，诞生了字节跳动和抖音 。

AI带来的结构性机会，在于内容生产侧的创新
。 就像迪士尼 ，迪士尼最厉害的是什么？是他们能够批量生产创意性的内容。每一部迪士尼电影
，基本都能保持在80分以上的水准 。更重要的是，迪士尼能给内容附加情绪价值
。直到今天 ，我想到米老鼠
、唐老鸭这些经典IP
，依然会感到开心。我逛迪士尼乐园，真心觉得那里是世界上最快乐的地方 。

现在 ，AI给了我们一个“再造迪士尼
”的机会
。因为AI可以提供更加标准化的内容生产能力，而且会变得越来越聪明。我教实习生用AI的时候
，突然意识到一点，AI是绝对标准化的 ，只要输入相同信息和指令
，AI生成的内容质量就是完全一致的，不存在传统内容行业 ，培训新人需要反复练习、可能要半年才能符合标注的情况 。

AI最重要的价值是
，真正让智力工业化，让智力可以批量生产了。我相信一到两年内 ，所有内容机构的内容生产效率至少会提高两到三倍
。这意味着内容供给将趋近于无限。

内容供给趋近无限之后
，真正的稀缺资源是什么？是能给内容注入情绪的能力，是能让用户产生情感共鸣的能力 ，是能把AI这种标准化的生产力转化为独特价值的能力 。

就像是《AI写作指南1.0》的标题
，当智力无限供应之后，智力的容器比智力本身更重要
。创作者应该专注于设计内容的容器 ，就像农夫山泉的瓶子一样，让标准化的优质内容装在合适的容器里。

内容创作者的核心竞争力是选题 、情绪和独家案例 。内容机构的核心竞争力
，则是设计出高效的工作流和高级的内容容器
。

就像迪士尼不仅仅是一家电影公司，而是一个完整的内容生态系统。在AI时代 ，内容创作者应该做的事情
，是用新技术建立自己的迪士尼 。

《AI写作指南2.0》的核心观点，可以概括为一句话：信息的输入比输出更重要
。因为当内容生产的中间环节标准化之后 ，输入完全决定了输出。

如何建立起高效的食品加工厂
，如何找到好的食材，以及如何为生产出来的食材装进合适的容器 ，则是我们这一代内容创作者的核心问题 。