四 第四生产力NOTES ON AI & ENGINEERING

为什么 AI 写不出有观点的文章?10 个 Skill 里有一句话值 3 年稿费

上个月我花了 3 天用 AI 写公众号,12 篇初稿全部作废。

作废的原因都一样——全是空泛的“赋能”“闭环”“全链路”,通篇是公开信息复述,没有一个作者自己的判断。

我把这些废稿存着没删,因为其中一篇的开头至今还能让我脸红:

“随着 AI 技术的快速发展,内容创作正迎来前所未有的变革。”

后来我读到一篇拆解 10 个 Skill 的文章,每个 Skill 都带自检规则。读完整篇,我发现里面最值钱的那句话是——

人定骨架,AI 填肉。

观点、结构、起承转合必须是作者自己的,AI 只负责把你没说完的话说完。这不是工具使用技巧,是创作流程解耦。

先把问题摆出来

很多人用 AI 写公众号,遇到的问题是这样的:工具很先进,模型很强,提示词也反复调过了,但生成出来的东西读起来都像 AI 写的。

我一开始以为是我的提示词不够好。后来读到几个研究,才发现问题不在提示词,在于流程。

UCLA Anderson Review 有一篇研究的标题直接叫《AI from AI: a Future of Generic and Biased Online Content?》。它指出 AI 辅助创作会导致内容同质化——100 个账号用同一个模型写同一个主题,结果出来基本一个样。

ACM 有一篇用文体风格分析方法(stylometric analysis,用词汇多样性和句子结构区分不同作者的写作风格)检查学生论文的研究,发现 AI 辅助的文章和纯人类写作在词汇多样性上有显著差异。注意边界:它的研究对象是学生论文,不是公众号,也不是企业级 AI 工程。

但真正让我停下来的是另一个发现——有一篇研究专门分析了 AI 对人类写作的帮助,结论是:AI 在人类作者已经各自选择不同方向后特别有用。学生往往在 AI 介入后才发现自己之前的偏见。

这句话值得再读一遍。前提是“已经选择”。方向没有定的时候,AI 只会用统计上最常见的表达把你带回平均线。

人定骨架,AI 填肉

我把那 10 个 Skill 按用途分成三类:

选题层

爆款数据检测 + 爆款文章拆解。自检规则:连续性判断、立项理由、候选承接方向——没有承接关系,选题不立项。

写作层

长文写作 + 去 AI 腔 + 个人文风档案。自检规则:研究底稿通过后才成稿。humanizer-zh 会检测并修复夸大象征意义、模糊归因、破折号滥用、三段式排比等 20 种 AI 模式。

标题层

爆款标题生成。自检规则:5—8 个候选,覆盖至少 6 种不同的方法,而不是 8 个标题一个套路;标题承诺不得超过正文证据强度。

注意,每个 Skill 都带自检规则。这种设计跟企业级 AI 工程里的授权链是同一个道理——约束明确,AI 才不会把方向带偏。

我见过 AI 填肉最失败的案例,是把骨架也让它出了

上个月我让 AI 写企业级 AI 落地文章,第一版就是典型的 AI 腔:

“随着企业 AI 应用的深入,越来越多的管理者开始关注如何将人工智能技术真正融入日常业务流程,以实现降本增效和数字化转型的目标。”

读完这段,我直接把它删了。问题很明显——语法对,结构完整,但没有观点。骨架是现成的,肉是空的。

我把这个教训总结成一个检查清单,现在每篇初稿都要过一遍:

一、开头三段是否已经提出真实问题和明确判断?

二、是否至少有 3 处只有作者能说出的取舍、边界或工程判断?

三、是否把抽象词落到了对象、状态、权限、工具、证据或验收条件?

边界

“人定骨架,AI 填肉”有三个不成立的情况:

一、方向没定时。AI 不会替你定方向,只会把你拉回平均线。你让它“写一篇关于 AI 的文章”,它给你的就是统计上最常见的“关于 AI 的文章”。

二、AI 填的“肉”有上限。它擅长展开、过渡、措辞,不会主动给出取舍、边界、工程判断——这些得你自己补。

三、填完肉还得人过一遍。我拿 humanizer-zh 扫过那 12 篇废稿,光破折号滥用、三段式排比、夸大象征意义这些 AI 模式就扫出来 20 种。不过一遍,读者一刷就能闻出来。

说白了,AI 抬的是地板,人抬的才是天花板。

怎么开始

先定方向。

我上次写完 AI 裁员的初稿,发现“AI 裁的不是人,是写不进工作契约的活”这个判断,是 AI 给不出来的。因为 AI 没有做过企业级 AI 落地,它不知道“工作契约”这个词背后的业务含义。

所以第一步永远是先想清楚“我要说什么”和“说给谁”,然后再让 AI 帮你展开。展开的时候,给它一个明确的骨架,比如:

· 开头用一个具体场景或具体问题,让摘要单独截取也有信息量
· 先给一句可争辩的中心判断,再拆解背景和误区
· 用小标题推进问题链:为什么会这样 → 真正缺什么 → 怎么开始
· 中段用清单、分级或步骤,把抽象判断变成可执行的检查项
· 专门写边界、风险和不成立的情况,不只写价值
· 结尾回到主判断,给一个具体动作或评论问题

AI 会帮你把每个部分填满肉,但前提是骨架是你的,不是它的。

最后说一句话

前面讲 Agent 的授权链、建本体,讲的都是同一件事——约束明确,AI 才不会把方向带偏。

本篇把同一逻辑用到内容创作:AI 只负责填充,人定方向。

下一篇我准备讨论 Agent 的评测、运行证据和权限扩大条件,那是下一问。

问题留给你:你上一次用 AI 写东西,是它帮你省了时间,还是帮你省掉了观点?留言区聊聊,我挑两条下期展开。

—— 第四生产力 ——

专注企业级 AI 工程实践

RAG|Agent|推理优化|集群调优

从模型能力到业务价值的最后一公里。