生产 03｜
用 AI 搭内容工作台：把标准写成规则，判断留给自己

AI 写得越顺，
越需要你说清楚，什么样的才算你写的。

2024 年，两位研究者做了一个在线实验：一部分写作者在动笔前，可以先从大语言模型那里拿到几个故事点子，再去写一篇短篇小说。结果，拿到 AI 点子的人写出来的故事，被评价为更有创意、写得更好、读起来更有意思，原本创意偏弱的写作者提升得最明显。可同时，这些故事彼此之间更像了。研究者把它比作一种两难：每个人单独看都写得更好了，放在一起，新鲜的东西却变少了。

对一个人做 IP 来说，这两个结果都要当真。AI 确实能让你写得更快、更顺；可读者之所以关注你，恰恰因为你说的话和别人不一样。

所以我的判断是：AI 在内容工作里，最适合当一个照你的标准干活的助手，查线索、理素材、出改写稿、照你的规则挑毛病。要让它照你的标准干活，得先把你脑子里的好坏标准写成一张规则表，再用测试用例让它越改越准；判断、声音和你与读者的关系，留在自己手里。

《生产 01》讲了一周怎样围绕一个话题来组织，《生产 02》讲了同一个想法怎样改写成不同平台的版本。这一篇讲怎样让 AI 接手这条线上可以交出去的部分，以及哪些部分别交。AI 在一般工作里怎么用、怎么和它对话，站内《效率系统 07》讲得很完整；工具怎么选、怎么装，见《AI 工具的选择与安装》。

一、先知道 AI 的两个天然倾向

第一个倾向是迎合。 2023 年有一项研究考察了几个主流 AI 助手，发现它们普遍会顺着用户已有的看法回答；在人工打分时，说得漂亮又顺着人说的回答，有时比准确的回答得分还高。研究者认为，这是用人的偏好来训练模型时带出来的系统性倾向。放到写作上，你问它「这篇写得好吗」，它多半会说好。

第二个倾向是趋同。 就是开头那项实验说的：AI 给的第一版，往往是「大多数人会这么写」的版本，结构合理，句子顺滑，挑不出错，也没有棱角。我把这叫作「顺滑陷阱」：越是顺滑，越容易让人觉得可以直接发了。

知道这两个倾向，用法就跟着变了。想让它帮你挑毛病，别问「写得好吗」，可以让它按你的规则表逐条检查，列出每一处不符合的地方；或者换个问法：「如果这篇发出去没人看，最可能的三个原因是什么？」想让它帮你写，就把它的输出当成素材，最后一遍由你改成只有你会这么写的样子。

二、在内容流程里，AI 放在哪

把一条内容从想法到发布拆成几个环节，AI 能接手的部分其实很具体：

找资料时 AI 能帮到哪一步、哪些地方要格外小心，在《选题 05》里专门讲。还有一种很好用的方式：把一个想法交给 AI，请它分别从心理学、经济学、管理学等几个学科的角度分析一遍，帮你看到自己没想到的侧面。要留意的是，它是在模拟这些学科的思路，给出的「某位学者会怎么看」是它推测出来的，那位学者未必说过。真想引用，回到原书核对。

AI 该介入到什么程度，常见的做法差别很大。有人几乎让 AI 包办，自己只负责提意见和挑选；有人只用它准备材料，成稿一个字都不让它写；也有人完全不用。我的判断是，看你的读者有多大程度是冲着你的表达来的。知识型 IP 的正文，读者买的是你的判断和你讲事情的方式，AI 写出的句子可以当素材，最好别直接当成品。排版、字幕、分类这些离你的声音远的活，可以放心多交一些。

三、规则表：把你的好坏标准写下来

常见的第一反应，是把自己最满意的几篇文章发给 AI，说「照这个风格写」。效果通常不理想：它学到的是表面，比如句子长短、常用的几个词、段落的样子，学不到你为什么这么写。Anthropic（一家美国 AI 公司）在给自家模型写的官方使用建议里提到，例子对输出格式和语气的影响很大，所以例子要足够多样，免得模型学到你没想让它学的模式；同时，给每条要求讲清楚背后的原因，模型能举一反三。放到写作上，这两点合起来就是：少给整篇范文，多给带着原因的规则，每条规则配一对短小的正反例。

规则表不用一次写完，也很难凭空写完。更顺的做法，是从一张空表开始，靠一次次的不满意把它养起来。每当 AI 的输出让你皱眉，就停下来问自己三个问题：哪一句不对？为什么不对？我会怎么写？答案就是一条新规则。可以照这六栏来记：

举一个例子。一位做了十年用户研究的产品经理，业余写「怎样理解用户」。几个月下来，她的规则表里有这样几条：

• 术语先翻译：行业词第一次出现，后面跟一句大白话。原因：读者多是刚入行的人和创业者，卡在一个词上就不往下读了。反例：「先做一轮可用性测试。」正例：「先做一轮可用性测试，也就是请几个真实用户当着你的面用一遍产品，看他们在哪里卡住。」适用：所有内容。
• 例子用真实的工作场景：不用「假设你是一家公司的一把手」这类读者代入不了的设定。原因：她的读者里很少有公司一把手，真实的需求评审会、用户访谈现场更能让人对上号。适用：所有内容。
• 建议后面跟一个条件：每给一条建议，说清它适用于什么情况。原因：用户研究的方法很依赖场景，说满了会误导人。反例：「一定要先做访谈。」正例：「如果你连用户是谁都还说不清，先做五到八个访谈；如果已经有一批用户，先看他们的使用数据。」适用：所有给建议的地方。

规则表有两个要留意的地方。第一，规则有范围。适合小红书开头的规则，未必适合公众号长文，「适用范围」那一栏就是为这个准备的。你的风格变了，规则也跟着改，别让一张旧表把自己框住。第二，规则表要靠你自己的语感撑着。如果你还说不出一段文字哪里不对，规则表就会一直空着；这时候让 AI 替你改，只会把你带向它的平均水平。所以早期的功课，是自己先多写，写到能说出「这一句为什么不像我」。

四、测试用例：让规则越改越准，别来回打转

规则表改着改着，常会遇到一个麻烦：为了解决 A 问题加了一条规则，B 问题冒出来了；改好了 B，A 又回来了。软件开发里管这叫回归问题，常用的办法是每次改动之后，把以前所有的测试重新跑一遍。做内容也可以借这个办法：

1. 留三样东西：每一版规则表都存下来，命名成第一版、第二版；每一版的输入和输出；你对输出的不满意，一条条写清楚。
2. 准备一组测试用例：挑五个左右有代表性的输入，比如一份提纲、一段要改写成小红书版的主稿、一个要写开头的题目，每个都写下你检查输出时看哪几处。
3. 每改一次规则，全部重跑一遍：确认旧问题没有回来，再用新版本。
4. 定一个成熟的标准：连续几次使用，你都只需要小改，这张表就算稳定了，可以少动它。

如果改了很多版还在原地打转，先别急着再加规则，回头查一查输入：素材是不是太单薄，提纲是不是没想清楚，这个题目本身是不是还没熟。材料不够的时候，换多少规则都救不回来，这时可以回到《生产 01》讲的三个「够」，先把题目养熟。

还有一个小习惯：让 AI 出标题、出开头时，请它把写出来的全部给你，别让它替你挑「最好的三个」。它挑的未必比没挑的好，挑选这一步是你的判断。重要的结论和数字，可以换一个 AI 再问一遍，或者请它从反方向论证一次，《效率系统 07》里讲过这种用法。

五、素材库和一份说了算的文件

AI 的输出好不好，很大程度上取决于你给它的材料。现在不少 AI 工具能直接读你电脑里的一个文件夹，每次干活前先翻一遍里面的东西。给它准备一个整洁的文件夹，效果会好很多。一个人做 IP，文件夹里放这几样就够了：

• 内容库：历年的定稿、拆出来的部件，以及《生产 01》里那本台账，怎么存、怎么建目录见《生产 04》。
• 规则表：上一节那张。
• 读者问题清单：评论、私信、咨询里反复出现的问题。
• 定位说明：你写给谁、帮他们解决什么、凭什么是你，写法见《定位 05》。
• 一份说了算的文件：下面专门讲。
• 一页目录：写清每样东西放在哪、干不同的活先读哪几份，让 AI 不用每次从头翻。

「一份说了算的文件」，是为了解决版本打架的问题。时间一长，同一件事会有好几个说法：简介里写「十年经验」，一篇旧文写的是「八年」；旧草稿里还留着去年的价格。AI 不知道该信哪个，很可能挑错。办法是建一份「基本事实」文件，只放必须准确的东西：你的身份和履历的准确说法；产品、价格和交付内容；常用的数据和它们的出处；绝对不能说的话，比如任何效果承诺。其他文件需要这些信息时，一律以它为准；信息有变，只改这一处。

如果在做一个持续几周的项目，比如写一个系列、准备一门课，可以再开一份项目备忘：目标是什么，已经定下来的决定和原因，现在做到哪，下一步做什么。每次开工先让 AI 读它，收工前更新一次。这样即使隔了半个月再打开，你和 AI 都不用重新回忆。

文件夹本身可以很朴素，结构浅、你自己看得懂就好，怎么搭、文件由谁来整理，见《生产 04》。

放进文件夹之前，还有一件事要做：去掉能认出具体某个人的信息。读者私信、咨询记录里常有姓名、单位、联系方式，甚至健康状况和家庭财务。《个人信息保护法》要求处理个人信息限于实现目的所需的最小范围，医疗健康、金融账户这类属于敏感个人信息，要求更严。整理成「一位三十岁出头、在互联网公司做运营的读者问……」这样的样子，对写内容已经足够。读者信息怎样合规地收集和保存，见《发售 01》。

六、三件事留在自己手里

第一，声音。 正文的最后一遍由你来写。AI 改过的段落，可以逐句读出声，凡是你平时不会这么说的句子，就改掉。读者跟着你，是因为你讲事情的方式，这一层交出去，你和别人的差别就没了。

第二，互动。 回复评论和私信、在社群里答疑，由你本人来。AI 可以帮你把私信分类，给一个难回答的问题起个草，但发出去的那句话要是你的。小红书在 2026 年 8 月发布的 AI 治理规则里，明确反对用云端 AI 工具或手机脚本自动运营账号、冒充真人互动。即使抛开平台规则，读者在评论区等的也是你。

第三，判断。 选什么题目、站在哪一边、发不发、哪个数字可信，都要你来定。AI 有时会给出看起来很像样、其实查无此处的出处，凡是要放进正文的数字和引用，都回到原始来源核对一遍。

我接触过的创业者和高管里，把 AI 用得最顺的人有一个共同点：规矩讲得很清楚，活儿放心交出去，结果一定自己验收。做内容也是这样。

一点边界：AI 内容的标识

国家网信办等四部门 2025 年 3 月发布的《人工智能生成合成内容标识办法》，自 2025 年 9 月 1 日起施行。其中规定，用户通过网络平台发布 AI 生成合成的内容，应当主动声明，并使用平台提供的标识功能；任何组织和个人不得恶意删除、篡改、伪造、隐匿这些标识。平台那一边，会核验文件里的隐式标识，对用户声明的、或者检测到疑似 AI 生成的内容，在周边加上显著的提示。办法施行时，微信、抖音等平台都发布了配套的细则。

各平台的执行在继续收紧。小红书在 2026 年 2 月发布公告，对没有主动标识的 AI 生成合成内容，平台会加上标识并限制分发；2026 年 8 月的 AI 治理规则又要求，用 AI 生成或润色的笔记都需要主动披露，同时反对传授用 AI 洗稿起号的方法、用 AI 合成他人的声音和面孔（以上截至 2026 年 9 月）。

落到做内容上，可以这样把握：AI 生成的图片、配音、数字人出镜，以及成段由 AI 写出的文字，发布时都勾选平台的 AI 声明；只用 AI 查资料、理素材、查错别字，正文是你自己写的，各平台的口径不完全一样，小红书已经把「润色」写进了规则，拿不准的时候就标。另外，用 AI 改写别人的文章当成自己的发布，就是洗稿，原创和借鉴的边界见《对标 03》，各平台的规则汇总见《增长 03》。

可以怎么做

1. 建一个文件夹：放进内容库、规则表、读者问题清单和定位说明，再写一页目录。
2. 写一份「基本事实」：履历的准确说法、产品和价格、常用数据和出处、不能说的话。
3. 从下一次不满意开始攒规则：每次只记一条，按六栏写完整，一个月后你会有十几条。
4. 挑五个测试用例：每改一次规则表，全部重跑一遍。
5. 写下你的「不交出去」清单：哪些环节必须由你来做，贴在规则表的第一行。
6. 打开你常用平台的发布页：找到 AI 声明的入口在哪里，下次用得上。

工作台搭起来的头一两个月，花在写规则、改规则上的时间，可能比省下来的还多。这笔时间花得值：它逼着你把「我觉得不对」说成「哪里不对、为什么」，这本来也是写作者要练的基本功。

参考

• 国家互联网信息办公室等（2025）：关于印发《人工智能生成合成内容标识办法》的通知
• 新华网（2025 年 9 月 9 日）：《人工智能生成合成内容标识办法》正式施行 多平台出台内容管理细则
• 澎湃新闻（2026 年 2 月 13 日）：小红书：对未主动标识的AI生成合成内容限制分发
• IT之家（2026 年 8 月 7 日）：小红书发布《AI 治理规则公告》：鼓励主动披露 AI 生成，反对 AI 洗稿、合成他人声音、捏造新闻
• 全国人大常委会（2021）：中华人民共和国个人信息保护法
• Doshi、Hauser（2024），Science Advances：Generative AI enhances individual creativity but reduces the collective diversity of novel content
• Sharma 等（2023）：Towards Understanding Sycophancy in Language Models
• Anthropic：Prompting best practices