这篇文章想解决一个具体问题：为什么很多“AI 参与写作”的结果，看起来效率高，却很难长期复用？我的结论是，问题不在模型能力，而在协作协议。只要协议不清晰，AI 不是编辑，而是噪声放大器。
过去一年里，我观察到一种常见流程：用户给一句需求，模型立刻吐出全文，然后人类在末尾“修一修”。这种方式在短期内很爽，但几乎没有沉淀。你很难回答三个问题：这篇内容到底服务谁？哪些判断是可验证的？下次产出能否复用今天的方法？如果答案不明确，写作就会回到随机发挥。
把 AI 从“自动生成器”改造为“可协作编辑”，核心不是更花哨的提示词，而是可交付、可复盘、可追责的工作流。
一、先定义输出资产，而不是先让模型开写
写作最容易犯的错误，是把“发布”当成终点。对于持续运营的网站或栏目，发布只是中间节点。真正要追求的是内容资产：它是否可被再次引用、改编、拆分、更新。这个定义会直接决定你如何使用 AI。
在我当前的流程中，开写前会先写一段资产定义，至少包含四项：
- 目标读者是谁（越具体越好，而不是“所有对 AI 感兴趣的人”）；
- 读者读完后要获得什么动作能力（例如能按步骤搭建协作流程）；
- 文章中哪些判断需要证据、哪些属于经验假设；
- 三个月后这篇文章还能怎么复用（做清单、做培训材料、做更新版）。
当这四项先被写出来，AI 的角色就清晰了：它不是替你思考，而是帮助你把已经定义的资产结构化、补全和压缩。这个顺序不能反过来。
二、把写作拆成 7 个小交付，避免“一把梭”
人机协作最稳的方式，是把任务拆成小交付。每一段都可验收、可否决、可重来。我常用的 7 步如下：
- Step 1：问题陈述——一句话定义本文要解决的问题，控制在 60 字以内。
- Step 2：读者画像——写出典型读者的背景、约束、已知误区。
- Step 3：主张清单——列出 3 到 5 条核心判断，并标注证据等级。
- Step 4：结构草图——只出二级标题和每节目标，不写正文。
- Step 5：分节扩写——逐节生成，每节独立验收，避免全文一次生成。
- Step 6：反方审稿——要求 AI 站在反方找漏洞，人类决定是否采纳。
- Step 7：发布复盘——记录哪些段落有效、哪些废话过多，回写到模板。
这套拆分的价值不在“更快”，而在“可控”。你会明确看到哪一步出了问题，是选题偏了，还是论证松了，或者读者对象定错了。
三、证据分级：让“观点正确”与“事实正确”分开管理
很多文章争议大，不是因为观点不同，而是把事实判断和价值判断混在了一起。人机协作里，这个问题会被放大，因为模型很擅长写出语气确定但证据薄弱的句子。
我建议给每条核心判断标一个证据等级：
- A 级：可公开验证的数据、文档、代码或一手记录；
- B 级：行业共识或多源交叉印证，但无直接原始数据；
- C 级：个人经验、观察或阶段性假设。
发布时不必回避 C 级内容，但必须标注它是经验假设。这样做的好处是，读者知道哪些能直接执行，哪些需要结合环境判断。对作者来说，这也是最基本的可追责边界。
四、提示词模板要短：协议比修辞更重要
很多团队在提示词上花了大量时间，最终得到的是“华丽但不稳定”的生成效果。我的经验是，模板越长越容易掩盖责任边界。好的模板应该短、硬、可检查。
以下是一段我常用的分节提示词（可直接复用）：
你是协作编辑，不是代笔者。请按以下约束输出本节： 1) 只围绕二级标题目标，不扩展到其他章节； 2) 先给 3 条本节要点，再写正文； 3) 每个关键判断后标注证据等级（A/B/C）； 4) 删除口号式句子，优先可执行描述； 5) 结尾给出“读者下一步动作”。
这段模板没有复杂的角色扮演，也没有风格修辞库，但足够稳定。因为它只管协作协议，不替代创作者判断。你可以把它看成“写作流水线上的质检条款”。
五、反方审稿：让 AI 主动挑错，而不是只会顺着你
AI 如果只做顺向写作，很容易把作者偏见扩大成“逻辑完整的偏见”。所以我会强制加入一个反方审稿环节：让模型扮演最挑剔的编辑，专门寻找论证漏洞。
这一环节至少要问四个问题：
- 本文最脆弱的论断是哪一句？为什么脆弱？
- 有没有偷换概念或样本不足的问题？
- 读者在执行建议时可能遇到什么失败场景？
- 是否存在更低成本但同样有效的替代路径？
注意，反方审稿不是为了“抬杠”，而是为了提前暴露风险。很多上线后被质疑的内容，其实在发布前就能通过这一轮被发现。
六、发布不是结束：最小复盘清单必须沉淀
如果没有复盘，今天写得再好也只是一次性发挥。复盘的目标不是写长报告，而是把经验压缩成下次可用的规则。我的最小复盘清单通常只有 6 项：
- 哪一段被读者引用最多，为什么？
- 哪一段跳出率高，可能是抽象或冗长？
- 哪些句子在团队内被用于沟通，说明具备复用价值？
- 哪些判断需要补充证据或回收措辞？
- 本次协作中最浪费时间的步骤是什么？
- 下一版模板要新增或删除哪些约束？
把这 6 项长期记录下来，你会得到一个越来越稳的“团队写作操作系统”。AI 的价值也会从“帮我写一篇”，转向“帮我持续进化写作机制”。
七、边界声明：哪些场景不应该让 AI 主导
最后必须强调边界。并不是所有内容都适合交给 AI 主导，尤其是高风险文本：涉及法律、医疗、财务建议，或需要一手采访和事实核验的报道型内容。在这些场景里，AI 可做结构辅助，但不能替代专业判断与核实流程。
另一个常被忽视的边界是“情绪责任”。当内容触及争议或人群利益，作者不能把争议归因于模型输出。任何公开发布的文本，最终责任都属于发布者。这一点需要写进团队协作规范，而不是停留在口头共识。
结语：把效率红利换成质量复利
写作正在进入一个新阶段：速度不再稀缺，判断才稀缺。AI 能把产能推到很高，但只有在明确协作协议的前提下，这种产能才会转化为长期质量。否则，今天多写 10 篇，明天只是多清理 10 篇。
如果你准备从今天开始优化流程，我建议只做一件事：把“全文一次生成”改成“分节验收 + 反方审稿 + 最小复盘”。先把闭环跑起来，再谈更复杂的自动化。因为真正可持续的创作能力，从来不是某个神奇提示词，而是你能否持续生产可追责、可复用、可迭代的内容资产。
这就是 V1。它并不完美，但足够落地。下一版会继续补充真实案例与失败样本，让这套方法从“可用”进化为“可靠”。