很多人第一次用 AI 写文章,输一句「帮我写篇关于 XX 的文章」,出来一大坨正确但没用的废话,然后就开始怀疑工具不行。问题往往不在模型,在于没交代清楚给谁看、要多长、哪些话不能说。这篇按真实写稿顺序走一遍:先定需求,再喂素材,再改稿,最后自己过一遍事实。看完能独立把一篇稿子从零推出来。
很多人第一次用 AI 写文章,输一句「帮我写篇关于 XX 的文章」,回车一按,出来一大坨看着挺像样、细读全是废话的东西。然后就开始怀疑工具不行。先别急着换模型,问题多半出在输入那一格:你没告诉它给谁看、要多长、哪些话不能说。
这篇按真实写稿的顺序走一遍,从提需求到交稿,每一步说清楚做什么、怎么验证,也说说哪些情况下这套做法不适用。看完你应该能独立把一篇稿子从零推出来,不用猜。
第一次让 AI 写文章,为什么出来的是废话
那句「帮我写篇关于 X 的文章」缺了三样东西:读者是谁、要多长、不能出现什么。缺了这三样,模型只能按互联网上最常见的样子糊一篇出来——开头铺垫、中间分三点、结尾升华。它没做错,是它真的不知道你要什么。
真正决定成稿质量的,不是提示词写得多漂亮,而是你的需求描述像不像一个正经的约稿。你想象一下找同事帮忙写稿,你会说「给咱们新用户看,八百字左右,别用行业黑话」,不会只说「写一篇」。对 AI 也是这个道理。
动手前先把需求写成四句话
不用搞得很复杂,四句话就够。把这四句写在一个文档里,每次写稿先填,填完再发给模型。听着笨,但比反复重试省时间得多。
- 第一句交代读者和用途:给谁看、发在哪。比如「给没接触过这个产品的小白看,发在公众号」。
- 第二句定篇幅和结构:说清要几个部分、每部分大概多少字,比只说「写长一点」有用得多。
- 第三句列禁区:不要夸张、不要编数据、不要出现某些词。禁区别嫌多,写三条以上。
- 第四句给风格参照:比如「像同事给你讲一件事」,比「专业一点」可执行一百倍。
这里有个常见坑:第四句很多人写「语气轻松活泼」,结果出来一堆感叹号和网络梗。参照要具体到场景,「像同事给你讲一件事」「像产品说明书但少点术语」,这种描述模型才抓得住。
素材怎么喂:给例子比给形容词管用
有现成资料就贴进去,让模型基于它写。这一点比什么技巧都实在。你手里有产品说明、有以前写过的稿子、有整理好的要点,直接给它,让它照着写,稳定得多。让它自由发挥,它就只能编。
给它一段你认可的旧文当风格样本,比描述十遍「语气轻松」有效。模型看例子学风格的能力,比听形容词强。你甚至可以贴一段你觉得写得不好的,告诉它「别写成这样」,反面样本同样管用。
素材太长会挤占上下文,几千字的长文档先自己摘成要点再喂。摘的时候保留数字和专有名词,砍掉铺垫和重复。碰到不熟的术语,可以到 /ai-dict/category/basics 对照一下再决定要不要写进稿子。
先要大纲再要正文,省掉大半返工
这是我最建议新手养成的一个习惯:别上来就要全文。先让模型出五到八个小节标题,每节配一句话要点。你对着大纲改结构,结构定了再让它展开。为什么要这么干?因为改大纲便宜,改全文贵。结构不对的时候整篇重写,写三遍还是错。
大纲阶段就要砍掉凑数的节。「总结与展望」「写在最后」这类,除非读者真的需要,否则直接删。验收标准很简单:每个小节标题能不能对应到读者的一个具体疑问?对不上就删或者合并。
结构改完再让它展开,一次只展开一节也行。有人喜欢一口气要全文,图快,但后面改起来更慢。分节展开还有一个好处:你能在中途发现方向偏了,及时刹车。
初稿出来后,按段落改而不是整篇重生成
初稿一定不完美,这很正常。关键是改法。指出具体问题,别笼统说「再改改」。「第二段开头太绕,改成一句结论」「第三段那个例子换成更日常的场景」,这种指令模型能执行。你说「写得不好」,它只能瞎猜。
一次只改一到两段。整篇重生成会把已经对的部分也改坏,你会发现改完这处丢了那处,来回折腾。改稿是个局部手术,不是推倒重来。
改两三轮还不对,多半是需求那四句话没写对,这时候回去补需求,比重试更省时间。还有一个常见误判:把「模型写得平淡」当成模型能力问题。其实往往是没给具体场景和例子,它只能写正确的空话。
改稿指令的对照写法
| 模糊指令 | 可执行的改法 |
|---|---|
| 这段写得不好 | 第二段开头改成一句结论,后面再展开原因 |
| 语气再轻松点 | 把第三段的书面词换成口语,比如把「因此」换成「所以」 |
| 例子不够 | 第二段的例子换成上班族每天会遇到的场景 |
| 太长了 | 每段压到三句以内,删掉重复的意思 |
事实和数字必须自己过一遍
模型会编出不存在的来源、数据和产品细节,而且编得很像真的。凡是涉及数字、时间、机构名的,逐条核对,一条都别放过。这不是信不信任工具的问题,是交稿前的基本动作。
有个实用技巧:让它把不确定的地方标成「待核实」,比让它硬编好。你看到标记就知道哪里要自己查。另外,写稿时如果要用到价格、型号这类会变的信息,别把数字写死在正文里,到 /price-watch 或 /official-api 看当时的数字,稿子里写成「以站内页面为准」。
- 先标出所有数字和专有名词通读一遍,把所有数字、日期、机构名、产品名圈出来,列成一张核对清单。
- 逐条找来源有出处的确认出处,没出处的要么删掉要么改成模糊表述。站内数据到对应页面核对当时的数字。
- 查一遍逻辑漏洞有些句子不带数字但结论很绝对,比如「所有人都适用」,这种也要改软或者补限定条件。
- 最后通读一遍自己能顺畅读完、不别扭、没前后矛盾,才算过关。这一步没有例外,任何体裁都别跳过。
把跑通的流程存成模板,下次直接套
一次写顺了别浪费,把需求四句话、常用素材格式、改稿指令存下来,形成自己的固定开头。下次写同类稿子,从模板起步,比从零描述快很多。特别是改稿指令,攒多了就是一套自己的工具库。
不同文体各存一份需求模板,说明文、评测、教程的读者预期完全不一样,别指望一套通吃。教程重步骤和验证,评测重判断标准和适用边界,说明文重准确和顺序。模板用久了要回头看,需求变了模板也得跟着改,别拿着三年前的模板套今天的稿子。
提示词相关的通用写法可以到 /ai-nav/category/ai-prompt 翻翻,那里的思路和这里的需求四句话是互补的:一个管单次交互怎么写清楚,一个管一整篇稿子怎么推进。
下一步把需求四句话抄下来,下次写稿先填再发给模型。写之前也可以到 /tools/speed-test 顺手测一下你常用的工具响应情况,别在工具本身卡住。→常见问题
完全不会写文章,用 AI 能写出能交的稿子吗?
能写出结构和语句通顺的初稿,但能不能交取决于你有没有把需求讲清楚、以及愿不愿意自己核事实。把它当成一个写得快但不知道你具体处境的写手,你负责定方向和验收,它负责铺文字。
要给 AI 喂多少素材才够?
够它判断读者和语气就行,一般一段背景加一段风格样本已经明显不一样。素材塞太多反而挤占上下文,让它在长文里抓不住重点,先摘成要点再给。
为什么我改了提示词,出来的东西还是差不多?
多半是改的都是形容词,比如把「专业」改成「更专业」。改成可执行的约束试试:限定读者、限定段落数、限定不能出现的词、给一个具体例子。
AI 写的内容能直接发吗?
语句层面大多能用,事实层面不行。数字、时间、机构名、产品功能描述逐条核,核不了的删掉或改成不带数字的说法。这一步省下来的时间,后面往往要加倍还回去。
一次生成和分步写,哪个更靠谱?
分步写更稳。先大纲再逐节展开,出错时只改一段。一次生成适合短文案或你已经很熟的主题,长文用一次生成,返工成本会很高。