如何用AI写作?

过去半年,我如何用AI高效写作,节省数倍时间

过去六个月,我几乎所有文章都用AI辅助完成。我的朋友——大多是文字工作者,对语言极为敏感——都说看不出我的文章是AI写的还是亲手创作的。

我的AI写作灵感部分来自丘吉尔。这位英国前首相不仅是政治家,还摘得诺贝尔文学奖,生涯产出千万字的文字。试想,丘吉尔哪有时间每天伏案敲打打字机?

丘吉尔的秘诀是口述。他口述核心想法,由速记员记录初稿,再交由秘书润色。大人物的写作往往如此:提供关键要点和思路,助手便能将其转化为完整文章。

如今,AI让每个人都能像大人物一样写作。只需对着手机说出想法,十分钟后,AI就能将零散的语言整理成结构清晰、保留个人风格的文章。

通过AI写作,我的文字工作效率提升了2到3倍。过去一篇3000字的文章需要一整天,现在从口述到润色只需不到两小时。

以下是我总结的AI写作方法,包含详细步骤和实用技巧。


一、输入决定输出:信息质量是关键

很多人抱怨AI写作平庸,充满“AI味”。问题不在于技术,而在于输入的信息质量。

AI大模型擅长信息压缩。如果输入的内容单薄,它只能用空洞的套话填充。因此,提供丰富、优质的信息是创作者的核心价值。

我总结了三种提升输入质量的方法:

  1. 穷举法 :让AI搜索网络上的相关内容。如果AI无法联网,可用Perplexity等工具收集信息后输入。这种方法信息全面,但AI可能误判信息的优先级,尤其在垂直领域。

  2. 索引法 :通过可信信息源筛选内容。例如,写科技新闻,我会参考The Information等权威媒体;写人物故事,我会输入Lex Fridman播客的转录文本。关键是找到领域内的“信任节点”。

  3. 口述法 :适合原创内容,尤其是细分领域、时效性话题或独特观点。我会用语音记录5-6分钟的想法,生成4-5条核心内容,AI再将其整理成提纲。熟练后,我能一次性口述20分钟,AI转录后结构化。

口述法提供独一无二的原创内容,网上难以找到类似信息,因此文章充满个人特色,读起来不像AI生成。


二、口述法操作指南

以下是口述法的具体步骤:

第一步:语音记录

使用飞书、讯飞或任何语音转录工具,将想法转为文本。像自言自语一样说出所有相关内容,不必在意逻辑或语病,尽可能多说。一般5-6千字的口述可生成2-3千字的文章。

第二步:整理提纲

将转录文本输入AI,添加以下指令:

我要写一篇标题为《xxxxx》的文章,内容讲述xxxx。这是我的口述转录,逻辑可能混乱,包含错字或语病。请整理出一份简洁的提纲,等待我的进一步指示。

AI会生成清晰的提纲。修改提纲是关键环节,能让你深度参与创作,融入更多原创想法。例如,可以要求AI“将第三部分的案例移到开头”或“用更具冲击力的故事替换开场”。这种交互确保文章摆脱平庸,达到80-90分的水平。

不过,AI生成的提纲通常已较为完善。这篇文章的提纲我就未作修改。

第三步:基于提纲撰写全文

让AI按提纲写作,指令如下:

请按照提纲撰写全文,使用流畅的自然语言,避免罗列要点。保留我的语言风格,适当引用原话。避免滥用形容词和副词,用简洁的动词和名词表达。

对于2000字以下的文章,可一次性生成。超过2000字,建议分段写作(如先写第一部分,再写第二部分),以确保AI投入更多注意力,避免敷衍。

每部分完成后,可要求AI针对具体段落进行调整,确保表达更贴合需求。

第四步:核查与润色

让AI核查文章的数据和表述:

请仔细核对文章中的数据和关键表述,与原始资料一一对应。确保每个案例有说服力、支持论点,信息来源可靠、细节准确。

将文章重新输入AI,核查数据和例证的准确性。建议使用稳定性高的模型(如Claude 3.7 Sonnet),避免幻觉率高的DeepSeek R1。

最后,手动调整个别词句,使语言更生动自然。


三、模型与工具推荐

推荐模型 :Claude 3.7 Sonnet、Gemini 2.5 Pro、Qwen 3

首选 :Claude 3.7 Sonnet。它执行指令精准,输出稳定,文风简洁平实,适合写作。

模型能力排序 :Claude 3.7 Sonnet ≈ DeepClaude > Gemini 2.5 Pro > ChatGPT 4.5 > Qwen 3 > DeepSeek R1

其他模型特点

  • Gemini 2.5 Pro :支持超长上下文(可处理十几万字),几乎免费,但输出偶尔不稳定,语气词或文风可能生硬。
  • ChatGPT 4.5 :指令执行准确但缺乏特色,价格较高。
  • DeepSeek R1 :文风夸张,常堆砌科幻术语,不适合直接写作。
  • Qwen 3 :指令执行准确,文风稳定,幻觉较少,国内可免费使用。
  • DeepClaude :结合DeepSeek的推理能力和Claude的写作能力,略优于Claude 3.7 Sonnet,但优势不明显。

四、实用技巧

1. 设定个人写作风格

我将自己写过的文章存入文件夹,喂给AI并用以下指令总结文风:

请分析这些文本,总结我的写作风格,形成结构化的要点。

总结的文风可用于穷举法和索引法,为非原创内容注入个人特色。例如,我的文风是:

  • 直接简洁,逻辑紧凑,避免拖沓
  • 以具体案例开篇,段落短小
  • 常用“所以”“因此”推进论述
  • 禁止空洞的氛围烘托句
  • 结尾突出核心观点,避免模糊词如“可能”“似乎”
  • 从小切口切入大主题,注重数据和案例
  • 善于挖掘规律,敢于表达独特观点

当处理超长口述(如几万字)时,我会在撰写全文的指令中加入文风总结,确保AI输出贴合我的风格。

2. 长文本处理

对于非原创内容,我会将领域内的PDF文章输入AI,先让AI总结成结构化要点,再用这些要点指导写作。这样既节省token,又提高准确性。


五、总结:提升AI写作的关键

  1. 分步执行 :先生成提纲,再写全文,强制AI更专注。
  2. 具体指令 :对提纲提出明确修改要求,增加交互。
  3. 简化指令 :让工作流自然形成,避免复杂指令。
  4. 文风控制 :要求自然语言,保留个人特色。

最核心的一点:AI无法写出超越你认知的内容。正如维特根斯坦所说,“语言的边界就是世界的边界”。清晰表达需求的前提,是对事物有深入的思考。想要在职场中脱颖而出?点击→立即尝试 让 AI 成为你职业成功的加速器!🚀

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.pswp.cn/pingmian/83294.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

什么是trace,分布式链路追踪(Distributed Tracing)

在你提到的 “个人免费版” 套餐中,“Trace 上报量:5 万条 / 月,存储 3 天” 里的 Trace 仍然是指 分布式链路追踪记录,但需要结合具体产品的场景来理解其含义和限制。以下是更贴近个人用户使用场景的解释: 一、这里的…

[免费]微信小程序网上花店系统(SpringBoot后端+Vue管理端)【论文+源码+SQL脚本】

大家好,我是java1234_小锋老师,看到一个不错的微信小程序网上花店系统(SpringBoot后端Vue管理端)【论文源码SQL脚本】,分享下哈。 项目视频演示 【免费】微信小程序网上花店系统(SpringBoot后端Vue管理端) Java毕业设计_哔哩哔哩_bilibili 项…

PyTorch——DataLoader的使用

batch_size, drop_last 的用法 shuffle shuffleTrue 各批次训练的图像不一样 shuffleFalse 在第156step顺序一致

【Linux】基础文件IO

🌟🌟作者主页:ephemerals__ 🌟🌟所属专栏:Linux 前言 无论是日常使用还是系统管理,文件是Linux系统中最核心的概念之一。对于初学者来说,理解文件是如何被创建、读取、写入以及存储…

【JAVA后端入门基础001】Tomcat 是什么?通俗易懂讲清楚!

📚博客主页:代码探秘者 ✨专栏:《JavaSe》 其他更新ing… ❤️感谢大家点赞👍🏻收藏⭐评论✍🏻,您的三连就是我持续更新的动力❤️ 🙏作者水平有限,欢迎各位大佬指点&…

TDengine 的 AI 应用实战——电力需求预测

作者: derekchen Demo数据集准备 我们使用公开的UTSD数据集里面的电力需求数据,作为预测算法的数据来源,基于历史数据预测未来若干小时的电力需求。数据集的采集频次为30分钟,单位与时间戳未提供。为了方便演示,按…

D2000平台上Centos使用mmap函数遇到的陷阱

----------原创不易,欢迎点赞收藏。广交嵌入式开发的朋友,讨论技术和产品------------- 在飞腾D2000平台上,安装了麒麟linux系统,我写了个GPIO点灯的程序,在应用层利用mmap函数将内核空间映射到用户态,然后…

深入了解linux系统—— 进程间通信之管道

前言 本篇博客所涉及到的代码一同步到本人gitee:testfifo 迟来的grown/linux - 码云 - 开源中国 一、进程间通信 什么是进程间通信 在之前的学习中,我们了解到了进程具有独立性,就算是父子进程,在修改数据时也会进行写时拷贝&…

设计模式——模版方法设计模式(行为型)

摘要 模版方法设计模式是一种行为型设计模式,定义了算法的步骤顺序和整体结构,将某些步骤的具体实现延迟到子类中。它通过抽象类定义模板方法,子类实现抽象步骤,实现代码复用和算法流程控制。该模式适用于有固定流程但部分步骤可…

Python使用

Python学习,从安装,到简单应用 前言 Python作为胶水语言在web开发,数据分析,网络爬虫等方向有着广泛的应用 一、Python入门 相关基础语法直接使用相关测试代码 Python编译器版本使用3以后,安装参考其他教程&#xf…

吴恩达机器学习笔记(1)—引言

目录 一、欢迎 二、机器学习是什么 三、监督学习 四、无监督学习 一、欢迎 机器学习是当前信息技术领域中最令人兴奋的方向之一。在这门课程中,你不仅会学习机器学习的前沿知识,还将亲手实现相关算法,从而深入理解其内部机理。 事实上&…

java笔记08

多线程&JUC 1.什么是多线程 1.什么是多线程?有了多线程,我们就可以让程序同时做多件事情 2.多线程的作用?提高效率 3.多线程的应用场景?只要你想让多个事情同时运行就需要用到多线程比如:软件中的耗时操作、所有…

【仿muduo库实现并发服务器】使用正则表达式提取HTTP元素

使用正则表达式提取HTTP元素 1.正则表达式2.正则库的使用3.使用正则表达式提取HTTP请求行 1.正则表达式 正则表达式它其实是描述了一种字符串匹配的模式,它可以用来在一个字符串中检测一个特定格式的字串,以及可以将符合特定规则的字串进行替换或者提取…

显示即战略:铁电液晶如何成为 “数字中国” 的 “像素基石”?

一、显示技术:数字时代的核心战略支点 (一)从 “视觉窗口” 到 “战略基础设施” 在数字经济蓬勃发展的当下,显示技术早已超越了单纯的 “视觉呈现” 范畴,成为连接人与数字世界的关键接口。从智能手机、平板电脑到车…

适合小白的超详细配置YOLOv8教程(毕设必看)(训练自己数据集)(Pycharm保姆级安装教程)(lablme的使用)(GPU版)

目录 1.Pycharm的安装和虚拟环境调用(已经安装好的可以跳过此步骤) 1.1 下载pycharm软件 1.2 调用已创建虚拟环境(调用上一篇教程中创建好的虚拟环境) 2.标注自己数据集(已有数据集的这部分可跳过) 2.1…

EC800X QuecDuino开发板介绍

支持的模组列表 EG800KEC800MEC800GEC800E 功能列表 基本概述 EC800X QuecDuino EVB 搭载移远 EC800 系列模组。支持模组型号为: EC800M 系列、EC800K 系列、EG800K 系列、EC800E 系列等。 渲染图 开发板的主要组件、接口布局见下图 资料下载 EC800X-QuecDui…

Unity + HybirdCLR热更新 入门篇

官方文档 HybridCLR | HybridCLRhttps://hybridclr.doc.code-philosophy.com/docs/intro 什么是HybirdCLR? HybridCLR(原名 huatuo)是一个专为 Unity 项目设计的C#热更新解决方案,它通过扩展 IL2CPP 运行时,使其支持动态加载和…

类 Excel 数据填报

类 Excel 填报模式,满足用户 Excel 使用习惯 数据填报,可作为独立的功能模块,用于管理业务流程、汇总采集数据,以及开发各类数据报送系统,因此,对于报表工具而言,其典型场景之一就是利用报表模…

MySQL 8.0 OCP 英文题库解析(十)

Oracle 为庆祝 MySQL 30 周年,截止到 2025.07.31 之前。所有人均可以免费考取原价245美元的MySQL OCP 认证。 从今天开始,将英文题库免费公布出来,并进行解析,帮助大家在一个月之内轻松通过OCP认证。 本期公布试题81~90 试题81:…

JavaScript 性能优化实战:从原理到框架的全栈优化指南

在 Web 应用复杂度指数级增长的今天,JavaScript 性能优化已成为衡量前端工程质量的核心指标。本文将结合现代浏览器引擎特性与一线大厂实践经验,构建从基础原理到框架定制的完整优化体系,助你打造高性能 Web 应用。 一、性能优化基础&#x…