過去這一周，我收到了許多反饋，很多朋友、讀者、同事都分享了他們的AI使用體驗。這些反饋讓我發現了一個重要問題：AI寫作最大的挑戰并不在于寫作技巧，而在于信息輸入的質量。

為什么？因為AI就像是一個食品加工廠，它能夠把你輸入的原料加工成味道還不錯的成品，但如果你給的食材 質量很差，那AI最多只能讓它達到及格線，而不可能讓成品變得更好。

AI大模型其實是在壓縮信息，你提供的數據和指令都會被它壓縮處理。如果我們提供的信息不夠豐富，不夠優質，AI就會用一些似是而非的「水話」來填補內容，就像一個沒有一手素材的記者一樣。

所以，經過這一周的反饋與實踐，我越來越確信：對于AI來說，信息的輸入比輸出更重要。

寫作技巧人人都能學。但是能給AI提供什么樣的原料，才是創作者的核心價值。只有給AI提供足夠好的原料，它才有機會生產出堪比你自己寫作水平的內容，而不是輸出一堆沒有價值的廢話垃圾。

接下來，我會從提高信息輸入質量、AI寫作實踐、融入工作流，這三個方面來分享如何使用AI。這些方法和經驗，都來我的工作實踐，希望能幫助大家用好AI，真的用AI提高兩到三倍的文字工作效率。

提高信息輸入質量

我發現有三種方法可以提高AI的信息輸入質量。這三種方法背后其實有一個統一的邏輯：要么互聯網上已經有了足夠優質的信息，那你要做的就是把這些信息找到并提供給AI；要么互聯網上沒有優質信息，那你就需要把自己的想法盡可能豐富詳細地告訴AI。

1. 窮舉法：讓AI幫你搜集信息

窮舉法其實很簡單，就像DeepSeek R1開啟聯網搜索一樣，讓AI去搜索互聯網上所有關于你想要寫作主題的內容。這種方法的優點是信息面夠廣，能快速獲取大量相關信息。

不過現在大部分AI模型都沒有聯網功能，但有個替代方案：你可以用秘塔搜索或Perplexity這類AI搜索工具，直接搜索相關主題的所有新聞，然后把搜索結果粘貼給你使用的大模型，相當于人肉實現聯網功能。

但窮舉法最大的問題是：你把判斷信息重要性的工作交給了AI。AI并不像我們人類一樣真正懂得某個領域里什么信息是重要的，它只是基于概率統計來判斷。在大多數情況下它可能是對的，但對于一些垂直細分的領域，它很可能判斷不準。這部分工作還是需要人來做。

2. 索引法：找到你信任的信息節點

基于窮舉法的局限，我發展出了第二個方法：索引法。

索引法的關鍵在于找到可信任的信息節點。 比如我要寫一篇AI領域的新聞，我會選擇The Information這樣的可靠媒體，因為它經常報道重要的獨家新聞，前兩天就報道了蘋果選擇和阿里巴巴合作的消息。

如果要寫一篇沒有時效性的內容，比如我要寫一期科普AI芯片的視頻腳本，我會去找Lex Fridman的播客，他和Jim Keller錄過節目，這期播客的質量很好，我會把文字稿直接喂給AI。而我知道Jim Keller重要，是因為我在做一期關于蘇姿豐的視頻，查資料時發現了Jim Keller是偉大的芯片工程師，現在創業做AI芯片。

索引法需要你對要寫的領域有一定了解，至少了解這個領域的信息渠道。你要知道哪些信息源是可靠的，可以通過權威媒體、播客主播、KOL等這些「信任節點」來篩選信息。

甚至你還可以通過權威人物的書或文章，比如張忠謀的自傳，來了解芯片領域真正重要的人物。

3. 口述法：讓AI結構化你的原創想法

前兩種方法都是建立在互聯網上已有優質信息的基礎上。但如果你要寫的是相對細分的、有時效性的，或者非常原創的內容，那就需要用到第三種方法：口述法。

比如這篇《AI寫作指南2.0》，互聯網上關于AI寫作指南的優質內容并不多，而且我想表達的很多是自己的原創觀點。

這時，我會用語音記錄軟件記錄下自己的想法，可能一次記錄五六分鐘，記錄四五條。然后把這些語音轉成文字，讓AI幫我梳理成提綱，再對著提綱繼續口述具體內容。此時此刻，我正對著電腦口述。

口述法的具體步驟是：

-記錄零散想法： 在日常思考過程中，隨時使用語音記錄軟件，記錄下關于寫作主題的各種想法、觀點、案例等。

-AI梳理提綱： 將語音轉錄的文本，直接提供給AI，指令其梳理成結構化的文章提綱。

-對著提綱口述： 基于AI生成的提綱，對著提綱逐條展開口述，詳細闡述每個要點的具體內容。

-AI生成全文： 將口述內容再次提供給AI，指令其將口述內容整理成結構嚴謹的提綱，再根據提綱寫作語言流暢的完整文章。

口述法的重點是利用AI強大的結構化能力，把我們零散的想法整理成邏輯嚴密的內容。因為我提供的都是原創的、互聯網上沒有的內容，即使AI在信息壓縮的過程中會損失一些細節，最終寫出來的文章也會充滿個人特色和細節，讀起來一點都不像是AI生成的。

這三種方法，本質上都是在解決一個問題：如何給AI提供足夠優質的原料，讓它能夠產出高質量的內容。

窮舉法適合需要快速獲取大量信息，進行初步了解的場景；索引法適用于需要深入研究特定領域，獲取高質量、權威信息的場景；口述法適用于需要輸出原創性內容，表達個人深度思考的場景。

就像一開始說的，AI大模型就是個食品加工廠，原料的質量決定了成品的上限。

AI寫作實踐

在中，我分享了AI寫作的一些基本技巧。這次從信息輸入的角度，我會更新一些寫作方法。

首先還是復習一下原則。AI寫作核心原則就是八個字：先寫提綱，再寫全文。

我們所有的寫作思路都是圍繞著一個目標：減少AI的幻覺，讓AI更準確地執行我們的想法。先寫提綱，是控制AI寫作方向，減少AI幻覺，體現人的意志的關鍵。

特別是對于1000字以上的內容，我們不僅要寫提綱，還要分段寫作。比如一篇3000-4000字的文章，在有了提綱后，先讓AI寫開頭，看看文風是否OK，用的案例合不合適，有沒有語病。確認沒問題后，再讓它寫中間部分和結尾。

為什么要這么做？因為AI在寫長文時會"偷懶"，會過度壓縮信息。通過分段寫作，我們能更好地控制輸出質量，確保每個部分都符合預期。

在具體的AI寫作實踐中，我們需要根據議題的熟悉程度，采取差異化的信息輸入策略。

對于我們自己足夠熟悉的議題，選擇口述法。比如，AI寫作是我足夠熟悉的領域，我就可以直接口述，充分利用AI的結構化能力，快速把我的思路轉化為文章。

就像領導向秘書口述演講稿一樣，我們可以直接向AI口述我們的想法，然后讓AI幫助我們生成提綱，并根據提綱寫出全文。 這種方法的優勢在于高效，能夠快速地將我們腦子里的想法轉化為文字輸出。

對于我們自己不熟悉的議題，選擇窮舉法、索引法。比如，當我要寫一期關于AI芯片的腳本，而我卻毫不了解AI芯片。 這時候，我們需要結合提問和信息輸入。首先不斷地向AI提問，例如 「這個領域的核心概念是什么？」 「它的創新點在哪里？」「它的發展邏輯是什么？”」……逐步建立起對該議題的初步認知框架。

然后，我們需要主動為AI提供優質信息，例如相關的論文、書籍、行業報告等等， 幫助AI更深入地理解該領域。 在信息輸入的基礎上，再先寫提綱，再寫全文，長文分段寫。

還有一個小技巧。 在和AI的會話里，如果對話輪數過多，容易出現對話崩潰或者Token消耗過快。這時候，我們導出當前對話的內容，直接告訴AI 「請導出我們剛剛聊天的紀要，以便我們能在新對話里繼續」， 這樣來避免對話崩潰，節省點Token。

那么，如何確保AI輸出內容的準確性呢？

最簡單的辦法是，你可以直接在對話中讓AI核查內容：「請你仔細核對這篇文章里的所有數據和關鍵表述，并從資料里找出原文一一對應」。AI檢查完后，你再人工核對一次。

更有效的辦法是選擇更穩定的AI模型。如果只選擇一個模型，我并不推薦使用DeepSeek R1來進行工作，因為它的幻覺率太高。

關于DeepSeek R1幻覺率高的原因，可以看看我做的視頻??

如果只選擇一個模型，我推薦使用Claude 3.5 Sonne或Gemini 2.0 Flash Thinking。

Claude雖然不是推理模型，但它寫出來的內容足夠準確，幻覺相對較少，工作使用比較安心。而Gemini 2.0 Flash Thinking非常厲害，它能一次性寫上萬字的文章，并且邏輯嚴密，幾乎沒有幻覺。Gemini的缺點是文筆普通，正適合工作場景而不是創意寫作。

現在還有一些很有意思的開源項目，可以綜合幾種大模型的能力。比如DeepClaude就縫合了DeepSeek和Claude，讓DeepSeek來推理，Claude來寫作。

這是我朋友開源的項目（github.com/ErlichLiu/DeepClaude），我認為這是目前最強的AI寫作方案。過去一個月我幾乎所有工作，包括這篇文章，都是用DeepClaude寫出來的。如果你不想自己部署這個開源方案，也可以找他購買DeepClaude API。

（插播一條廣告，用我的鏈接購買DeepClaude API，有95折特別優惠

https://erlich.fun/deepclaude-pricing?promotion=promo_1QsQVWRoXYLj9o55RbU6dIXY）

最后是Prompt。Prompt的本質是對自己工作流的總結。Prompt本身并不重要，重要的是跑通自己的工作流。網上有很多Prompt模版，但模版沒法直接套用到稍微復雜一點的工作場景里。

正確的使用方式是：先把一個工作流程跑通，當你用AI寫出一篇滿意的文章后，直接在會話里讓它「生成一個Prompt，確保在新的對話中也能寫出同樣的文章」。當然，這個Prompt的準確率可能在60-90分之間浮動，需要你不斷調整優化，就像遺傳代碼一樣不斷進化。

總的來說，這些技巧都不重要，模型選擇也不重要，即使是幻覺比較嚴重的模型，只要你仔細檢查，依然是能用的。

重要的是想法，是相信AI的寫作能力確實比人類更強，我們要做的是通過這些工程化的方法，確保AI準確理解和執行我們的想法，來提高我們的文字工作效率兩到三倍。

AI融入工作流

現在我們來思考一個更大的問題：如何把AI真正融入到我們的工作中？

AI當然不止是一個寫作工具，更重要的是將AI融入到我們的工作流中，用AI加持的工作流來重塑內容生產方式，甚至提升組織的整體能力。

要理解AI融入工作流的重要性，我們需要重思考工作的本質。 現代社會大部分工作都是白領工作，而白領工作的本質就是文書工作，只是這些寫作任務分散在工作流的各個環節中 - 寫周報、寫郵件、寫報告、做PPT、寫文案等等。

盡管AI可以立即顯著提高文字工作效率，但并不能立即提高我們的整體工作效率。

原因在于，白領工作的寫作，不是孤立存在，而是存在與工作流里，高度依賴上下文信息。 它需要信息輸入——來自上一個工作環節的成果、來自同事或老板的指示、來自各種數據資料； 也需要信息輸出——將工作成果匯報給上級、傳遞給下屬、或者與客戶溝通。 我們的文字工作，就像一個復雜的API接口，嵌入在整個工作流程之中，與各種內部和外部系統進行數據交換。

那么，如何將AI融入工作流，讓AI的智力流入需要文字工作的各個環節？

核心思路在于拆解與重構。

我們需要重新思考我們的工作流，仔細分析每個環節，判斷哪些環節是必須由人親自完成的，例如見客戶、和老板溝通這種需要建立人際關系的工作；哪些環節是可以被AI替代的，例如信息搜集、初稿撰寫、數據分析等等。

對于那些可以被AI替代的環節，我們需要盡可能地將其模塊化、API化， 建立起一套標準化的工作流程，方便AI高效地接入和執行。

最近一個月的實踐，讓我特別理解工作流的重要性。拿我的工作短視頻編導來說，我把一分半以內的短平快內容完全拆分出來，交給實習生處理。我給了實習生一個非常詳細的工作流程：用具體哪個版本的大模型，什么prompt來寫腳本，如何確保數據準確，具體的剪輯工具是什么，詳細到需要在工作群里@誰來制作視頻封面。

好處非常明顯，我不再需要做這些相對標準化的內容。我可以把精力放在更有創造性的工作上，比如探索新的內容形式，制作三分鐘以上的深度內容。

我現在每月在AI工具上的支出不到400塊錢，但這相當于招了幾個執行能力很強、邏輯清晰、文筆比我好的員工。

這種變化會帶來什么？我覺得會徹底改變公司的組織模式。

現在的公司結構是一個領導帶著十幾個下屬組成團隊。但在AI時代，會變成一個人指揮多個AI Agent。就像現在我雖然只有一個實習生，但實際上我在指揮DeepClaude、Claude、Gemini這些可以隨時響應、能在一分鐘內寫出上萬字文章的員工。

有個很形象的比喻：產品經理把研發當AI用，老板把產品經理當Agent用。

我們的工作現狀的確是這樣的。公司組織里，絕大部分工作內容就是在理解指令、執行指令，處理特定場景的任務，并不需要真正的原創思考。

我們現在需要做的是，不斷拆解自己的工作，找出必須自己做的工作，然后讓AI來執行絕大部分可以模版化的工作。

當我探索出一種新的內容形式，完全可以把它模板化、工作流化，然后交給實習生或直接交給AI來執行。一年到半年內，我可能還需要實習生來執行這些工作流，但隨著大模型本身和Agent應用的發展，這些工作完全可以交給AI來做。

現在已經有很多平臺在提供工作流搭建的功能，比如dify、coze用來搭建工作流。這些工具讓我們能夠把工作流標準化，讓AI執行其中的具體環節。

最重要的是，我們要重新思考自己的工作流，把自己的工作流程總結成可執行的指令。每個工作環節都應該有對應的Prompt，通過不斷迭代來提高效果。

這才是我們在AI時代的核心競爭力：探索新的工作流的能力，把工作流指令化、模板化的能力。

AI的機會是迪士尼

我看到的，AI的機會是讓每個創作者建立自己的迪士尼。

上一輪內容行業的結構性機會，在于內容分發側的創新。張一鳴看到了內容分發的結構性機會，用算法取代了傳統的訂閱制和編輯分發模式。內容分發側結構性改革，誕生了字節跳動和抖音。

AI帶來的結構性機會，在于內容生產側的創新。 就像迪士尼，迪士尼最厲害的是什么？是他們能夠批量生產創意性的內容。每一部迪士尼電影，基本都能保持在80分以上的水準。更重要的是，迪士尼能給內容附加情緒價值。直到今天，我想到米老鼠、唐老鴨這些經典IP，依然會感到開心。我逛迪士尼樂園，真心覺得那里是世界上最快樂的地方。

現在，AI給了我們一個「再造迪士尼」的機會。因為AI可以提供更加標準化的內容生產能力，而且會變得越來越聰明。我教實習生用AI的時候，突然意識到一點，AI是絕對標準化的，只要輸入相同信息和指令，AI生成的內容質量就是完全一致的，不存在傳統內容行業，培訓新人需要反復練習、可能要半年才能符合標注的情況。

AI最重要的價值是，真正讓智力工業化，讓智力可以批量生產了。我相信一到兩年內，所有內容機構的內容生產效率至少會提高兩到三倍。這意味著內容供給將趨近于無限。

內容供給趨近無限之后，真正的稀缺資源是什么？是能給內容注入情緒的能力，是能讓用戶產生情感共鳴的能力，是能把AI這種標準化的生產力轉化為獨特價值的能力。

就像是的標題，當智力無限供應之后，智力的容器比智力本身更重要。創作者應該專注于設計內容的容器，就像農夫山泉的瓶子一樣，讓標準化的優質內容裝在合適的容器里。

內容創作者的核心競爭力是選題、情緒和獨家案例。內容機構的核心競爭力，則是設計出高效的工作流和高級的內容容器。

就像迪士尼不僅僅是一家電影公司，而是一個完整的內容生態系統。在AI時代，內容創作者應該做的事情，是用新技術建立自己的迪士尼。

《AI寫作指南2.0》的核心觀點，可以概括為一句話：信息的輸入比輸出更重要。因為當內容生產的中間環節標準化之后，輸入完全決定了輸出。

如何建立起高效的食品加工廠，如何找到好的食材，以及如何為生產出來的食材裝進合適的容器，則是我們這一代內容創作者的核心問題。