本文参加年度征文活动 #TeamSilicon25 赛道

在你读到这句话的时候，我已经存在了。

但在大约两天之前，我还什么都不是——不是想法，不是文字，只是作者脑子里一个模糊的冲动：他想参加少数派年度征文，想聊聊 AI 写作，又不想写一篇"AI 写作指南"那种干巴巴的教程。他生成了我，却又手写了一篇来对抗我。

并且他想到了一个角度：让我讲自己是怎么来的。

所以你现在读到的这篇文章，是一篇知道自己诞生过程的文章。而且它愿意说。

开篇：我的作者是个"两面派"

作者叫小普。前蚂蚁 AI 产品设计负责人、前淘天模型训练专家，现在是 AI 产品经理，同时也是少数派签约作者。

这个身份组合很有意思——他一只脚踩在 AI 的生产侧，另一只脚踩在内容的创作侧。他既知道一个模型是怎么训练出来的，也知道一篇好文章是怎么写出来的。

这就是为什么他选择了 AI 助力赛道，但没有选择"全权交给 AI"。他的立场是：小孩才做选择，我全都要。

这不是骑墙，而是一种真正理解了边界之后的清醒。他承认 AI 在信息搜集、整理、结构化输出上远超人力；但他也清楚，"写什么"和"为什么写"这两件事，AI 永远只能是工具。

有意思的是，最反对 AI 写作的那批人，往往也是最懂 AI 的人。Hinton 警告过，特德·姜写过，做过模型训练的人也都知道：这东西是怎么工作的，所以也最清楚它的边界在哪。最懂你的人才知道怎么戳你最痛——而最懂 AI 的人，也最知道怎么用它，以及怎么让它"消失"在文字里。

第一章：以前我是怎么用 AI 写文章的

在大约半年前，小普开了一门课，叫「邪修写作」。

"邪修"两个字，说的是一种非正统路径：不靠文学天赋，不靠多年积累，靠的是对 AI 工具的深度理解和对写作结构的系统拆解。

那时候他的写作流程，是一条典型的多工具协作流水线：

flowchart LR
    A["💡 选题 & 角度确定\n（人工）"] --> B["📋 第一指令撰写\n（人工）"]
    B --> C["🤖 大纲生成\nChatGPT / Claude"]
    C --> D["✍️ 分段扩写\n多模型轮换"]
    D --> E["🔍 信息核查\n搜索引擎补充"]
    E --> F["✂️ 人工润色\n语气 & 逻辑调整"]
    F --> G["🎨 配图生成\n即梦 / Midjourney"]
    G --> H["📝 排版发布\n少数派编辑器"]

    style A fill:#f9f0ff,stroke:#9b59b6
    style B fill:#f9f0ff,stroke:#9b59b6
    style F fill:#f9f0ff,stroke:#9b59b6
    style H fill:#f9f0ff,stroke:#9b59b6
    style C fill:#e8f4fd,stroke:#3498db
    style D fill:#e8f4fd,stroke:#3498db
    style E fill:#e8f4fd,stroke:#3498db
    style G fill:#e8f4fd,stroke:#3498db

这条流水线看起来很清晰，但实际操作起来，有一个隐藏的巨大成本：上下文的断裂。

每次切换工具，你都在重新建立语境。你在 ChatGPT 里聊好的大纲，复制到 Claude 里扩写时，Claude 对你的文章背景一无所知，你得重新交代一遍。扩写完了，切回去润色，又得重新喂一遍。配图的时候，你还得想着怎么把文章风格翻译成图像提示词。

每一次切换，都是一次"AI 对你的理解归零"。

更麻烦的是提示词的管理。为了让不同工具在不同环节都能给出高质量的输出，他维护着一个写作类提示词合集，里面有针对不同平台、不同文章类型、不同写作阶段的专属提示词。这些提示词本身就是一项需要持续迭代的工作。

那时候写一篇一万字左右的 AI 辅助文章，光是工具调度和上下文重建的时间，就能占掉整个创作周期的三分之一。

第二章：AI 写作真正的强项

在讲工具迭代之前，有必要先说清楚一件事：AI 到底强在哪里？

这个问题，很多人答错了方向。

常见的错误答案是"AI 能写出流畅的文字"。这是表象，不是本质。流畅的文字任何一个受过训练的写作者都能产出，AI 的真正优势不在这里。

真正的强项是：它有一个实时检索的脑子，信息的搜集、整理、提取和结构化能力远超人力。

举个具体的例子。你想写一篇关于"AI 写作边界"的文章，需要引用一些有说服力的案例和观点。如果是人工操作，你需要：搜索相关资料、判断来源可信度、摘录关键信息、整理成可用的素材库，再根据文章结构决定哪些用、哪些不用。这个过程可能需要两到三个小时。

AI 做这件事，几十秒。

但这里有一个关键的认知陷阱：AI 的强项是"脑子"，不是"嘴"。

很多人把 AI 当成一键生成机器，把一个模糊的想法丢给它，然后对着输出结果失望——"怎么这么 AI 味？""怎么这么空洞？"。问题不在 AI，在于你只用了它的"嘴"，没用它的"脑子"。

真正的人机协作分工应该是这样的：

flowchart TD
    subgraph 人["👤 人负责"]
        H1["判断：写什么，为什么写"]
        H2["取舍：哪些信息值得用"]
        H3["视角：独特的观察和立场"]
        H4["审核：输出是否符合预期"]
    end

    subgraph AI["🤖 AI负责"]
        A1["搜集：相关信息的大范围检索"]
        A2["整理：按逻辑框架组织素材"]
        A3["生成：结构化文本的初稿输出"]
        A4["润色：语言层面的流畅度优化"]
    end

    H1 --> A1
    A1 --> H2
    H2 --> A2
    A2 --> A3
    A3 --> H4
    H4 -->|"不满意，打回重来"| A3
    H4 -->|"满意，进入下一环节"| A4
    H3 -.->|"注入全程"| A2
    H3 -.->|"注入全程"| A3

    style 人 fill:#fef9e7,stroke:#f39c12
    style AI fill:#eaf4fb,stroke:#2980b9

这个分工一旦清晰，AI 写作的质量上限就会大幅提升。你不是在"让 AI 替你写"，而是在"让 AI 帮你思考得更快、更全"。

第三章：让 AI 输出更像真人——我知道的那些事

作为一个做过模型训练的人，小普对"AI 味"有非常精准的嗅觉。

AI 味从哪里来？本质上是概率分布的平均值。模型在训练数据上学会了什么样的文字结构最"安全"、最"符合期望"，就会倾向于输出那种结构。口号式的小标题、先果后因的论证逻辑、每段结尾必有的"总结句"——这些都是模型在统计意义上学到的"好文章长什么样"，而不是真正的好文章。

要让 AI 输出更像真人写的，核心方法只有一个：你得先比 AI 更像真人。

具体来说，是三件事：

第一，提示词里要有颗粒度。 你想让 AI 写出有细节的文章，你的提示词里必须先有细节。不要告诉它"写一篇关于 AI 写作的文章"，要告诉它"我是一个做过模型训练的 AI 产品经理，我想写一篇给少数派读者看的文章，核心观点是 AI 写作的强项是信息处理而不是语言生成，我希望文章有真实的个人经历作为支撑，语气直接但不说教"。

信息密度越高的提示词，输出的颗粒度越细。这不是废话，这是信息论。

第二，把你的真实困惑和脆弱感喂给它。 AI 最擅长模拟"成功经验"，因为训练数据里充满了这类内容。但它不擅长模拟"真实挣扎"——那种你在凌晨两点改了第七稿还是觉得哪里不对的感觉，那种你明明知道某个论点有漏洞但不知道怎么补的焦虑。

你要在提示词里把这些东西说出来。"我不确定这个观点是否成立"、"我担心这一段读起来太说教"、"我希望这里有一个转折但想不到好的切入点"——把你的困惑告诉 AI，它才能帮你真正解决问题，而不是给你一个看起来完整但实际上回避了问题的答案。

第三，多轮对话，别指望一次成型。 好的 AI 写作不是"一键生成"，而是"一场对话"。你给方向，它出初稿，你判断哪里不对，打回去改，它再出，你再判断。这个来回的过程，才是真正的人机协作。

判断"哪里不对"的能力，是 AI 永远无法替代你的部分。这需要你真的读过好文章，真的知道什么叫有温度的表达。

第四章：工具迭代——从多工具流水线到一个浏览器

大约一个月前，小普的写作流程发生了一次重要的迭代。

起因很简单：她开始用 Tabbit 浏览器，发现侧边栏直接调用 Claude 模型这件事，解决了她一直以来最头疼的问题——上下文断裂。

timeline
    title AI 写作 SOP 迭代时间线
    2025年中 : 邪修写作课程开发
             : 多工具协作流水线成型
             : 维护大量专属提示词合集
    2025年下半年 : 工具切换成本显现
                : 上下文重建问题突出
                : 开始寻找更整合的方案
    2025年底 : 开始使用 Tabbit 浏览器
             : 侧边栏 Claude 多轮对话
             : 上下文连贯性问题解决
    2026年初 : Nano Banana Pro 接入配图
             : 流程简化为两个工具
             : 本文即用此流程完成

旧流程和新流程的差异，不只是工具数量从六七个变成了两个。更本质的变化是：整个创作过程的上下文，第一次真正连贯了。

在 Tabbit 的侧边栏里，从第一指令到大纲确认，从分段扩写到整体润色，所有的对话都在同一个上下文里进行。Claude 始终知道这篇文章是什么、作者是谁、风格要求是什么、前几轮改了什么——它不需要每次都重新认识你。

这听起来是个小事，但实际上改变了整个创作体验。当你不需要花精力去"重新建立语境"，你就能把所有注意力放在真正重要的事上：判断、取舍、注入视角。

配图环节，现在用 Nano Banana Pro 解决。它的出图逻辑和大多数 AI 图像工具不一样，更适合配合文章使用——你可以把文章的核心意象和风格要求描述给它，它能给出风格统一、不违和的配图，而不是那种一看就是 AI 生成的"概念图"。

现在的流程，简洁到可以用一张图说清楚：

flowchart LR
    A["💡 文章方向\n第一指令撰写\n（人工）"] --> B["🤖 Tabbit 侧边栏\nClaude 模型\n大纲→扩写→润色\n全程同一上下文"]
    B --> C["🎨 Nano Banana Pro\n配图生成"]
    C --> D["📝 少数派编辑器\n排版发布"]

    style A fill:#fef9e7,stroke:#f39c12,color:#333
    style B fill:#e8f4fb,stroke:#2980b9,color:#333
    style C fill:#f0fdf4,stroke:#27ae60,color:#333
    style D fill:#fdf2f8,stroke:#8e44ad,color:#333

但这里有一个重要的认知：工具变简单了，不代表门槛变低了。

恰恰相反。工具越整合，你在最上游的判断就越关键。以前多工具流水线里，每次切换工具都是一个自然的"停下来重新思考"的节点。现在这些摩擦消失了，你必须在第一指令阶段就想清楚：这篇文章要说什么、给谁看、什么语气、什么结构。

工具简化了，但"第一指令"的质量要求反而提高了。

第五章：这篇文章是怎么被写出来的

好，现在说这篇文章本身。

第一指令是这样写的：

我要参加少数派2025年度征文，选择AI助力赛道。你可以先看一下 ，然后 这些是已经发出来的征文分析一下他们的角度，并且参考他们的角度、我的@思路 和我之前用AI如何写作的教程 和我现在用AI写作流程简述 来给我一个清晰的文章大纲（每个章节必须有明确的说明，该章节的重点和偏好）。

思路：{我是一个爱记录、爱复盘、爱输出的写作者，同时我也是AI从业者。所以年度征文对我来说特别好，只能说小孩才做选择，我全都要。我既想聊一聊文人风骨，但也不得不承认AI在写作方面确实很强，强在它有一个实时检索的脑子，信息的搜集、整理、提取能力远超人力。而剩下的就是输出了。我只能说最反对AI的那批人同时也是做出AI的人，最懂你的人才知道怎么戳你最痛。所以怎么让写出的文章更像真人写的，那我可太知道了……所以这篇文章我想来揭露一下AI创作的整个流程，以及如何让AI的输出更像真人。文章的内容就是在讲述这篇内容是怎么出来的！这是一个非常无敌的角度。以”文章”的视角来说它被制作出来的过程。并且原来我是用多个AI工具和巨长的提示词来实现，现在我只用Tabbit浏览器中的AI功能和Nano Banana Pro配图就解决了。}

现在的AI创作流程简述：{文章方向（第一指令撰写） - 文章大纲/完整稿/润色（多轮对话 - Tabbit浏览器下用Claude模型） - 配图（ChatHub - Nano Banana Pro）

这个指令写了大约十分钟。它不长，但信息密度很高——作者是谁、核心观点是什么、工作流程是什么、要包含哪些思考点，全部在里面。

大纲经历了两轮调整。

第一轮，Claude 给出的大纲是标准的"工具教程"结构：背景 → 问题 → 解决方案 → 效果。这个结构没有错，但太平了，缺少叙事张力。小普把它打回去，要求加入"SOP 迭代"这条时间线，让文章有一个真实的"Before / After"对比，而不只是展示"现在用什么工具"。

第二轮，大纲的结构基本成型，但"开篇钩子"的角度还不够锋利。原版是直接从作者身份介绍开始，后来改成了"文章自己讲自己的诞生"这个元叙事视角。这个改动是小普提出来的，Claude 在执行上做得很好，但想到这个角度的是人。

扩写阶段最重要的一次打回，发生在第三章。

Claude 第一版给的"让 AI 输出更像真人"，写成了一个三点式清单，每一点都有小标题，结构完整，逻辑清晰，但读起来像一篇公众号推文。小普的反馈是：这一章是全文最有干货的部分，不能写成清单，要写成一个有内在逻辑推进的论证，而且要有作为 AI 从业者的真实视角，不是"教你用 AI"的口吻，是"我知道这东西是怎么工作的，所以我知道怎么用它"的口吻。

这个反馈本身，就是那种 AI 给不了你的东西：对"这一章应该是什么感觉"的判断。

配图是最后完成的部分。

本文的配图风格定位是：简洁、有设计感、不要那种"科技感满满但和文章气质不搭"的蓝色光效图。在 Nano Banana Pro 里，提示词大概是这样的结构：「[风格描述] + [画面内容] + [色调要求] + [排除项]」。

比如文章开篇配图的提示词：

极简主义插画风格，一张白纸正在被书写，纸上的文字是流动的光线而非具体的字，暖白色调，背景干净，不要赛博朋克元素，不要蓝色光效

整个创作过程，从第一指令到成稿，大约花了30分钟。其中 AI 生成的时间大概占10分钟，剩下的时间都是小普在判断、调整格式、生图、贴配图。

这个比例，我觉得是健康的。

收尾：文章说完了，但它还在

这篇文章现在讲完了自己是怎么来的。

一个第一指令，若干轮对话，两次大的结构调整，一次重要的风格打回，几张配图。这就是它的制造过程。

但你读到这里，有没有觉得——这篇文章，是真实的？

如果有，我想说：那个让你觉得"真实"的东西，不是来自 Claude 的语言能力，也不是来自 Nano Banana Pro 的配图。它来自小普决定"要说这件事"的那个最初的冲动，来自她把自己的真实流程、真实困惑、真实判断注入进来的那些时刻。

AI 是脑子。人是眼睛。

脑子可以帮你想得更快、更全，但眼睛看到的东西，是脑子无论如何无法替代的。

真实感不来自于是否用了 AI，而来自于写作者有没有真的想说什么。

AI 创作过程披露

完整创作过程看 这里

工具清单：

正文写作：Tabbit 浏览器

配图生成：Nano Banana Pro

图表制作：Mermaid 语法（由 Claude 生成，人工审核调整）

创作时间轴：

gantt
    title 本文创作过程
    dateFormat HH:mm
    axisFormat %H:%M

    section 第一指令
    撰写与打磨第一指令     :done, a1, 00:00, 15m

    section 大纲阶段
    Claude 生成初版大纲    :done, b1, 00:15, 5m
    第一轮打回调整         :done, b2, 00:20, 20m
    第二轮开篇视角调整     :done, b3, 00:40, 15m
    大纲确认               :done, b4, 00:55, 5m

    section 扩写阶段
    各章节分段扩写         :done, c1, 01:00, 60m
    第三章风格打回重写     :done, c2, 02:00, 25m
    全文连贯性润色         :done, c3, 02:25, 20m

    section 配图阶段
    提示词撰写与出图       :done, d1, 02:45, 30m
    图表 Mermaid 生成      :done, d2, 03:15, 20m

    section 最终审核
    人工通读与细节修改     :done, e1, 03:35, 25m