Skip to content

AI 写作工作流:从大纲到成稿 ​

本篇要点:你能把一个模糊的写作需求变成可执行的四步流程,并且知道哪一步绝不能交给 AI。 前置文章:《AI 检索与研究:从提问到可信结论》产出了核过的笔记,这一章把笔记变成别人愿意读完的文字。

一、为什么需要它 ​

2026 年 8 月,一位读者让我看一篇他用 AI 写的技术博客。三千字,结构完整,每节都有小标题,全篇没有错别字。

我从头读到第二段就停了。第二段原话是这样的:

text
在当今数字化转型的背景下,消息队列已成为现代架构不可或缺的一环。

这句话可以放进一万篇文章里,一个字都不用改。

他问我怎么改。我说不用改句子,你这个稿子的顺序反了:你是先让 AI 写完全文,再回头想自己要说什么。

写作的痛苦集中在结构,而不是句子。结构对了,句子差一点读者也能跟上;结构错了,句子再漂亮也只是排版整齐的空话。

AI 在这个环节的能力分布很偏:它在"把一段话改顺"上非常强,在"这篇稿子该怎么组织"上非常弱,因为它不知道你的读者是谁、你已经说过什么、你这次想证明什么。这三件事只有你有。

二、核心概念 ​

2.1 结构先行:先定骨架,再填肉 ​

四步流程,顺序不能换。

第一步,用一句话写清这篇要给谁看、看完他要做什么。注意是"做什么",不是"了解什么"。"让新同事读完能独立跑一次发布",比"介绍发布流程"有用得多。

第二步,列 3–6 个小节标题,每个标题是一个判断句,不是名词短语。"缓存要先预热"是判断句,"缓存预热"是名词短语。名词短语拼起来的大纲,写出来必然空。

第三步,给每节指定证据。这节靠哪个数据、哪次事故、哪段代码支撑。没有证据的节,要么删掉,要么标注"这里我还没查到"。

第四步,才让 AI 展开。一次展开一节,不要一次展开全文。

为什么要一节一节来?因为一次给你三千字,你只会从头读到尾说"还行",然后发出去。一节一节来,你会在第二节就发现方向不对。

2.2 读者适配:三处参数 ​

同一份内容,给三种读者看,要调的只有三处。

读者开头从哪切入术语处理结尾给什么
同行工程师一个具体故障或反直觉结论直接用,不解释可复现的做法与代价
管理者一个决策困境或成本数字首次出现给中文+英文选项、风险、建议
完全外行一个他经历过的场景每个术语一句话解释一个能立刻试的动作

表 6-1 三类读者的三处差异

最常犯的错是混着写:开头像给外行、中段像给同行、结尾像给领导。读者读到一半会觉得"这不是写给我的"。

判断你混没混,看术语密度是否均匀。均匀说明你一直在为同一类人写;忽高忽低说明你在猜。

2.3 素材投喂:给片段,不给全文 ​

写稿时投喂素材,一个反直觉的结论:给三段原文摘录,比给一整篇参考文章效果好。

给全文时,模型会不自觉地模仿参考文章的结构和口吻,最后写出来是那篇的影子。给摘录时,它只拿到事实,组织方式还得按你的大纲来。

摘录要带上下文一句话,说明这段是支持还是反驳你的观点。只给结论不给立场,它会把反对意见写成支持。

2.4 去 AI 味:六条硬规则 ​

"AI 味"不是玄学,是一组可以逐条对照的特征。六条最明显的:

  1. 每段长度接近。人写的段落长短交错,模型写的往往每段都是四五行。
  2. 每段末尾有总结句。人不会每段都收一次口。
  3. 三段式排比。"不仅……而且……更……"。一次是修辞,每节都有就是模板。
  4. 空词堆叠。下面这一排词,删掉之后句子意思不变,说明它本来就没信息:
text
赋能 抓手 闭环 生态 深度 显著 充分 有力 有效

判断方法很土:把词划掉再读一遍,读得通就是空词。 5. 所有观点都是"既要又要"。没有明确立场,什么都不得罪。 6. 结尾喊口号。三句一组、四字一词的那种收尾,读完不带任何信息。

对照这六条改,比让 AI"写得更像人"有效得多。后者它做不到,因为它不知道你指的是哪六条。

反例改写:

改前:

text
在当今快速迭代的技术环境下,建立完善的监控体系至关重要,它不仅能提升
故障响应效率,更能为业务连续性提供坚实保障。

改后:

text
监控的价值不在看板好看。上周那次故障,我们从报警到定位用了 41 分钟,
其中 30 分钟花在确认"这个报错到底是不是新出现的"。有历史基线,
这 30 分钟能省掉。

第二段有具体数字、有具体场景、有一个能被反驳的判断。

2.5 事实核验:三个必查位置 ​

稿子里有三个位置的事实错误代价最高,必须逐一核。

数字:所有百分比、金额、耗时、版本号。核的方法不是再问一次 AI,是回到原始出处。同一个数字问两遍得到一样的答案,只能说明它一致,不能说明它对。

引语:所有带引号的、所有"某某说过"。这类最容易被润色成金句,而原话往往没这么漂亮。

因果:所有"因为 A 所以 B"。这类不是查资料能解决的,得问自己:有没有第三个变量同时影响 A 和 B。

图 6-1 从一句话到定稿:结构在前,展开在中,核验在后

如图 6-1 所示,全流程里只有"逐节展开"这一步交给 AI,前后两步都是人的活。顺序颠倒——先展开再改结构——就是那位读者的稿子,改起来比自己重写更慢。

三、动手实践 ​

任务:给团队写一篇内部说明,主题是"为什么我们不再用 XX 消息队列"。

3.1 先写骨架,不写正文 ​

markdown
# 骨架(写正文之前必须先填完这张表)
读者:本组 6 名后端 + 2 名 SRE,都写过这个消息队列的消费端
看完要做什么:下周评审时能对"是否迁到 Kafka"投出有依据的一票

| 节 | 判断句标题 | 证据 |
|---|---|---|
| 1 | 卡顿不是队列慢,是消费端单线程 | 9/14 事故单,P99 从 40ms 涨到 3.2s,线程 dump 截图 |
| 2 | 扩容救不了,因为瓶颈在单分区顺序消费 | 压测:4 分区 → 8 分区,吞吐只涨 11% |
| 3 | 迁 Kafka 能解决,但要接受运维成本上升 | 两套集群的月度人力估算 |
| 4 | 我的建议是迁,但分两期 | 分期方案与回滚条件 |

预期输出(自查这张表能不能撑起一篇稿):

text
节数 4,都在 3-6 区间        → 通过
判断句标题 4/4               → 通过
每节都有证据 4/4             → 通过
证据里带数字的 2/4           → 第 3、4 节需补数字,否则会写成空话
读者类型是否统一:同行        → 通过(术语不必解释)

最后一行"带数字的 2/4"是这张表的主要作用。它在你写正文之前就告诉你哪节会空。

3.2 逐节展开,一次一节 ​

给 AI 的指令里必须带上下两节的标题,否则它会把这一节写成一篇独立的短文。

markdown
按下面这一节写 400 字左右,不要写导语、不要写总结、不要用排比。

上一节讲:卡顿不是队列慢,是消费端单线程
本节标题:扩容救不了,因为瓶颈在单分区顺序消费
本节证据:压测数据——4 分区改 8 分区,吞吐从 1200 msg/s 到 1332 msg/s,只涨 11%
下一节讲:迁 Kafka 能解决,但要接受运维成本上升

约束:不许堆空词;不许每段结尾总结;
      至少一段控制在两句话以内;数字必须与上面给的一致。

运行结果(它给的初稿,节选):

text
我们做过一次扩容测试,原来 4 个分区,吞吐 1200 msg/s;加到 8 个分区之后,
1332 msg/s,涨幅 11%。

这个数字说明瓶颈不在 broker 本身,而在单个分区内的顺序消费:同一时刻只有
一个消费者线程在干活。

多加的分区只是把队列切成了更多条彼此独立的串行通道,单条通道的上限一点没变,
所以总量涨了。

因此扩容这条路的上限是可以算出来的。

这一版基本可用。它做对了三件事:数字和给定的一致、第一段只有两句、没有那种空词。

它做错了两件事:每段都收了个口,而且第三段末尾那句"所以总量涨了"是个没有信息量的总结。人工改的时候把总结句换成具体数字或具体现象。

3.3 用脚本查六条 AI 味 ​

改稿不能只靠眼睛,写一个检查器。

python
# ai_smell.py —— 六条 AI 味自动检查
import re, statistics

BANNED = ["至关重要", "不可或缺", "赋能", "抓手", "闭环", "生态", "深度赋能", "显著提升"]
OPENERS = ["随着", "在当今", "众所周知", "毋庸置疑"]
ENDINGS = ["未来可期", "携手共进", "让我们一起", "综上所述"]

text = open("draft.md", encoding="utf-8").read()
paras = [p.strip() for p in text.split("\n\n") if p.strip() and not p.startswith(("#", "|", "`"))]
lens = [len(re.findall(r"[\u4e00-\u9fa5]", p)) for p in paras]

report = []
for w in BANNED + OPENERS + ENDINGS:
    if w in text:
        report.append(f"禁用词「{w}」出现 {text.count(w)} 次")
if len(lens) >= 4:
    cv = statistics.pstdev(lens) / statistics.mean(lens)
    report.append(f"段落长度变异系数 {cv:.2f}(<0.35 视为节奏过匀)")
tri = re.findall(r"不仅.{0,20}而且.{0,20}更", text)
if tri:
    report.append(f"三段式排比 {len(tri)} 处")
for i, p in enumerate(paras, 1):
    if re.search(r"(因此|所以|综上)[^。]{0,6}。$", p):
        report.append(f"第 {i} 段以总结句收尾")

print("\n".join(report) if report else "六项全过")

运行结果(对 3.2 节的初稿跑):

text
段落长度变异系数 0.33(<0.35 视为节奏过匀)
第 3 段以总结句收尾

两项问题。变异系数 0.33 卡在临界值上,说明四段字数偏接近,人写的东西长短差得更开。第 3 段末尾那句"所以总量涨了"是个典型的段末总结——它把上一句已经说清的事又说了一遍。

改法:给某一段加一个具体事实(比如扩容后的 CPU 占用),把段末总结删掉,让段落长度自然拉开。

3.4 三个必查位置的核验清单 ​

数字、引语、因果,逐条过。

markdown
## 核验记录(2026-11-16)
- [x] 1200 msg/s / 1332 msg/s:压测脚本 bench-0912.sh 原始输出,已重跑一次
- [x] 11%:1332/1200 - 1 = 11.0%,与文中一致
- [x] P99 3.2s:来自事故单 INC-2026-0714 的监控截图
- [ ] "运维成本上升":目前只有我的估算,没有 SRE 的确认 → 标为估算,不写数字
- [x] 因果:分区翻倍吞吐只涨 11% → 单分区顺序消费是瓶颈。反例检查:
      已确认单条消息处理耗时未变,排除消费逻辑变慢

预期输出(核验后定稿的状态):

text
数字 3/3 核过
引语 0 处(全文无直接引语)
因果 1 处,已做反例检查
未核 1 处:已改写为"据我估算,运维人力大概翻倍",不给具体数字

最后那条处理方式是关键:没核实的部分不是删掉,是降级表述。删掉会让论证缺口,写成确定数字会让稿子变成假信息,写成"据我估算"两边都保住了。

四、常见误解 ​

很多人以为让 AI 写初稿能省时间。实际上省的是打字时间,花的是改稿时间。如果你的大纲本来就清楚,它省得很多;如果大纲是空的,你会在改稿时才发现自己根本没想清楚,那时候改比自己写更慢。

很多人以为"去 AI 味"就是换词。实际上换词是最表面的一层,段落节奏和立场才是根。一段话里全是短句、每句都有判断,就算用了两个空词也不会显得像 AI。

很多人以为写作能力靠模型。实际上模型决定的是句子通不通,你决定的是这篇值不值得读。前者已经在 2026 年基本解决了,后者一点没变。

五、小结 ​

《AI 检索与研究:从提问到可信结论》攒下的笔记,是这一章唯一可靠的素材来源。没有核过的笔记,写作这一步只能产出通顺但没有依据的文字。

  • 顺序不能换:一句话目标 → 判断句式大纲 → 每节指定证据 → 逐节展开。
  • 一次展开一节。一次给你三千字,你只会说"还行"然后发出去。
  • 读者适配只调三处:开头切入、术语处理、结尾给什么。术语密度忽高忽低说明你在猜读者。
  • 投喂素材给三段带立场的摘录,好过给一整篇参考文章。
  • 六条 AI 味:段落过匀、段末总结、三段排比、空词、无立场、喊口号。写成脚本查,别靠感觉。
  • 三个必查位置:数字、引语、因果。没核实的降级表述,不要删也不要写死。

六、相关文章 ​

写单篇稿子和维护一个知识库是两件事。稿子写完就结束了,知识库要能被反复检索,而检索效果取决于文档怎么组织——同一个文件夹,结构不同,AI 答出来的质量能差一倍。相关文章讲文档结构化、笔记工具怎么接 AI,以及本地知识库的调优。

继续阅读:[《知识库与文档:让 AI 读懂你的资料》 知识库与文档:让 AI 读懂你的资料](/guide/ai-tools/ai-docs-and-knowledge-base.html)