Principle 01
实践框架：AI 是草稿引擎，你是主编
The Framework — AI as Draft Engine, You as Editor-in-Chief
分工 · 工作流
一句话原则 + 名家原话
把 AI 当"草稿引擎"，把自己当"主编"：AI 负责产量，你负责判断。它最擅长你最怕的那一步——面对空白页；它最不擅长你最在意的那一步——取舍、品味、删什么。
"Almost all good writing begins with terrible first drafts. You need to start somewhere."
— Anne Lamott, Bird by Bird (1994)
中译：几乎所有好文章都始于糟糕的初稿。你总得先有个起点。——AI 的价值，就是把那份"糟糕初稿"瞬间交到你手上。
原理解读
写作不是单一动作，而是一条流水线：立意 → 搜集素材 → 起草 → 修订结构 → 打磨语气。AI 在中间三段（素材、起草、改结构）效率惊人；在两端（你到底想说什么、最终用谁的声音说）几乎帮不上忙——因为那需要你的判断和经验，而它只有统计平均值。最常见的错误，是把两端也外包给 AI：于是文章正确、流畅、且谁写的都一样。
立意想说什么你
素材找证据例子AI
起草填满空白页AI
改结构重排逻辑AI+你
语气谁的声音你
两端是你的，中间可以交给 AI——黑块=AI 主导，白块=你主导
修改示范（核心）
（AI 初稿）在当今快速发展的数字化时代，团队协作的重要性不言而喻，它对于提升整体效率具有深远的意义。
（主编后）上季度我们三次延期，都卡在同一处：没人知道别人在做什么。
(AI draft) In today's fast-paced digital landscape, leveraging cross-functional synergies is crucial for driving impactful outcomes.
(Edited) Two teams built the same dashboard last quarter. Neither knew the other existed.
适用场景 + 常见错误
- ✓ 适用：日常邮件、文档初稿、把零散笔记理成结构、给观点找反例
- ✗ 慎用：你尚未想清楚的决策备忘——AI 会用流畅掩盖你思路的空洞
- 坑：直接复制 AI 整篇——读者一眼认出"无人称、无判断、无风险"的味道
- 坑：把"立意"也问 AI——你失去了写作最大的红利：逼自己想清楚
本周习作 + 思考题
选一封你本周要写的邮件。让 AI 出初稿，然后只做减法和加判断：删掉所有套话，把每个抽象名词换成一个具体事实，加一句只有你能写的话。对比两版字数。
思考题：如果初稿不是 AI 写的而是你写的，你会删掉同样多的字吗？为什么？
Principle 02
去"AI 味"：正确，但空洞
Killing the AI Smell — Correct but Hollow
语言 · 风格
一句话原则 + 名家原话
所谓"AI 味"，是一种正确却空洞的气味：句句通顺，却没有一个具体的人、时间、代价。消除它靠三招——具体、删词、破工整。
"Modern writing at its worst… consists in gumming together long strips of words which have already been set in order by someone else."
— George Orwell, Politics and the English Language (1946)
中译：最糟的现代文字，是把别人早已排好序的成串词块粘在一起。——七十年前 Orwell 描述的毛病，正是大语言模型的工作原理：它就是在统计意义上"粘词块"。
原理解读
模型预测"最可能的下一个词"，于是天然滑向最平均、最不冒犯、最常见的表达——这就是 AI 味的根源：统计意义上的平庸。典型痕迹：万能开头（"在当今…/In today's…"）、三连排比成瘾、"赋能 / 助力 / 不言而喻 / leverage / delve / crucial"、每句一样长、结尾必升华。它们都是"被设好序的词块"。解药正是 Orwell 与 Zinsser 反复讲的老话：用具体替抽象，能删就删，并主动打破工整的节奏——因为真人的句子长短不齐。
修改示范（核心）
值得注意的是，这个方案不仅显著提升了效率，还有效增强了团队凝聚力，具有重要的现实意义。
这个方案把部署时间从两天压到二十分钟。代价是：新人头一周会懵。
It's worth noting that this approach not only improves efficiency but also enhances collaboration and fosters innovation.
This cut our deploy time from two days to twenty minutes. The cost: new hires are lost for a week.
适用场景 + 常见错误
- ✓ 适用：任何要署你名、要建立信任的文字——newsletter、述职、对外发言
- ✗ 不必：纯功能性文本（自动回执、模板通知）无所谓味道
- 坑：只换同义词——把"crucial"改成"essential"还是 AI 味；要换的是抽象本身
- 坑：保留三连排比和万能开头——这两个是最强的 AI 指纹
本周习作 + 思考题
拿一段 AI 文本，做"去味三连"：① 删掉开头第一句（多半是万能套话）；② 把每个抽象名词换成一个数字或场景；③ 把最长的那句砍成两句长短不一的。读出声，看是否更像人话。
思考题：你自己的写作里，有没有早已被 AI 化的口头禅？它们是哪几个？
Principle 03
人机协同：把 AI 当陪练，不当枪手
The Dialogue Loop — Sparring Partner, Not Ghostwriter
协同 · 思考
一句话原则 + 名家原话
不要追求一次成稿。把写作变成与 AI 的多轮对话：你提判断，它提选项；你下结论，它当批评者。核心观点必须出自你，否则你失去了写作的根本价值。
"Writing about something, even something you know well, usually shows you that you didn't know it as well as you thought."
— Paul Graham, Putting Ideas Into Words (2022)
中译：写一件事——哪怕你熟悉的事——往往会暴露出你其实没你以为的那么懂。把起草交给 AI，你就放弃了这次"被暴露"的机会。
原理解读
写作是思考本身，不只是思考的记录。把思考外包给 AI，是一种"认知卸载"：短期省力，长期让你逐渐丧失把混沌想清楚的能力。所以分工原则是：可以外包搜索与批评，绝不外包核心判断。最高效的用法，是让 AI 当陪练而非枪手——你先粗粗写下观点，再让它扮演怀疑的读者：找最弱的论点、挑你没想到的反例、给三种不同结构。你在回应它的过程中，把自己想透。
修改示范（核心）
（枪手式 prompt）帮我写一篇关于"为什么团队该上微服务"的文章。
（陪练式 prompt）这是我支持微服务的草稿。别改写。指出三处一个怀疑的资深工程师会反驳的地方，每处给一个我没考虑到的反例。
(Ghostwriter) Write me an essay on why we should adopt microservices.
(Sparring) Here's my draft arguing for microservices. Don't rewrite it. Find the three weakest claims a skeptical senior engineer would attack, and give one counter-example for each.
适用场景 + 常见错误
- ✓ 适用：决策备忘、设计文档、有争议的提案——任何需要经得起反驳的文字
- ✓ 万能批评指令："这段哪里读者会不信？""帮我找最弱的一环。"
- 坑：让 AI 直接"改好"——你看不到自己思路的漏洞，只看到被抹平的表面
- 坑：接受第一个回答——好思考来自第二、第三轮的追问
本周习作 + 思考题
就一个你坚信的观点写 200 字，然后让 AI 只做一件事：列出三个最强的反驳。不要它改你的文字。读完反驳后，自己重写一遍——看你的观点是变软了，还是变得更精准。
思考题：哪些写作场景，"想清楚"比"写出来"更重要？那些场景该减少还是增加 AI 的参与？
Principle 04
Prompt 即写作：模糊的指令=模糊的思考
Prompting Is Writing — A Vague Brief Yields a Vague Draft
Prompt · 表达
一句话原则 + 名家原话
写好 prompt 就是写作。prompt 是一份 brief：你没说清的地方，模型会用"平均值"替你填满。模糊的指令，必得模糊的草稿。
"Clear thinking becomes clear writing; one can't exist without the other. It is impossible for a muddy thinker to write good English."
— William Zinsser, On Writing Well (1976)
中译：清晰的思考变成清晰的文字，二者缺一不可。思路混乱的人不可能写出好文字。——写 prompt 时，这条法则同样成立：你想不清，就问不清。
原理解读
一个好 prompt，和一份给初级同事的好 brief、一份清晰的设计文档，是同一种技艺。它需要五个要件：角色 + 背景 + 任务 + 约束 + 范例。其中"约束"和"范例"最被低估——约束告诉模型不要什么（字数、语气、禁忌），范例则直接交出"好的标准"。你省略的每一项，都会被默认值（最常见、最安全、最平庸）补上。所以学写 prompt，本质是练习"把要求说清楚"——这正是 leader 每天对人做的事。
角色 Role你是招聘经理 / 资深编辑 / 怀疑的读者
背景 Context候选人技术过关，但系统设计沟通不清
任务 Task写一封终面拒信
约束 Limits120 字内 · 真诚不套路 · 给一条可改进建议 · 不给虚假希望
范例 Example附一封你认可的拒信，作为"好的标准"
省略哪一项，模型就用平均值替你填哪一项
修改示范（核心）
写一封拒绝候选人的邮件。
你是招聘经理。给一位终面被刷的资深工程师写拒信。背景：技术过关，但系统设计沟通不够清晰。约束：120 字内，真诚直接，给一条具体可改进的建议，不给虚假希望。
Write a rejection email to a candidate.
You're the hiring manager. Reject a senior engineer who failed the final round. Context: strong coding, weak at communicating system design. Limits: under 120 words, warm but direct, one concrete tip, no false hope.
适用场景 + 常见错误
- ✓ 适用：任何重复性的高质量产出——你写一次好 prompt，胜过改十遍坏初稿
- ✗ 慎用：把过长 prompt 当万能——超过五要件后，不如拆成多轮对话
- 坑：只给任务，不给约束和范例——这是"模糊指令"最常见的形态
- 坑：用 AI 味的 prompt（"请深入全面地…"）——模糊的修饰词换不来精确
本周习作 + 思考题
挑一件你每周都要用 AI 做的事，把它写成一个含全部五要件的 prompt 模板，存下来复用。重点补齐你平时最爱省的"约束"和"范例"。
思考题：把要求写清楚，对 AI 和对人是同一种能力吗？练 prompt 会让你对人的沟通也更清晰吗？
深入思考
AI 消除了写作的"起点障碍"，这究竟是好事还是坏事？
起点障碍其实是一道过滤器。面对空白页的痛苦，逼你先想清楚"到底值不值得写、要说什么"。AI 把这道门槛降到零，好处是产量与勇气，坏处是大量"不该被写出来"的平庸内容涌入世界，也让人跳过了"想清楚"这一步。务实的折中：用 AI 破除起点障碍，但保留一个属于自己的关卡——动笔前先用一句话写下"这篇唯一想让读者记住的是什么"，写不出这句，就别让 AI 开始。
如果 AI 能模仿你的语气，"个人声音"还稀缺吗？
语气可以被模仿，判断不能。AI 能学你的句式、你爱用的词，但学不会你"为什么选这个例子、为什么在这里停下、为什么敢下这个结论"——那来自你的经历和取舍。所以真正稀缺的不是文字表层的"声音"，而是声音背后的判断与立场。未来的个人品牌，护城河会从"文笔好"上移到"观点独到且敢负责"。
中文和英文的"AI 味"表现一样吗？
核心一样（统计平庸），表层不同。英文 AI 味：tricolon 三连排比、"delve / leverage / crucial / it's important to note"、过度 hedging。中文 AI 味：报告体（"为进一步…，特…"）、四字格堆砌（"高瞻远瞩、统筹兼顾"）、万能升华结尾、"赋能 / 助力 / 抓手"。中文还多一层"翻译腔"风险，因为模型语料里英译中比例高。去味时要分别针对：英文砍排比与套话，中文砍四字格与报告体。
长期依赖 AI 起草，会让我们丧失思考能力吗？
有真实风险，叫"认知卸载"——和长期用导航导致路感退化同理。关键看你外包的是哪一层：外包"检索、排版、找反例"无害，反而释放精力；外包"核心判断与论证"则会让那块肌肉萎缩。自检办法：定期做"无 AI 写作"——就某个重要观点，关掉所有工具，从空白页写到结论。若这件事变得越来越难、越来越痛苦，说明你卸载过头了。
五年后，"人写的"还会是品质信号吗？
很可能会，但形态会变。当 AI 文本泛滥到默认值，"可验证地出自一个真人、带个人风险与责任"的内容会重新升值——就像机器量产后，"手工"成了溢价标签而非落后标志。信号不会是"有没有用 AI"（无法证明），而是内容里有没有只有亲历者才写得出的具体、判断与代价。与其纠结工具，不如确保你的文字里始终有 AI 给不出的东西。