同样用AI写文章，为什么我能从几十阅读做到几万？

法律人AI实战

— — —

很多人看到我现在的文章，会默认一个前提：

“你是不是已经有一定粉丝基础？”

但真实情况完全不是这样。

我这个公众号注册于2019年6月28日。

但截至2025年12月1日，粉丝只有62个。

而且中间有很长一段时间是停更状态——

从2022年10月之后，基本没有再更新内容。

到2025年12月15日重新开始运营时，我发了一篇文章，粉丝反而掉到了61个。

也就是说：

这个号在很长一段时间里，几乎是”没有积累”的状态。

真正开始有变化，是从2026年4月2日开始的。

那一天，《清风故事会》第一篇文章发出来。

当时粉丝是：227个。

现在涨到300多，接近400。

其中一篇文章，累计阅读6万多，单日最高4万+阅读。

基本可以确定一件事：

这个账号没有粉丝基础，99%的流量来自系统推荐。

问题就变成了：

同样用AI写文章，为什么结果差这么多？

— — —

一、大多数人用AI，其实是在”交出写作权”

我看过不少AI写作的用法：

•  
• 丢一句提示词
•  
• 生成一篇文章
•  
• 改两句就发

这种方式，本质上不是写作，而是生成。

问题不在AI，而在于：

你把”表达权”交出去了。

结果就是：

•  
• 内容结构高度相似
•  
• 表达接近平均水平
•  
• 换个人也能写

这种内容，平台很容易判断为”可替代”。

自然也很难有推荐，甚至有删贴、降权、封号的风险。

— — —

二、我用AI的方式，是”参与”，不是”替代”

我自己的流程，经历过几个阶段：

最早只是润色、改写；

后来开始让AI参与结构、标题；

现在基本是多轮对话反复打磨。

但有一条固定的铁律：

AI可以参与每一步，但不决定任何一步。

我大概是这么用的——

1. 选题：我来定，AI不参与

我所有的选题，都是自己来的。

但我做了一件事：

我设计了一套简单的”评分流程”，去判断这个素材有没有创作价值。

比如：

•  
• 有没有冲突
•  
• 有没有反转
•  
• 有没有情绪张力

分数低的，直接不写。

AI不会帮你判断这个。

2. 标题：不是生成，是筛选

我会让AI给一批标题。

但不会直接用。

我做的是：

•  
• 哪个更像人写的
•  
• 哪个更有点击欲
•  
• 哪个更贴近内容

本质不是写标题，是在做选择。

3. 内容：不是拼接，是重构

AI可以提供段落、逻辑、表达。

但我基本不会直接拼起来。

我会做的是：

•  
• 拆掉
•  
• 重排
•  
• 按自己的逻辑重写

很多句子会全部换掉。

因为：

AI的语言，不等于我的表达。

4. 修改：不是润色，是”找错”

这是我用AI最多的一步。

比如上一篇文章，我大概改了10轮。

改的重点不是文采，而是：

•  
• 事实有没有问题
•  
• 逻辑是否通顺
•  
• 有没有歧义

表达层面的修改反而不多。

换句话说：

AI帮我做的，不是写作，是”审稿”。

举个具体的例子。

差别在哪？

第一句是评价，第二句是事实。

读者看第一句，脑子里是空的；看第二句，脑子里有画面。

还有一个例子。

为什么这样改？

第一句是结论，第二句是过程。

结论是空的，过程是具体的。

读者记住的不是”受贿”两个字，而是”300万、200万、600万”这三个数字。

这就是我说的”找错”。

不是找语法错误，是找”表达错误”。

— — —

三、差别不在AI，而在有没有判断

用了一段时间之后，我有一个很直观的感觉：

AI不是写作工具，更像一个放大器。

它会放大什么？

•  
• 没有判断 → 放大模板感
•  
• 有判断 → 放大内容质量

所以才会出现一个很奇怪的现象：

同样用AI，有人写得越来越像机器，有人反而越来越像人。

问题不在技术，在控制权。你要交给观众的文章，先要自己读得下去。你要学习写文章，得从学习读文章开始。

— — —

四、这不是运气，但也不是”每篇都爆”

说实话，这里面肯定有运气成分。

但有几个东西，是可以确认的：

•  
• 选题是可以筛的
•  
• 结构是可以优化的
•  
• 错误是可以减少的

比如上一篇文章：

•  
• 一个晚上7000阅读
•  
• 转发118
•  
• 评论11

这不是随机写出来的。

但也不是每一篇都会这样。

— — —

五、AI帮我解决的，其实是”效率问题”

我现在一篇文章，大概1到2个小时能写完。

比之前快了很多。

但更重要的是：

它让我可以更快地”试错”和”调整”。

以前写一篇，从构思到成稿，可能要半天。

现在半天可以写两三篇，然后挑最好的发。

这意味着什么？

意味着我可以更快地找到”什么能爆”。

比如我试过不同的标题风格、不同的开篇方式、不同的结尾钩子。

有的有用，有的没用。

但试得越多，判断越准。

我现在大概知道：

•  
• 什么样的标题容易点开
•  
• 什么样的开篇容易读完
•  
• 什么样的结尾容易转发

这些判断，不是AI教我的。

是我自己试出来的。

AI帮我做的，是让我有更多时间”试”。

我越来越觉得一件事：

写文章这件事，本质不是写，是判断。

而判断，是没办法自动化的。

— — —

六、接下来这个专栏会讲什么？

这个专栏已经不是”起步阶段”，而是进入了一个更清晰的阶段性整理。

从第1篇到第9篇，其实已经逐步验证了一件事：

法律人用AI做内容，并不是”写作技巧问题”，而是”方法是否可复用”的问题。

前几篇更多是在探索不同方向，比如：

•  
• AI如何参与工流程
•  
• 内容如何影响推荐
•  
• 爆文是如何被触发的
•  
• 法律内容如何结构化表达

而从现在开始，这个专栏会更明确地收敛成三条主线：

1. 内容增长（从0到推荐机制）

重点不再是”写什么”，而是：

•  
• 什么内容能被系统识别
•  
• 什么结构更容易进入推荐池
•  
• 如何稳定获得非粉丝流量

2. AI参与写作的真实边界

不是讲”AI能做什么”，而是讲：

•  
• AI在哪些环节有效
•  
• 哪些环节必须人为控制
•  
• 为什么”全AI写作”反而不稳定

3. 法律内容的表达系统化

把零散写作，变成可复用结构：

•  
• 案件类内容如何讲故事
•  
• 方法类内容如何降低理解成本
•  
• 专业内容如何保持传播性

这个专栏不会变成工具说明，也不会变成泛AI教程。

它更像是在做一件事：

把”法律人 + AI + 内容表达”这件事，拆成可验证的方法。

不保证每一篇都有爆款，但会保证每一篇都来自真实实践。

— — —