现在写一篇公众号文章，门槛太低了，给 AI 一个主题，几十秒就能吐出一篇看起来像样的稿子。你让 Claude 写一篇AI工具测评，30秒它就写成1800字。架构齐活儿，标题、开头、案例和收尾都有。可你一读，什么玩意儿，根本就不不知道它写的啥。文章没有解决任何问题，满篇的无序列表，各种高亮块，像一本毫无可读性的手册。

我一直觉得，写出的文章一定要给读者一个价值。可以是一个判断，一个可执行的方法，一个更清楚的解释，也可以是对某个问题的重新理解。读者看完以后，至少应该知道自己以后遇到类似问题时，可以怎么判断。动笔之前一定停下来想想：今天选题值得写吗？读者会不会关注？哪些材料真的有用，哪些又只是为了让文章看起好看一点？有一个叫花叔的博主几个月前开源了他的公众号写作skills，他把写作流程拆得很细，从需求分析到信息挖掘，再到三轮审校，每一步都有明确的执行标准。他认为写作可以不靠灵感，本身就是有方法论的。数字生命卡兹克大概在一两周前也开源了他的写作skills，他用的是四层质检，从硬性规则到风格一致性，再到内容质量和活人感终审。他还强调HKR选题判断，也就是这个题够不够有趣（Happy）、有没有信息量（Knowledge）、能不能打到情绪（Resonance）。花叔关注生产流程的标准化，卡兹克更关注判断入口和质检体系。对我来说，真正有用的是在我以前的写作方法论之上，再参考他们的优势，既要有流程保证能写出来，也要有判断保证写得好。我日常的写作流程，一般会包括四个步骤：第一步当然是定选题，读者到底在为什么事情困惑，找到痛点，才有需求。接着搜集材料，包括各种信息、案例，这些用来佐证你的选题。有了上面两步，才会考虑文章结构，用总分总还是结论前置，案例要不要展开等，都是在这一步想清楚的。最后做校验，文章里的事件、案例符不符合事实，有没有错别字，逻辑通不通顺等，事实更是要查到来源。

1 怎么做选题？

一个热点、一个新工具、一个新技术、一个脑子里偶然冒出来的念头，都只能算素材。素材本身撑不起文章。真正能撑起文章的，是从素材里提炼出来的问题。

比如最近AI圈子热烈讨论的 Harness 概念，如果只写”炸裂更新，人类给AI的分水岭……”，文章很容易变成标题党。人们更关注的，是它到底解决了什么问题？Harness 让开发者可以给大模型加约束，模型不会再天马行空乱跑了。过去你得反复调试提示词，现在直接在规则里运行就行。这才是它真正的价值。想好写什么，文章才有一个稳定的内核。没有内核，无论怎么写，都容易变成漂亮的空壳。这一步也会帮我拒绝很多东西。有些想法适合发一条短评，有些适合放进素材库备查，有些只适合自己记一笔。不是每一个新东西都值得写成文章。

2 材料搜集

想好写什么以后，当然需要搜集资料了，你脑子可没有几十T的存储空间，没法把信息都放在自己的记忆里。必须尊重事实，要有具体的例子，背景要交代清楚，必要的时候还要有数据和来源。但资料多，不等于文章就扎实。文章读起来累，就是因为材料没有经过取舍。你把能找到的东西都搬上来，读者一路往下看，只能感觉到”他查了很多”。你写的时候，要判断这段材料能不能解释你的观点，能不能让一个抽象的东西变得具体。如果不能，果断放弃。在这一步骤，AI就很好用。它能查背景、做对比、整理资料，甚至能帮你发现漏掉的角度。麻烦在于，它特别擅长什么都往里塞。塞满以后，文章显得很饱满，却未必更好读。现在就可以开始做减法了，删掉和主线关系不大的信息。

3 确认结构

到这一步，你的观点、资料，都是一些零散的原件，要整合成一篇文章，这个时候就需要确认文章架构了。确认结构，不是把文章切成几个工整的小标题。小标题只能让文章看起来有秩序，不能保证读者真的读懂。结构真正要处理的，是怎么让读者从一个困惑，一步步理解到你的判断。

放到公众号文章里，大概就是：开头抛出一个读者关心的问题，中段把原因和材料讲清楚，再往后给出你自己的判断，结尾收个尾。好的结构通常感受不到，读者顺着很容易往下读。我现在检查结构，会看每一段是不是真的在帮读者理解。有些段落单独看很对，放在文章里却什么也没解释清楚，只是在证明我懂得不少。这样的段落最好删掉。还有些小标题看起来很清晰，实际只是为了凑齐一套完整框架，也该删。公众号文章不是知识库页面。知识库可以写”功能 A、功能 B、功能 C”，公众号要写”你遇到 X 问题时，先用 A，如果 A 不行，再试 B”。

4 校验审核

前面三步能让文章成形，校验决定文章最后留下什么。以前说校验，很容易想到错别字、事实、链接、格式。这些当然要查，但它们只是底线。AI 参与写作以后，校验还要查一件更麻烦的事：文章里哪些判断是你自己想的，哪些只是 AI 给你补的。这也是去 AI 味最难的地方。删掉几个高频词，解决不了这个问题。把句子改得口语一点，也解决不了。真正的 AI 味，反而藏在那些看起来很顺、很安全的句子里。它们读起来没错，但你总觉得不对。这些，不纠结，干脆就删掉吧。一个观点如果只是完整，但读者用不上，也该删。

校验干的事是：这句话有没有事实支撑，有没有真实观察，有没有我自己的判断。如果没有，它就算写得漂亮，也该删掉。前面提到”解决谁的问题、提供什么新信息、读者能带走什么”，这是卡兹克方法里的判断。如果文章直接把它拿来当自己的方法论，不交代来源，读者未必马上发现，但文章的底子是不干净的。要避免的，是把别人的判断揉进自己的话里，然后假装是自己说的。所以校验不只是去 AI 味，也是在去掉不属于自己的东西。花叔能提供生产流程的参照，卡兹克能提供判断入口的参照。到了自己的文章里，这些东西要重新过一遍：哪些适合我，哪些只适合他们，哪些可以借来做样本，哪些需要改造成自己的方法。这一步不轻松。检验的难点，是重读，是删除，是承认某个判断其实没想清楚。别人的东西要标出来，漂亮但空的句子也要拿掉。这些动作比生成更慢，也更枯燥，但决定文章的质量。可以把它们做成一个检查清单。比如，这篇文章解决读者的什么具体困惑？每个案例都能支撑我的判断吗？哪些段落是为了”看起来完整”而加的？哪些材料和主线关系不大？每一段是不是真的在帮读者理解？读者会在哪里卡住？有没有段落只是在证明我懂得多？哪些判断是我自己想清楚的？哪些是 AI 给我的？哪些是从别人那里借来的？借来的东西有没有标出来源？

好文章要让读者感觉，你真的处理过这个问题，真的筛过材料，真的做过选择，也真的愿意为判断负责。现在看公众号写作，重点在怎么判断得更准。而判断，只能你自己来。