让 AI 分析爆款文案,是最蠢的方法

从"开头太平"到"钩子太套路"到"别用'你'"——前 30 次反馈，全是这种碎碎念。

直到有一天，我让它把"我否定过的东西"整理出来。

它整理出 7 条规则。
不是"什么内容是爆款"，而是"我不要什么"。

而这 7 条规则让我意识到一件更意外的事：
教 AI 写爆款这件事，我们大多数人的第一步就是错的。

错的不是 prompt。
错的是让 AI 去"分析爆款"。
正确的做法，是让 AI 学你的"否定"。

今天这篇，我会把这套我跑通的方法论、具体的 7 条规则示例、以及一张能直接照着填的"负反馈清单模板"，都给你。

一、大部分人教 AI 写爆款，第一步就是错的

"你帮我分析一下这条爆款为什么爆。"
"你帮我套用这条的开头格式。"
"你帮我总结这条的钩子公式。"

这三种问法，本质是同一个思路：
把"结果"当成"原因"，让 AI 学"长啥样"。

问题是：

• 爆款长啥样，分析不出来
• 钩子公式总结出来了，套到自己内容上完全失效
• 同一个公式，A 账号有效、B 账号无效

为什么？

因为"爆款"是个结果，不是过程。
你教 AI "结果长啥样"，等于让 AI 模仿一个没有上下文的成品。
它学的是皮，不是骨。

行业里绝大多数"教 AI 写爆款"的方法论，都在教这件事。
但这条路已经证明是低效的。

二、真正该教 AI 的，是"我否定了什么"

我最近让 AI 帮我写短视频开头。每次它交稿，我都得改。

后来我让它做了一件事：把我所有的反馈整理出来。

它整理出 7 条规则。

不是"什么内容是爆款"，而是：

• 我否定了哪些内容
• 我肯定了哪些内容
• 每次的具体原因是什么

这 7 条规则，都不是"应该这样写"的正例。
都是"不要这样写"的负例。
带原因的负例。

举个例子。我用类比场景补足 7 条规则的具体内容：

这就是我的"7 条规则"。

注意它们的结构：

• 没有一条在描述"爆款长啥样"
• 每一条都是"我不要什么" + "我要什么" + "为什么"

这是关键。

三、为什么"100-200 条"是个有意思的数字

目前我有 7 条规则。
目标：100-200 条。

为什么是这个数字？

太少（< 50 条）：

• AI 学不会你的风格
• 每次输出还是"看起来像 AI 写"
• 改稿的次数不会明显下降

太多（> 500 条）：

• 你自己维护不动
• 规则之间开始冲突
• AI 输出开始"僵化"

100-200 条：

• 既有约束又不僵化
• 覆盖常见场景
• 你偶尔还能翻到某条规则"哎，这条我好久没检查了"
• AI 开始有"自己的判断"——它会在 100 条规则之间做权衡

按我目前的速度，攒到 100-200 条大概要 1-2 年。
到那个时间点，AI 差不多就可以替代我了。

这不是 AI 智能的问题。
是我积累够不够的问题。

四、爆款文案长啥样，不重要

让我把话说穿。

爆款文案长啥样，不重要。
爆款文案是如何被塑造的，很重要。

"长啥样"是结果。
"如何被塑造"是过程。

行业里绝大多数"教 AI 写爆款"的方法论，都在教你分析"长啥样"。

• 拆解钩子公式
• 总结开头结构
• 套用爆款句式

这些方法没有错，但它们教 AI 学的是"模仿"。
模仿的极限是接近，不是替代。

真正能让 AI 替代你的，是让它学会"塑造过程"。

而塑造过程只有你自己知道。
你只能通过"否定 / 肯定 / 原因"这种三段式反馈，把这个过程交给 AI。

其实这件事，AI 工业界早就在做。

Anthropic 训练 Claude 用的标准方法叫 RLHF（Reinforcement Learning from Human Feedback）。
核心不是"教模型正确例子"，而是"教模型什么是更好的回答、什么是更差的回答、为什么"。

训练样本是成对的"preferred vs rejected" + 文字理由。
模型学的不是"正确答案长啥样"，是"判断标准是什么"。

你一直在做的，就是在用 RLHF 训练你自己的 AI。

2025-2026 年学术界的前沿方向（FSPO、Dynamic Profile Modeling）核心都是"怎么让 AI 学会特定用户的偏好"——和你攒 100-200 条规则的思路完全同源。

你不是一个人在战斗。
你只是把工业界的方法论用到了自己的内容生产上。

五、给你一张"负反馈清单模板"

下面这张表，是我用的"负反馈清单模板"。
直接复制，照着填。

使用方式：

• AI 每次交稿，你都填一行
• 每周让 AI 把这张表整理一遍，提炼出"新规则"
• 当你整理出 50 条、100 条、200 条时，分别给 AI 一次大反馈
• AI 会按你的规则重新训练它的输出风格

这是一个反 AI 时代的笨办法。
也是最稳的复刻你自己的办法。

六、规则 > 结果

回到标题那个判断。

让 AI 分析爆款文案，是最蠢的方法。
不是因为分析没用。
而是因为分析的对象错了。

你该让 AI 分析的，不是"爆款长啥样"。
是你自己"否定过什么、肯定过什么、为什么"。

这不是 prompt 的优化。
这是用 AI 方式的根本转变。

规则 > 结果。

这是我用 7 条规则和 100-200 目标换来的认知。
也希望它能成为你的。

关于我

👋 你好，欢迎你

这里主要分享我在 AI 方向的一些实操内容：

• AI 工具的真实使用方式
• 内容生产与效率提升方法
• 一些已经跑通的流程和踩坑经验

如果你也在：

• 想用 AI 提升效率
• 做内容创作
• 或者探索 AI 的实际落地方式

这些内容应该会对你有帮助。