夜雨聆风作为一个偏爱文字的理科生，我越来越确信，能不能稳定地产出，拼的不再是灵感，是系统。
灵感它时有时无，真正能让你不断更、还越做越稳的，是背后那套不靠状态也能转的系统。
现在，会用 AI 不稀缺，稀缺的是把 AI 嵌进自己的生产系统、让它把活儿干稳又能复盘的人。
上一篇说过，这个系列会把我用 AI 搭的内容运营系统六道工序一道道拆开。今天先拆第一道：选题。
无论是在公司里带内容团队，还是自己做内容，多半都苦恼过“今天写什么”。
无系统的选题，是怎么定的？
要么开会拍：几个人坐一屋，你一言我一语，最后领导拍板。
要么凭灵感：今天脑子里冒出个啥，就写啥。
要么追热点：看什么火，追什么。
这些有个共同的软肋，被动而不可持续。灵感来的时候挡不住，不来，你干瞪眼也没办法。
这几种多半把“写什么”押在了运气上。追热点，永远被别人的节奏牵着走。
我想要的，是一套不靠运气、也能稳定出好题的办法。
下面这套，就是我现在每天在用的。
我把它拆成三段讲：素材怎么进来、怎么从一堆素材里挑出该写的、怎么再挑出最值得深写的那几条。
素材不靠“想”，靠三条固定轨道往里灌
我现在每天不会现想写什么，因为我有三条固定的素材轨道，每隔一阵，就派AI把它们从头到尾扫一遍，把能写的都揪出来入库：
第一条，我的日常随手记。 这里头是我亲手记录的零散的、最真实的感悟和遇到的问题，攒了几千条。它提供的是“主观视角”，工作生活中真实的苦恼、惊喜、犹豫等。
第二条，我每天和 AI 协同干活的工作日志。 有时候是它翻车被我逮住、有时是我俩来回较劲。它提供的是“双方视角”，带点儿戏剧性的真实对话。
第三条，我做过的项目沉淀下来的经验库。 比如企业级软件项目、还有我打磨内容系统，踩过的坑、总结的方法论都在。它提供的是“客观视角”，事后复盘出的硬干货。
这三条轨道其实是同一件事的三个切面：同一件事，我的主观感受和情绪（语音/文字）、有过程（日志）、有反思（经验库）。一个素材源只能给你一种视角和味道，三条轨道一起扫，选题才立体。这一点，也是后面那招的伏笔。
第一条轨道其实不用从零搭。你这些年随手记的备忘、存在各个平台的笔记和草稿、做过项目留下的文档，本身就是现成的轨道。关键不在量有多大，而在于你把它们当成固定的素材源、定期从头扫一遍，而不是等用到了才临时去翻。
注意我说的是“从头到尾扫一遍”，这个“穷尽地扫”，是有血的教训的，后面讲。
挑选题不靠拍脑袋，靠五个维度打分
三条轨道揪出来的几十上百条选题素材，不可能都写。怎么挑？需要给每一条都打分，五个维度，每个 1 到 5 分：
故事感：有没有冲突、反转、具体的人和场景？干巴巴讲道理的，这一维就低。
干货密度：读者读完，能不能带走点真东西、能用上的东西？
流量潜力：这话题外行三秒能不能看懂“痛在哪”、愿不愿意点开？
转化潜力：读完会不会有人想找我聊、甚至想找我做事？
契合度：跟我的定位、想做的方向，搭不搭？
五维加起来满分 25，然后划了三道线：22 分以上，进主推库，优先写；18 到 21，先丢候选区养着；不到 18，归档（注意是归档不是删），万一哪天角度变了，还能重新捞回来。
这套打分最大的价值，其实不是“客观”，分数里也有我的主观判断。
它真正的好处是可被挑战、被复盘。我说这条该写或者说我想写，五个分摆在那儿，哪一维高、哪一维低，一目了然。真写完数据不好，我能回头对着评分查，到底是哪一维当初判断错了。
它把“我觉得这条不错”这种说不清的直觉，变成了一张能被任何人质疑、也能事后验证的分数表。
如果你是带内容团队的，这一点可能比一个人做更要紧。团队选题最怕的，是全凭某个人的手感，他状态好就出好题，他一休假、或者换了人，标准立马就飘。
一张写明白的评分表，等于把“手感”变成了全队能共用的标尺，谁都能按它打分、按它质疑，选题质量就不再吊在某一个人身上。
光打分还不够，我还给选题挂了两个标签，管的是“别写偏”:
一个是类型（戏剧反转、踩坑复盘、真实现场、项目实战……），保证我的选题不单调，不会千篇一律一个味儿。
一个是目的（这篇是冲“建信任”、还是“促转化”、还是“拉新人”），保证我发的内容三种目的大致均衡，不会清一色全是晦涩难懂深度长文，也不会全是浅浅的引流文。
打了分、挂了签，够 22 分的那几条，我还会再花点功夫，动笔前先给它建一张小卡片，把“核心反差是什么、最强的角度在哪、读者到底能带走啥”先想清楚。写之前，先把这篇的地基打好，而不是写到一半，发现这个选题其实没东西。
打分、挂签其实很多做内容的都在做。我这套选题系统不一样的，是后面两步，一个是怎么挑出“写出来几乎不会水”的那几条，一个是这些规则压根不是我设计的、而是怎么被逼出来的。
最该深写的是“三料齐全”那几条
前面说，三条轨道可能是同一件事的三个切面。如果一件事，在三条轨道里都留下了痕迹呢？
举个我真写过的例子：「客户对原型 100% 满意，代码却返工了三成」这件事。我的语音随记里，有当时的懊恼和我对这次翻车事件的认知（情绪）。工作日志里，有我和 AI 一句句复盘“问题到底出在哪”的对话（现场）。项目经验库里，有我事后提炼的那几条防返工纪律（干货）。
这种三条轨道全齐的选题，我叫它“可立体复盘”的选题：情绪、现场、方法论，全部都有。写出来，既有共鸣、又有现场感、还有真能带走的干货，几乎不可能写得水。所以我会专门把这种“三料齐全”的选题挑出来，当重点深写。
我最近的文章，就是这么挑出来的。不碰运气，不依赖灵感，是这套系统主动把它筛出来的。
说实话：这套规则不是设计的,是逼出来的
讲到这儿，你可能觉得这套东西挺周全。
但其实，这套越来越成熟的选题规则根本不是我设计出来的，是我反复和 AI 较劲，把它的偷懒和糊弄一条条戳穿、逼成明规则，攒出来的。
五月的一个下午我和 AI 一起定选题。半天时间，它被我逮住四回，每逮住一回，就逼出一条规则。
第一回，我发现它压根没读完。 我让它从我四月导入的那批笔记里挑选题，它很快列了几条备选选题。我一看就感觉它没抓住重点，就问它：这二十多条，你都读了？它承认自己其实只挑读了八条，剩下的扫都没扫，就开始给我推荐了。
于是，逼出第一条规则：扫素材必须从头到尾，不许挑读。 你漏掉的那条，很可能正是最好的那条。我前面说“三条轨道每隔一阵从头扫一遍”，就是这么来的。
第二回，我让它交代排序的依据，它交代不出。 它推了几条选题，排了个先后。我问：你这个顺序，凭什么？它最后承认凭“感觉”。我当时有点哭笑不得，AI 给的推荐，看着头头是道，你一追问依据，全是黑盒。
于是，逼出第二条规则：任何推荐，必须把打分亮出来，凭什么这条比那条高，一项一项摆清楚。 前面那套五维评分，就是这几个回合逼出来的。把“选哪条”从一个人或者说AI的“感觉”，变成一张谁都能质疑的分数表。
第三回，它把三条轨道当成平行线，各管各的。 它处理素材时，把日常记录、工作日志、项目经验当成三个互不相干的来源，各挑各的，最后给出3组选题推荐列表。我追问它：这三组里面很多是同一件事啊。同一个项目事故，语音里有主观认知和情绪、日志里有现场对话、经验库里有方法论，你当成三条孤立的来源/选题，不就把最好的那种“三料齐全”的选题给拆散、稀释了？
然后，就逼出第三条规则：三条轨道都有痕迹的选题，重点深写。 前面说的“可立体复盘”，就是这一回合逼出来的。
第四回，我抓它“往后拖”。 有几件能顺手做掉的小事，它说“放到周末一起弄吧”。我问它：你确定周末能记住吗？不费什么时间的事，当下就做，别都堆到周末。因为，我意识到，“周末”成了它拖延的安全词，一不小心就拖出了烂尾选题，真要写的时候，它丢了素材链。
这就逼出第四条规则：当下能做完的小事，当下做，不堆。 这条看着跟选题没关系，其实是整套系统能转起来的地基，系统素材链是靠一件件小事当场做掉、攒出来的，不是攒一大堆、等某个“统一处理日”。
四个回合下来，一套“选题系统”就这么从一摊糊涂账里，被一条条清晰地逼了出来。
你看，AI 能帮我把活儿干得飞快，可什么算好选题、凭什么这么排序、有没有偷工减料，这些判断，我一步都没撒手。
它出力，我把关，而且得是较真到底的那种把关。这套系统珍贵的地方，不在那几条规则本身，在背后那个“不许它糊弄”的较真劲儿。
几条你也用得上的
如果你也想让“选题”这件事不那么看运气，我把磨出来的几条压箱底的给你：
素材靠固定轨道定期扫，别靠“想起来”。 而且尽量让你的轨道覆盖不同视角，情绪的、过程的、复盘的，素材案例才立体。
给选题打分，哪怕维度糙一点，也要写下来、算出来。 重点不是分数有多准，是让你的判断“能被复盘”，回头数据不好，你查得出当初哪一步看走了眼。
任何“推荐”，你都追问一句“凭什么”。 不管是 AI 给你的，还是你自己脑子里突然冒出来的那个直觉。依据立不住的，先别急着信。
写在最后
选题这道工序背后，藏着一个更大的转变：把“靠灵感的创作”，换成“靠系统的生产”。
要想长期、稳定地做内容，不能把身家全押在一个时有时无的东西上。
虽然用这套系统还没有产出大爆款，但我越来越确信，它的价值不全在一时的阅读量，它让我在没灵感的日子也照样稳定出题、不断更。它把我每一个判断都留了痕迹、回头能复盘、能改进。
比起阅读十万、却没一个对的人来找我，我更想要的是被对的少数人认真看见。
我把这套系统、把我较真的过程、甚至把翻车，都摊开给你看，这本身就是我想交付的东西。
上一篇我写过一句话：系统，先于结果。选题这道工序，就是这句话最实在的一个落点。
这是内容产出六道工序的第一道。下一篇，我将继续拆解、讲讲我是怎么把关、不让 AI 糊弄的。
我是晚晴——15 年产品人，懂技术、懂业务，现在用 AI 独立做交付、做内容。这里只写「一个人 + AI，怎么把事真正做成」的实战：协同纪律、需求对齐、交付避坑——不画饼、不鸡汤、不卖课。
如果这篇有用，关注「晚晴笔记」，这个系列我会一道工序一道工序拆下去；想往深里聊，扫码加我微信（加我时带一句你在做什么，我好对上）。以下三类人，尤其欢迎直接找我：
① 有想法想用 AI 落地成产品 / 项目，却不知从哪下手、需求也说不太清
② 在公司或团队里推 AI 落地，缺一套能落地、也能服众的方法论
③ 自己用 AI 做交付 / 接项目，总卡在产出不稳、需求对齐
| 关注公众号 · 看实战 | 加我微信 · 想深聊 |
|---|---|
 |  |
