夜雨聆风上一篇我写的是，怎么让 AI 帮我把“选题”这件事系统化，解决“今天写什么”。
今天走下一道工序：选题定了，怎么和 AI 合作，把文章真正写好、配好图。
以前写一篇 2000 字的文章，我可能要憋好几天，零散的素材在脑子里是一团麻，不知道从哪起笔，写了删，删了写。
现在有了 AI 帮忙，情况完全不一样。
定好选题，它先围绕选题从我的素材库里捞料，那些我随手记的凌乱感悟、每天和 AI 协同干活的工作日志、做项目沉淀下来的经验，七零八落的东西，它几分钟就给我搭出一个立体的架构、出一稿。
剩下的，是我花几个小时改稿、质检，把它磨成一篇我自己认可的内容。
快是真的，但快不是重点。
AI 经常给我一篇几乎挑不出毛病，通顺、有条理、像模像样的稿子，但如果直接发出去，大概率是翻车。
所以，这篇我想讲讲AI出稿之后，我怎么把它从“看起来不错”，一关一关过成“真能用”。 写稿、配图这两道 AI 出力最多的工序，我各设了道关。
写稿：AI 出稿很快，但它会“一本正经地写错”
AI 写稿这件事，我现在的分工很清楚：捞素材、搭架构、码字，是它的活；判断和把关，是我的活。
它的检索能力确实很强，从我那个乱糟糟的素材库里，它能把同一件事的不同侧面拼起来，几分钟给我一个像样的骨架。这部分我乐得交给它，人去干这种活，又慢又累。
但它有一个致命的短板：它没有真实事件的记忆，它只能凭印象，推演一个“看起来最合理”的说法。
我吃过一次很典型的亏。
写第 6 篇的时候，本来我想写，客户对原型很满意，但是AI在编码时没有比照客户已经确认的原型，导致返工。
但是，AI 给我的初稿，中心思想却变成了：“客户的原型没做，就直接编码，所以返工了。”
读着挺顺，而且它把事故描述的逻辑清晰、合理。但我一看就觉得不对，这严重偏离事实，一个15年产品经理，给客户做项目，不出原型，不确认原型，就直接让AI编码？ 这简直就是一个严重不靠谱的产品经理主导的严重车祸。
事实是，我和客户对过3次原型，改了3版，最终客户满意确认。真正出问题的地方是，AI 在编码的时候，面对好几份输入，原型、文字说明文档，没有明确的规则，它不知道该听哪个，于是挑了那个最好理解的“文字说明”，自己自由发挥了。
这两个中心思想，差的不是一星半点。前一个除了显出我不专业，没有任何价值；后一个，讲的是企业级项目里 AI 协同一个特别真实的坑，多份资料，到底哪份优先级更高。后者的价值，高出一大截。
而 AI 是识别不出这个差别的，它不知道客户到底有没有确认过原型，没有明确告诉它，它不会像真实程序员一样知道严格按照原型做页面。它写文章的时候也只是凭感觉写一个看起来合理的版本，至于那个版本是不是真的、会不会坑我，它不负责。
所以，你看：
一个能识破“中心思想错位”的人，比一百个能生成“看起来不错初稿”的 AI，值钱得多。
AI 的价值在“生成”，人的价值在“识破”。我亲历过那个项目，我知道哪里错位，这是它再强也替代不了的。
所以现在 AI 给我初稿，我必问自己四句话，一句都不省：
- 它写出来的中心思想是我真实想表达的重点吗？
（不能只是“看起来对”，得是自己的真实体感和认知） - 用我自己的视角讲，立得住吗？
（和我的定位吻合吗？是否是对而不合，对而片面？） 是否避重就轻？重料没讲，一本正经的说正确的水话？（这个只有你自己清楚库里/脑子里的重料，才能判断得出来） 如果案例牵扯到的第三方（客户、合作方），冤不冤？（AI有没有会错意，把责任推错了地方？）
这四问，任何一个答不上来或者心虚，我就要先自己想清楚。
其实还有一个问题，文章的内核、案例、经验都来自我真实的感悟/日志/沉淀，怎么让 AI 码字的时候，写得“不那么像 AI”、带上我自己的味道。说实话我自己还在摸索，还没摸出可靠的法子，今天就不展开了，免得误导你。
配图：AI 能出图，但带病的图不能进成品
写完稿，就到配图。这道工序我踩过更直接的坑，也磨出了更硬的工作法。
我现在的配图是用网页代码写出图来，再让浏览器插件把它截成高清图，封面、正文的流程图，都是这么出的。模板我固定成了一套“深空风”，换内容不换样式，整个系列看着是统一的。这篇你看到的封面和图，就是这么出的。
但 AI 出图和 AI 出稿有同一个毛病，也是“看起来不错”。 你扫一眼，觉得行了，放大了、发出去了，才发现，图底下有一条白边、水印和标题压在了一起、文字被截掉了半个。
我一开始就是出一张、合进去、发现问题、再返工，一张图反反复复改好几遍。后来我给配图也立了一道关：
锁模板 → 全量出图 → 全量质检 → 一次过。
- 锁模板
间距、安全区、底色，一次定死，不每次重想，不稳定的美感就是从“每次重调”来的。 - 全量出图
一篇文章要几张图，提前想好，一次性全出，不出一张、合一张。 - 全量质检
每批图出完，必须一张一张核对，有问题的图绝不放进成品。 - 全绿了，才进下一步。
白边那个坑，AI 凭感觉觉得修好了，一本正经、信心满满地告诉我“已经修好”，结果修过三次，每次都复发。最后在我多轮拉扯，死磕较劲儿后才得到根治。
“看着挺好”不算验过，别信AI“以为修好了”的感觉，只认自己看到的实际效果。改稿子、改图，都一样。
写稿和出图，其实是同一件事
写稿和出图底层是同一个动作：
AI 出半成品，我设闸门，把它校准成能用的成品。
形式不同，内核一样，都是不让 AI 产出的“看起来不错”的东西，蒙混过关。
这些闸门现在已经慢慢沉淀成了固定的工作法：写稿必问四句话，配图必走四步关。这也是这个系列一直在说的那件事——系统，先于结果。能稳定出活的，从来不是手感，是把质量变成一道道能重复的关。
AI 出力 + 人把关，是我目前最高效的协同。 它把我从最耗时的码字、出图里解放出来；我把住判断和质量这道关。两件事缺一不可，光有它，产出又快又像样，但不能用。光有我，又退回到几天憋一篇。
合起来，才是一个人 + AI，几个小时磨出一篇我敢署名的内容。
下一篇，我会接着往下拆这套系统里更“反直觉”的一道工序，关注「晚晴笔记」，不迷路。
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
 |  |
