最近各种 AI 自动化工具很火。

一键生成小红书笔记，一键写公众号文章，一键批量发全平台。

看起来很爽，但有一个问题。

当一个东西的门槛被降到极低的时候，所有人都会冲进去，然后把门槛踏平。

Graphite 分析了 6.5 万篇新发布的文章，发现超过 52% 是 AI 生成的。

也就是说，我们打开搜索引擎看到的新内容，一半以上是机器写的。

但这一半内容，拿到了多少流量？

14%。

AI 生产了超过一半的内容，但只拿到了 14% 的搜索排名。排在第一位的搜索结果里，80% 以上是人写的。

小红书 2025 年上半年处置了 60 万篇低质 AIGC 笔记，封禁黑灰产账号超过 1000 万个。平台现在要求所有 AI 内容必须主动标注，不标注就限流。

公众号也一样。有博主做过实测，同一个话题，ChatGPT 直接生成的文章和经过人工润色的文章，阅读量能差 3 倍以上。

问题出在哪？

这些自动化工具做的事情，其实就是把 30 分的内容拉到 60 分。速度很快，成本很低，稍微打磨一下就能发。

但问题是，当所有人都能批量制造 60 分内容的时候，60 分就不是及格线了。

当每个人都能通过 API 调用获得同样强大的模型，这项能力本身就不再是竞争优势。

就像当所有人都会用 Excel 的时候，你会 Excel 不会让你拿到更高的工资。

那怎么办。

不是说自动化没用，它在流程上确实帮了很多忙。

但是我们必须想清楚一件事：我们做内容的目的是获取流量，不是自动发内容。

自动发 100 篇 60 分的东西，不如认真打磨 10 篇 85 分的。

那从 60 分到 85 分，具体怎么做？

内容可以简单分为文字、图片、视频三类。图片和视频涉及面更广，这里先不展开，只说纯文字。

第一件事：梳理流程，知道每一步在干什么

文字内容的生产，拆开来就三步：选题、初稿、精修。

听起来简单，但大多数人用 AI 的方式是把这三步压成一步——丢一个话题进去，让它从头写到尾，一次出稿。

这就是问题所在。

选题这一步，AI 其实能做很多——抓热点、扫关键词、列话题清单，给 100 个选题都没问题。

但问题是，它给的选题往往“正确但不性感”。

公众号圈子里有句老话，选题定生死。一个选题能不能爆，靠的是对读者情绪、传播节奏、时机窗口的综合判断。

这种洞察感，AI 目前还给不了。

初稿这一步，AI 最擅长。

给它足够的素材、明确的结构，它能快速跑出一版框架完整、逻辑清晰的草稿。

而且不同模型适合干不同的事。

GPT-5.5 和 Gemini 3.1 Pro 适合做调研和资料整理，上下文窗口大、综合能力强，能一次吃透大量素材。

写草稿更适合用 Claude Sonnet 4.6 或者 Kimi，文风更自然，中文语感更好，编辑轮次更少。

精修这一步，AI 最弱。

因为精修做的事情是：把观点变成你的观点，把句子变成你的句子，把节奏变成你的节奏。

这件事的本质是注入人格，让这个文章更像你。

所以不是“AI 帮你写”，是“AI 帮你起草，你来定稿”。

把三步分开，每一步用不同的方式跟 AI 协作，效果就会好很多。

第二件事：不要追求百分百自动化

很多人做内容自动化，目标是“我设好了，它自己跑”。

AI 的训练机制决定了它的输出会趋向“正确、完整、标准”。

这些特质对写代码是优点，对写内容却是最致命的点。

因为内容需要个人味，而个人味恰恰是“不标准”的。

百分百自动化生产出来的内容，就是 60 分的内容。

人工介入不是因为 AI 不够好，而是因为这件事的本质需要“人味”。

你的经历、你的判断、你踩过的坑、你独有的表达方式——这些是 AI 没有的原材料。

华盛顿大学的一项研究观察了 18 位创意作家使用 AI 的方式，发现他们不是让 AI 从头写到尾，而是给 AI 分配多种角色：研究助手、头脑风暴伙伴、编辑、甚至是“初级写手”。

按需切换，而不是全程托管，让不同的 AI 更像是工具，随时取用。

第三件事：每个环节必须有标准

对于现在的 AI，更有效的做法是给约束，而不是给自由。

给 AI 说“帮我写一篇公众号文章”，它给的是一篇通用的、标准的、谁都能写的文章。

给它说“800 字以内，口语化短句，不用总分总结构，不要出现‘在这个时代’和‘正因如此’，结尾不升华”。

虽然只是这么简单修改，但是效果就会好很多。

但很多人的问题是：我知道要有标准，可我不知道标准从哪来。

我的答案是：从方法论里来。

市面上教写作的书和文章非常多，不缺方法论，缺的是把方法论变成标准。

举几个例子。

粥左罗在《学会写作》里讲选题，核心公式就一句话：覆盖人群的广度乘以痛点的深度。

覆盖面广但不痛，没人点；痛但只有 100 个人关心，传不开。

两个维度乘出来，才是好选题。

刘润在他的写作心法分享中反复强调八个字：与我有关，对我有用。

读者点开你的文章，只有这两个理由。

如果两条都不沾，写得再好也没人看。

半佛仙人的内容风格以反常识揭露见长，标题简短直接，一句话制造一个信息缺口。

别人做正向科普，他做反向拆解，这种冲突感是他标题高点击率的核心。

这些方法论本身不复杂，但大多数人的问题是看完就忘，没有把它变成自己每次写作时的检查清单。

比如选题阶段，至少要问自己三个问题：

这个话题跟多少人有关？

他们看到标题会不会觉得“这说的是我”？

看完能带走什么？

还有一个很大的坑：默认读者了解你。

这是新手最常犯的错。

写了三年公众号，觉得粉丝都知道你是干什么的，于是开头就写“最近我又试了一个新工具”——但新读者的反应是：

你是谁？

你试了什么？

关我什么事？

Steven Pinker 在《风格感觉》这本书里管这叫“知识诅咒”：我们很容易默认别人知道我们已经知道的东西，结果写出来的文章只有我们自己看得懂。

正确的做法是，每一篇文章都假设读者是第一次看你的内容。

不依赖“上次我说过”，不省略背景，不跳过因果。

一旦你开始假设“读者不认识我”，文章的开头会变、结构会变、用的词都会变。

这些方法论——选题公式、读者视角、标题冲突、结构框架——都不是什么秘密，随便翻哪本都有。

关键是要从这些书里提炼出三样东西：

选题的判断标准：什么样的题值得写，什么样的不值得。

初稿的约束清单：字数、句式、禁用词、结构。

精修的检查清单：读者能不能看懂、有没有自嗨、有没有可带走的东西。

把这三样东西写下来，变成每次给 AI 的约束条件——这就是属于个人的写作标准。

当然，不同书里的方法论可能会互相冲突。

有人说标题要长要信息量大，有人说标题要短要制造悬念。

这时候需要自己判断，哪种更适合我们的账号和读者。

这个判断能力，也是 AI 替代不了的。

第四件事，也是最重要的一件事：建一个属于自己的风格知识库

EMNLP 2025 有一项研究测了四万多个生成样本，结论很明确：给 AI 看 3 到 5 篇你的范文，风格匹配度比不给范文能提升约一倍。

但超过 5 篇之后，效果就不再明显提升了。

也就是说，不需要把你写过的几百篇文章全丢进去。

挑 3 到 5 篇你觉得“对，这就是我的感觉”的文章，效果比几百篇好。

而且研究还发现，在博客、论坛这类个人化写作里，AI 的风格模仿能力明显弱于新闻、邮件等结构化文本。

越是随意的、有个人味的内容，越需要给它看真实样本，而不是用文字描述你的风格。

所以我们可以做的事情就是：

从过去写的文章里，挑出最能代表个人风格的 3 到 5 篇。

不是挑数据最好的，是挑“读起来最像个人风格”的。

把它们作为每次写作时的参考范文，直接喂给 AI。

再加上前面说的那份约束清单——什么能写、什么不能写、什么词不用、什么结构不要。

这两样东西加在一起，比任何一键自动化工具都管用。

因为一键自动化给的是所有人都能拿到的 60 分。

而你的范文、你的标准、你从方法论里提炼出的判断力，给你的是只有你才能拿到的 85 分。