單篇100萬閲讀文章，如何用AI 做好內容創作？

餅乾哥哥做內容創作好幾年，跑爆過單篇100萬閲讀量嘅文章、由零開新號第5篇就10萬+、仲有小紅書境外遊、教培項目等等。

之前我寫過呢套內容創作系統背後嘅完整拆解：

一篇文章賣咗20萬，開源CC+Obsidian打造嘅LLM Wiki內容創作3.0系統

今日換個角度——唔講系統點樣搭，講商業世界底下嘅內容方法論點樣落地。

先講結論：大部分人用AI寫出嚟嘅東西一眼假，問題唔喺AI，係你冇標準。

要回答『點解AI寫嘅嘢唔滿意』，唔可以一開波就講AI。要先退一步——你點解要做內容？

可能係營銷、賣課、做IP、獲客——呢啲目的嘅共同本質係建立信任。信任靠咩建立？說服。說服嘅載體係咩？內容。

所以商業場景下嘅內容，本質上都係喺度寫議論文。論點係你嘅核心主張，論據係數據、案例、故事，論證係將論據串埋一齊嘅邏輯。

呢一步睇落簡單，但好多人跳過咗。我自己最早用AI寫內容，就係直接拋一句『幫我寫一篇關於n8n自動化嘅文章』。出嚟2000字，每句都啱，但夾埋一齊咩都冇講。

後來我先意識到，我自己都冇諗清楚呢篇文章要說服邊個、說服啲咩。AI當然只能畀一篇四平八穩嘅廢話。

內容係為咗說服，說服成唔成功邊個話事？市場話事。講白咗就係流量。

但追流量有兩條路。一條係『網感派』——搞抽象、玩梗、蹭熱點，靠直覺，難複製。另一條係『古典派』——打磨結構同遣詞造句，可複製、可教學。

我行嘅係古典派，因為古典派能夠被方法論化，能夠被AI放大。

喺我睇嚟，一篇文章各個元素嘅重要性排列係咁：

選題佔50%，標題佔20%，開頭佔10%，正文佔20%。

選題佔咗半壁江山。呢個都係點解我話『90%嘅人第一步就錯咗』——第一步唔係寫提示詞，係選題。我之前寫嗰篇Claude Code源碼洩漏分析，選題踩中咗技術圈嘅痛點，閲讀量係同期其他文章嘅4倍。同一個工具，換個選題角度，數據天差地別。

喺選題啱嘅前提下，我總結咗好內容嘅六條標準。呢六條唔係理論推導出嚟嘅，係我對比咗自己帳號上200幾篇文章嘅數據之後提煉出嚟嘅——閲讀量同完讀率雙高嘅文章，基本上都符合呢六條：

一、邏輯層層遞進，唔係平鋪羅列。每300-500字要有一個新觀點或者新問題將讀者拉落去。

二、開頭反常識，製造認知衝突。讀者頭3秒決定繼唔繼續讀。

三、正文有持續嘅閲讀鈎子。新觀點、問題、懸念，任何令讀者覺得『下面仲有嘢』嘅信號。

四、有素人感、人設感、故事感。讀者感受到『呢個係一個真人在講嘢』。

五、強烈個人觀點，敢表態。中立等於無聊。

六、結尾唔係空洞總結，而係洞察、金句或者反問。

先記住呢六條。等陣講AI嘅時候你會發現，呢啲標準就係你畀AI落指令嘅核心。

標準有咗。跟住嘅問題係：點樣用AI高效執行呢啲標準？

我將AI做內容分成三個版本——1.0、2.0、3.0。

大多數人喺呢個階段。打開ChatGPT或者Claude，輸入『幫我寫一篇關於XX嘅文章』，拿到一嚿四平八穩嘅廢話，然後就抱怨AI唔得。

1.0嘅質量上限，完全取決於你嘅提示詞。而提示詞嘅質量，取決於你對好內容標準嘅理解。呢個就係點解我前面先花兩個章節講標準。你自己唔知好內容係咩樣，AI更加唔知。

提示詞唔係咩玄學，就係將你心中嘅標準翻譯成AI能夠理解嘅約束條件。好似前面六條標準，直接翻譯成提示詞：

寫咗大半年提示詞，我踩出嚟五條經驗：

先餵素材，再要輸出。 我第一次叫Claude寫公眾號文章，畀咗一句話提示詞，出嚟2000字冇一句用得。後來我將三篇歷史高閲讀文章餵入去做風格參考，同樣嘅主題，出嚟嘅嘢直接用得70%。空手叫AI寫，佢只能畀你訓練數據裏面嘅平均水平。

畀約束，唔畀自由。 『寫一篇AI教程』係廢話提示詞。『用第一人稱，2000字，S·S·L·S句式節奏，開頭用結果開場，結尾用洞察昇華，禁止總結式收尾』——呢個先係有效約束。AI喺約束條件下嘅表現遠好過開放式寫作。

叫AI刪，唔叫AI加。 AI生成嘅初稿通常80%係水份。與其叫佢補充更多內容，不如叫佢做減法。『刪曬所有唔包含新信息嘅段落』比『再豐富啲』有效十倍。

自我批評循環。 生成初稿之後，叫另一個對話窗口嘅AI按你嘅六條標準逐項打分、挑毛病。呢個循環AI會自動跑幾輪，最終出嚟嘅嘢同第一輪完全唔同級別，起碼好10倍。

反向工程。 餵一篇你覺得寫得好嘅文章，叫AI反推出風格規則、結構模式、句式特徵。我自己嘅風格指南就係咁樣建嘅——攞咗50篇自己最滿意嘅文章，叫AI提煉出寫作規則，然後每次寫作嘅時候當作約束條件餵入去。之前喺饕餮嗰篇文章，原理係一樣——叫AI從好樣本裏面『反推』規則。

1.0嘅問題係每次都要手動輸入提示詞、手動餵素材、手動檢查。寫一篇文章要喺AI同各種文檔之間切來切去，效率提升有限。

2.0就係將呢個流程固化做一套SOP。我自己在用嘅四步工作流：

Step 1：素材準備。 收集案例、確定痛點、揾風格參考。呢一步唔可以慳，慳咗後面全部係廢話。素材從邊度嚟？三個方向——銷售端收集客戶成日問嘅問題，交付端提煉產品嘅真實優勢，運營端複用已驗證嘅爆款選題。

Step 2：AI初稿。 將素材餵畀AI，加上風格樣本同約束條件，生成2-3個版本。注意：唔係叫AI從零寫，係叫佢基於你嘅素材寫。

Step 3：人工加工。 讀出聲檢查——邊度走神咗就係邊度要改。刪空話，加個人經歷，改結尾。開頭、結尾、關鍵判斷句，呢三個地方一定要人來把關。

Step 4：AI精修。 叫AI只做減法——刪冗餘、調節奏、統一風格。明確話畀佢知『只刪不加』。

呢個流程嘅核心思想：AI負責草稿同骨架，人負責視角同判斷。

2.0每次都係從零開始。AI唔記得你上個月寫咗咩，唔知道你嘅風格偏好，唔瞭解你嘅素材庫。

3.0要解決嘅係叫AI有記憶。

我而家嘅做法係用Claude Code操作本地Obsidian知識庫——呢套系統嘅完整搭建過程之前寫過，呢度只講核心結構。

每個公眾號有一份獨立嘅風格指南文件（我叫佢做style-guide），裏面寫死咗呢個帳號嘅人格、語氣、句式節奏、禁用詞、高表現選題模式。5-10篇標杆文章作為風格注入。AI讀完呢啲文件，就知道『餅乾哥哥』應該點樣講嘢。

4個公眾號共享同一個研究知識庫，但各自有獨立人格。每篇文章走統一嘅流水線——寫初稿、批評、修改、評分，評分過咗先可以發。

3.0嘅核心發現：拉開差距嘅唔係邊個會寫超級提示詞，而係邊個能夠更早將自己嘅內容資產積累落嚟。提示詞只係調用層，底層係你嘅知識庫質量。

大部分人在1.0。冇關係，先將1.0嘅五條經驗食透，比起盲目上2.0更加重要。

工具同方法都有咗。但用過AI寫內容嘅人都知，最頭痛嘅係：寫出嚟嘅嘢有AI味。

大部分人以為AI味係用詞問題——『值得注意的是』、數字列表過多。呢個係表面症狀。

真正嘅問題係模式。每段都整整齊齊『開頭-展開-總結』三段式。缺乏觀點立場，所有話題都兩面討好。所有回覆嘅結構如出一轍。

我整理咗一個去AI味檢查清單，每篇文章發佈前過一次：

最後呢一條係個快速檢驗法。AI寫嘅文章，直接刪咗最尾一個總結段，通常倒數第二段反而更加有力。

AI味之外，仲有兩個高頻問題：開頭同結尾。

開頭。 AI默認畀你嘅開頭永遠係『你知道嗎』『很多人不知道』『今天我要分享』——爛大街喇。

四種高轉化開頭類型——嘴替共鳴型（講出讀者心聲）、反常識型（違反常識嘅事實）、個人故事型（真實場景代入）、數據衝擊型（意外數據製造好奇）。

可以直接叫AI按類型批量生成：

結尾。 點解AI寫嘅每篇文章最後都指向『門檻越來越低、AI越來越強』？因為AI喺結尾會自動返去訓練數據中出現頻率最高嘅收尾模式——總結、展望、鼓勵。呢個唔係你寫得唔好，係模型嘅默認行為。

破解方法：喺提示詞裏面明確禁止自由總結，指定結尾類型。

我最常用三種——首尾呼應（呼應開頭場景形成閉環）、個人表態（加入你嘅判斷同偏見）、數據收尾（一個反直覺數據留下認知衝擊）。

仲有一個成日被忽略嘅問題：思路卡死一個話題寫來寫去都係同一個角度。

以我哋幫客戶做品牌營銷為例，本質原因係你用『產品類別』揾選題，而唔係用『用戶痛點』揾選題。

例如搜『AI writer』只能喺AI社區入面打轉；但如果搜『struggling with writer's block』，效率社區、學生社區、博客社區、自由職業社區全部都有相關討論——每個社區就係一個全新嘅選題角度。

真正稀缺嘅變成了三樣嘢：你踩過嘅坑（人哋冇踩過）、你跑出來嘅數據（人哋冇跑過）、你基於經歷形成嘅判斷（人哋諗唔到）。

我跑咗半年內容系統，最大嘅體會唔係AI幾強，而係——AI將『寫』嘅成本幹掉之後，『想』同『經歷』嘅價值被放大咗十倍。

以前一個人諗得清楚但寫得慢，產出有限；而家諗得清楚嘅人，AI幫佢將產出拉到原來十倍。

呢個唔係內容創作嘅終點，係內容創作門檻重新分層嘅起點。

餅乾哥哥從事內容創作好幾年了，跑爆過單篇100萬閲讀量的文章、從0開新號第5 篇就10萬+、還有小紅書境外遊、教培項目等等。

之前我寫過背後這套內容創作系統的完整拆解：

一篇文章賣了20萬，開源CC+Obsidian打造的LLM Wiki 內容創作3.0系統

今天換一個角度——不講系統怎麼搭，講商業世界下的內容方法論怎麼落地。

先說結論：大部分人用 AI 寫出來的東西一眼假，問題不在 AI，在你沒有標準。

要回答「為什麼 AI 寫的東西不滿意」，不能上來就聊 AI。得先往回退一步——你為什麼要做內容？

可能是營銷、賣課、做 IP、獲客——這些目的的共同本質是建立信任。信任靠什麼建立？說服。說服的載體是什麼？內容。

所以商業場景下的內容，本質上都是在寫議論文。論點是你的核心主張，論據是數據、案例、故事，論證是把論據串起來的邏輯。

這一步看起來簡單，但很多人跳過了。我自己最早用 AI 寫內容，就是直接甩一句「幫我寫一篇關於 n8n 自動化的文章」。出來 2000 字，每句話都對，但合在一起什麼都沒說。

後來我才意識到，我自己都沒想清楚這篇文章要說服誰、說服什麼。AI 當然只能給一篇四平八穩的廢話。

內容是為了說服，說服成不成功誰說了算？市場說了算。說白了就是流量。

但追流量有兩條路。一條是「網感派」——搞抽象、玩梗、蹭熱點，靠直覺，難複製。另一條是「古典派」——打磨結構和遣詞造句，可複製、可教學。

我走的是古典派，因為古典派能被方法論化，能被 AI 放大。

在我看來，一篇文章各個元素的重要性排列是這樣：

選題佔 50%，標題佔 20%，開頭佔 10%，正文佔 20%。

選題佔了半壁江山。這也是為什麼我說「90% 的人第一步就錯了」——第一步不是寫提示詞，是選題。我之前寫的那篇 Claude Code 源碼泄漏分析，選題踩中了技術圈的痛點，閲讀量是同期其他文章的 4 倍。同一個工具，換個選題角度，數據天差地別。

在選題對的前提下，我總結了好內容的六條標準。這六條不是理論推導出來的，是我對比了自己賬號上 200 多篇文章的數據後提煉的——閲讀量和完讀率雙高的文章，基本都符合這六條：

一、邏輯層層遞進，不是平鋪羅列。每 300-500 字要有一個新觀點或新問題把讀者往下拽。

二、開頭反常識，製造認知衝突。讀者前 3 秒決定要不要繼續讀。

三、正文有持續的閲讀鈎子。新觀點、問題、懸念，任何讓讀者覺得「下面還有東西」的信號。

四、有素人感、人設感、故事感。讀者能感受到「這是一個真人在說話」。

五、強烈個人觀點，敢表態。中立等於無聊。

六、結尾不是空洞總結，而是洞察、金句或反問。

先記住這六條。等下講 AI 的時候你會發現，這些標準就是你給 AI 下指令的核心。

標準有了。接下來的問題是：怎麼用 AI 高效執行這些標準？

我把 AI 做內容分成三個版本——1.0、2.0、3.0。

大多數人在這個階段。打開 ChatGPT 或 Claude，輸入「幫我寫一篇關於 XX 的文章」，拿到一坨四平八穩的廢話，然後抱怨 AI 不行。

1.0 的質量上限，完全取決於你的提示詞。而提示詞的質量，取決於你對好內容標準的理解。這就是為什麼我前面先花兩個章節講標準。你自己不知道好內容長什麼樣，AI 更不知道。

提示詞不是什麼玄學，就是把你心中的標準翻譯成 AI 能理解的約束條件。比如前面六條標準，直接翻譯成提示詞：

寫了大半年提示詞，我踩出來五條經驗：

先喂素材，再要輸出。 我第一次讓 Claude 寫公眾號文章，給了一句話提示詞，出來 2000 字沒一句能用。後來我把三篇歷史高閲讀文章喂進去當風格參考，同樣的主題，出來的東西直接能用 70%。空手讓 AI 寫，它只能給你訓練數據裏的平均水平。

給約束，不給自由。 「寫一篇 AI 教程」是廢話提示詞。「用第一人稱，2000 字，S·S·L·S 句式節奏，開頭用結果開場，結尾用洞察昇華，禁止總結式收尾」——這才是有效約束。AI 在約束條件下的表現遠好於開放式寫作。

讓 AI 刪，不讓 AI 加。 AI 生成的初稿通常 80% 是水分。與其讓它補充更多內容，不如讓它做減法。「刪掉所有不包含新信息的段落」比「再豐富一些」有效十倍。

自我批評循環。 生成初稿後，讓另一個對話窗口的 AI 按你的六條標準逐項打分、挑毛病。這個循環AI 會自動跑幾輪，最終出來的東西和第一輪完全不是一個級別，起碼好10倍。

反向工程。 喂一篇你覺得寫得好的文章，讓 AI 反推出風格規則、結構模式、句式特徵。我自己的風格指南就是這麼建的——拿了 50 篇自己最滿意的文章，讓 AI 提煉出寫作規則，然後每次寫作時當作約束條件喂進去。之前在饕餮那篇文章，原理是一樣的——讓 AI 從好樣本中「反推」規則。

1.0 的問題是每次都要手動輸入提示詞、手動喂素材、手動檢查。寫一篇文章要在 AI 和各種文檔之間切來切去，效率提升有限。

2.0 就是把這個流程固化成一套 SOP。我自己在用的四步工作流：

Step 1：素材準備。 收集案例、確定痛點、找風格參考。這一步不能省，省了後面全是廢話。素材從哪來？三個方向——銷售端收集客戶常問的問題，交付端提煉產品的真實優勢，運營端複用已驗證的爆款選題。

Step 2：AI 初稿。 把素材餵給 AI，加上風格樣本和約束條件，生成 2-3 個版本。注意：不是讓 AI 從零寫，是讓它基於你的素材寫。

Step 3：人工加工。 讀出聲檢查——哪裏走神了就是哪裏要改。刪空話，加個人經歷，改結尾。開頭、結尾、關鍵判斷句，這三個地方必須人來把關。

Step 4：AI 精修。 讓 AI 只做減法——刪冗餘、調節奏、統一風格。明確告訴它「只刪不加」。

這個流程的核心思想：AI 負責草稿和骨架，人負責視角和判斷。

2.0 每次還是從零開始。AI 不記得你上個月寫了什麼，不知道你的風格偏好，不瞭解你的素材庫。

3.0 要解決的是讓 AI 有記憶。

我現在的做法是用 Claude Code 操作本地 Obsidian 知識庫——這套系統的完整搭建過程之前寫過，這裏只說核心結構。

每個公眾號有一份獨立的風格指南文件（我叫它 style-guide），裏面寫死了這個賬號的人格、語氣、句式節奏、禁用詞、高表現選題模式。5-10 篇標杆文章作為風格注入。AI 讀完這些文件，就知道「餅乾哥哥」該怎麼說話。

4 個公眾號共享同一個研究知識庫，但各自有獨立人格。每篇文章走統一的流水線——寫初稿、批評、修改、評分，評分過了才能發。

3.0 的核心發現：拉開差距的不是誰會寫超級提示詞，而是誰能更早把自己的內容資產積累下來。提示詞只是調用層，底層是你的知識庫質量。

大部分人在 1.0。沒關係，先把 1.0 的五條經驗吃透，比盲目上 2.0 更重要。

工具和方法都有了。但用過 AI 寫內容的人都知道，最頭疼的還是：寫出來的東西有 AI 味。

大部分人以為 AI 味是用詞問題——「值得注意的是」、數字列表過多。這是表面症狀。

真正的問題是模式。每段都整整齊齊地「開頭-展開-總結」三段式。缺乏觀點立場，所有話題都兩面討好。所有回覆的結構如出一轍。

我整理了一個去 AI 味檢查清單，每篇文章發佈前過一遍：

最後這一條是個快速檢驗法。AI 寫的文章，直接刪掉最後一個總結段，通常倒數第二段反而更有力。

AI 味之外，還有兩個高頻問題：開頭和結尾。

開頭。 AI 默認給你的開頭永遠是「你知道嗎」「很多人不知道」「今天我要分享」——爛大街了。

四種高轉化開頭類型——嘴替共鳴型（說出讀者心裏話）、反常識型（違反常識的事實）、個人故事型（真實場景代入）、數據衝擊型（意外數據製造好奇）。

可以直接讓 AI 按類型批量生成：

結尾。 為什麼 AI 寫的每篇文章最後都指向「門檻越來越低、AI 越來越強」？因為 AI 在結尾會自動回到訓練數據中出現頻率最高的收尾模式——總結、展望、鼓勵。這不是你寫得不好，是模型的默認行為。

破解方法：在提示詞裏明確禁止自由總結，指定結尾類型。

我最常用三種——首尾呼應（呼應開頭場景形成閉環）、個人表態（加入你的判斷和偏見）、數據收尾（一個反直覺數據留下認知衝擊）。

還有一個經常被忽略的問題：思路卡死。一個話題寫來寫去都是同一個角度。

以我們給客戶做品牌營銷為例，本質原因是你在用「產品類別」找選題，而不是用「用戶痛點」找選題。

例如搜「AI writer」只能在 AI 社區裏打轉；但如果搜「struggling with writer's block」，效率社區、學生社區、博客社區、自由職業社區全都有相關討論——每個社區就是一個全新的選題角度。

真正稀缺的變成了三樣東西：你踩過的坑（別人沒踩過）、你跑出來的數據（別人沒跑過）、你基於經歷形成的判斷（別人想不到）。

我跑了半年內容系統，最大的體會不是 AI 多強，而是——AI 把「寫」的成本幹掉之後，「想」和「經歷」的價值被放大了十倍。

以前一個人想得清楚但寫得慢，產出有限；現在想得清楚的人，AI 幫他把產出拉到原來十倍。

這不是內容創作的終點，是內容創作門檻重新分層的起點。