AI时代，写作如何保住人的位置

摘要

AI正在改变写作的生产方式，也在重新抬高作家的门槛。普通信息整理、研究报告、润色和初稿生成会越来越便宜，但个人经验、专业判断、独特视角、品味和真实声音仍然有价值。写作者真正要做的，是把AI当作研究员、编辑和思考伙伴，同时把自己无法被模型复制的部分写出来。

内容框架与概述

AI已经进入写作的核心流程。过去写作者可能把AI看成可有可无的工具，现在它已经能完成研究、整理、润色、改写、生成报告、辅助阅读等工作。写作行业的变化速度很快，作者从早期怀疑AI，到后来在旅行、研究、日常阅读和工作写作中频繁使用AI，逐渐意识到写作范式已经改变。

真正值得警惕的地方，不是AI会让所有作家失业，而是平庸的信息型写作会迅速贬值。AI可以生成高度贴合个人兴趣的内容，比如根据某个地点、时间、兴趣点生成一份定制研究报告。这类内容未必拥有最高的文学质量，但它足够具体、足够相关，能直接满足读者当下的问题。

写作者的出路在于经验、专业知识、个人叙事、品味和独特判断。AI可以帮你写，但不能替你拥有生活经历，不能替你在某个领域积累判断，也不能替你承担观点。写作的核心会从单纯产出文字，转向选择材料、提出问题、删掉无用内容、建立声音，以及表达那些只有你知道、只有你经历过、只有你能说清楚的东西。

核心概念及解读

LLM，大语言模型

LLM是视频中讨论的核心工具。它不再只是聊天机器人，而是写作者的研究助理、编辑、阅读伙伴和初稿生成器。作者强调，忽视LLM已经不现实，因为它正在进入阅读、写作、研究和内容生产的各个环节。

Deep Research，深度研究

Deep Research被用来生成高度定制化的研究报告。作者举了奥斯汀Ladybird湖边散步的例子，只需要输入具体需求，AI就能围绕当地动植物和季节变化生成两三千字报告。它的价值不在于取代经典书籍，而在于把信息压缩成刚好适合当前兴趣的内容。

Personal Writing，个人写作

个人写作包括传记、回忆录、信仰转变、生活经历和情感变化。它的价值来自真实经历和人与人的连接。AI可以模仿形式，但无法替你经历人生，也无法替你拥有痛苦、转变、信念和关系。

Taste，品味

品味是写作者在AI时代仍然必须保留的核心能力。AI会生成大量文本，其中很多都需要删掉。真正重要的能力，是判断哪些内容值得留下，哪些内容应该去掉。写作会更像编辑和雕刻，产出变多以后，筛选能力更重要。

Experience and Expertise，经验与专业知识

经验和专业知识是写作者区别于AI的关键。你住过某个地方，办过某类活动，长期观察某个行业，和一线的人聊过，这些都会形成模型没有的材料。未来有价值的非虚构写作，会更依赖这种来自现场、实践和长期积累的知识。

文章基本信息

字段	内容
原标题	The Ultimate Guide to Writing with AI
作者	David Perell
发布日期	2025 年 3 月 27 日

AI已经进入写作的核心流程

忽视AI，等于忽视写作环境的变化

开场的判断很直接：AI会撼动写作行业的根基。对写作者来说，完全否定AI已经不现实。但这不等于作家没有空间。真正有能力的写作者仍然有机会，问题变成了：怎么把AI纳入写作、思考、研究和表达，同时让自己的作品经得起AI时代的筛选。

写作教育也被迫重构

David Perell经营写作学校多年，过去课程重点是帮助学生通过持续写作建立受众、写邮件通讯、形成个人领域影响力。几个月前，AI在课程中的比例还很低，现在已经变成绕不开的核心内容。这个变化速度本身就说明，写作教学不能只教传统表达技巧，还要教人怎样和模型协作。

AI进步的速度已经超过许多写作者的直觉

从怀疑到依赖，转折来自真实使用

一开始，他对AI也有怀疑，觉得模型会幻觉，写得不够好，也没法和人类相比。但后来在阿根廷旅行时，他把看到的雕像、美术馆、城市问题随手丢给ChatGPT，晚上再阅读整理出的答案，发现自己像随身带了一个导游。这种体验让AI从一个抽象技术，变成日常学习工具。

模型竞争改变了写作者可用工具的质量

2023年GPT4刚出现时，优势非常明显。但后来多家公司推出了接近或超过GPT4水平的模型，模型质量提升，价格下降，选择变多。对写作者来说，这意味着AI不再只是一个固定工具，而是一组持续进化的写作、研究、阅读和思考基础设施。

小众幽默成了AI能力跃迁的信号

他特别提到GPT4.5生成的泰勒·考恩相关笑话。这个例子重要的地方在于，小众幽默需要背景知识、语气、梗文化和人物理解。过去AI常被批评为平庸、平均、缺少灵气，但当它能在非常狭窄的语境中产出让熟悉者发笑的内容，说明它已经开始触及更高层次的表达能力。

AI正在改变阅读，也在改变内容质量的定义

阅读的一半可能来自AI生成内容

他现在读到的内容中，有相当一部分来自AI生成。原因不复杂：时间有限，而AI可以根据具体兴趣生成高度定制的解释、报告和背景材料。过去要搜索网页、筛选文章、拼接答案，现在可以直接和LLM来回交流。

Deep Research的价值在于高度贴合个人问题

他举了Ladybird湖边散步的例子：自己住在奥斯汀，想知道三月从家到办公室这段路上有哪些动植物变化，于是让Deep Research生成一份两三千字的报告。它不追求成为最权威的自然史著作，而是刚好服务于一个具体的人、具体地点、具体时间和具体兴趣。

质量有两层：作品本身，以及与兴趣的契合度

传统上谈写作质量，常常只看作品本身是否优秀，比如文笔、研究、影响力。但阅读体验还有另一半：它和读者此刻的兴趣是否吻合。一本文学或历史经典客观上可能很好，但如果它和你的当前问题无关，你就不会读。AI的优势正在这里：它可以生成刚好贴合你当前兴趣的内容。

个人写作仍然是AI难以替代的区域

越来自个人经历，越难被替代

个人叙事、传记、回忆录、信仰转变、人生经历，这些内容不会很快消失。原因很简单：读者从写作中寻找人与人的连接。他们想读到某个人真实经历过什么，怎样改变想法，怎样承受痛苦，怎样重新理解世界。AI可以模仿这种形式，但没有自己的生活。

个人写作的核心是连接感

好的个人写作让读者感到：原来有人也这样想，也这样痛苦，也这样困惑。这里的价值不在信息量，而在人和人之间的共鸣。电脑可以写一篇形式上像自传的东西，但读者知道那不是一个真实的人在回忆、判断、改变和承担。

私人经历会变成写作者的护城河

他用自己准备写信仰转变长文的例子说明：从犹太家庭、无神论背景、纽约生活，到成为基督徒，这是一个高度个人化的思想转变。里面有经历、情绪、痛苦、信念变化和对现实的理解。只要写得好，这种作品不会因为AI出现而过时。

经验和专业知识会成为非虚构写作的核心资产

你知道什么，是LLM不知道的

写作者需要问自己：我有哪些数据、事实、经历和信息是模型没有的。自己的生活当然是一个来源，但还包括具体城市的氛围、行业内部经验、组织活动的经验、朋友饭桌上的前沿信息、尚未进入公开材料的小圈子讨论。

现场知识比公开资料更有价值

信息常常先在小圈子里口口相传，然后进入会议、播客、文章，最后才进入书籍和模型训练数据。也就是说，LLM接触到的信息往往是后期、整理过、公开化的版本。写作者如果在现场，就能写出模型无法直接复制的内容。

两个E：Experience和Expertise

经验和专业知识是非虚构写作者面对AI时最重要的差异来源。你长期做过某件事，和人深入聊过某个问题，踩过坑，形成过判断，再把这些东西清楚写出来，这就有价值。AI能整理公开知识，但不能替你在现场生活多年。

写作者的核心能力没有变，但门槛更高了

品味仍然是第一能力

无论是自己写，还是和AI协作，最后都会删掉大量内容。AI会生成更多材料，也会制造更多需要筛选的东西。写作者的关键能力是判断：哪些句子值得保留，哪些段落该删，哪些想法有力量，哪些只是看起来顺滑。

独特视角比普通表达更重要

写作者需要有自己对世界的判断。不是复述共识，也不是把公开信息重新包装，而是提出一个自己确信、别人未必同意的判断。AI通常基于大量已有文本和共识模式生成内容，所以真正有棱角的判断仍然稀缺。

秘密会更值钱

这里的秘密不是阴谋，而是你通过长期观察、实践和思考形成的独特信念。比如有人相信未来教育会从教师讲授转向AI学习加教练陪伴，并用学校实验和数据来验证。这类判断听起来可能激进，但如果背后有经验和证据，就会构成写作的力量。

AI可能会结束一部分互联网垃圾内容

SEO制造了大量冗余内容

过去很多网页写作服务的是搜索引擎，而不是读者。比如找饼干食谱，读者想知道糖、面团、巧克力片的比例，但网页为了排名和停留时间，会塞入故事、照片、背景和无关内容。旅游、食谱、科普页面里充满这种冗余内容。

AI回答会压缩无效内容

他把AI生成内容称为某种意义上的垃圾终结，因为读者终于可以直接要答案。平台激励过去推动作者写长、写绕、写重复，AI则把需求拉回问题本身：我现在要知道什么，怎样最快得到有用答案。

普通信息型写作会继续贬值

如果一篇文章只是在公开资料之间搬运、改写、拼接，它会越来越难收费，也越来越难建立读者关系。AI能用更快速度生成这种内容，甚至还能更贴近个人兴趣。写作者要么提供真实经历，要么提供专业判断，要么提供独特表达，否则会被压低价值。

AI协作写作的具体方法

先说出来，再让AI整理

他不喜欢长时间打字，所以常常一边散步一边把想法说出来。语音里会有重复、停顿、结巴和口语混乱，然后让GPT整理成结构清楚的文字，再由自己审阅和修改。这种方式把写作入口从打字改成表达，把AI当成整理者和初级编辑。

AI适合把混乱想法变成可编辑材料

他用团队报告举例：先录一段自己想说的话，再让AI整理为专业稿，明确论点和中心思想。发到Slack后，读者并没有明显感到这是AI润色的文本。这说明AI在整理口述、压缩表达、生成可用初稿方面已经相当实用。

写作者仍然要审阅和负责

AI生成之后，不能直接交出去。它有商业化、讨好式、声音生硬的问题。好的用法是先让AI生成，再由人审阅、删改、校准语气和观点。AI降低了初稿成本，但不能替代最终判断。

AI可以变成思考伙伴

用AI采访自己

他在写信仰转变文章时，会让AI先从电影和文学写作理论出发，整理好人物塑造需要注意的要点。随后再让AI围绕这些要点采访自己，追问人物、动机、冲突和转变。通过来回对话，自己的思路会被激发出来。

AI帮助人提出更清楚的问题

很多时候，写作卡住不是因为没内容，而是问题没有问清楚。AI可以帮助拆出问题、组织材料、补充视角、提示结构。它像一个不知疲倦的编辑或访谈者，逼你把模糊想法说得更具体。

未来笔记会越来越像训练数据

他开始改变记笔记的方式。过去笔记主要给自己看，现在笔记也要给AI看。写作者会收集自己喜欢和不喜欢的文本，解释为什么某段有趣、为什么某种表达有效，再把这些作为未来写作协作的参考材料。

不同模型承担不同任务

创作和摄入要分开

他把模型分成两类使用：需要创作时，用速度快、反馈周期短、适合写作组织的模型；需要吸收信息时，用推理能力更强、输出更慢但内容更扎实的模型。创作需要快反馈，阅读和研究可以等待。

GPT4.5适合创作和语音整理

GPT4.5被放在创作核心位置，用来生成初稿、润色语音稿、整理团队报告，也能处理一些小众幽默。但它仍然有缺点，比如语气容易商业化、过度迎合，需要人来修正。

O1 Pro和Deep Research适合信息摄入

当任务是理解某个复杂问题、准备会议、做背景研究、获得建议时，他更愿意使用O1 Pro或Deep Research。慢一点无所谓，因为目标是获得值得阅读和思考的内容。

语音写作会改变写作者的工作方式

从键盘写作转向边走边说

他提到Whisper Flow和Super Whisper这类语音转文字工具。它们让人可以一边走路、一边思考、一边说出几百字内容，系统再把它们转成可编辑文本。这会改变写作的身体姿势，也会改变写作节奏。

好的语音转写会逐渐理解个人习惯

先进语音转文字工具能处理标点、大小写，还会逐渐适应用户常说的词组和专有表达。对写作者来说，这类细节会持续减少摩擦，让口头思考更容易进入文本系统。

口述加AI整理，会成为高效写作路径

对不喜欢打字、但擅长说话和思考的人来说，这条路径很自然：先口述，再转写，再让AI整理，最后自己审稿。这不是把写作完全交给AI，而是把人的原始想法变成更容易加工的材料。

AI会改变组织内部的写作权力

管理者的思想可以被模型放大

他讨论了AI在组织中的影响：大型公司里，CEO不可能亲自管理每一封邮件、每个产品策略、每个客户消息。但如果有一个基于CEO思想训练的AI，它就能把顶层判断扩展到大量具体事务中。

中层管理可能受到冲击

AI可以扫描邮件、理解组织内部情况，并从领导者视角提供反馈。这会让高层的表达、判断和写作能力更重要，也可能压缩中层管理的部分空间。组织越大，文字越多，AI越可能成为管理系统的一部分。

写作会成为领导力接口

如果一个领导者能持续写清楚自己的判断、原则和策略，AI就能更好地复用这些内容。未来领导力的一部分，可能会变成写出足够清晰、可被系统调用的思想。

对写作者的现实建议

不要拒绝AI，先认真使用最新模型

如果你对AI悲观，最好的方式不是远远批评，而是用最新模型认真完成几个真实任务。只有亲自尝试写作、研究、阅读、整理、语音转写和长文构思，才知道它到底在哪些地方强，在哪些地方仍然差。

写更个人、更具体、更有判断的东西

未来更稳的写作方向，是个人经历、现场知识、专业经验、强判断和真实声音。越是泛泛的信息整理，越容易被AI替代。越是来自你的生活、你的实践、你的长期观察，越难被模型复制。

把AI当作研究员、访谈者、编辑和初稿助手

AI可以帮你找资料、提出问题、整理口述、生成初稿、模拟读者、压缩材料、校准结构。但它不应该替你决定什么值得写，也不应该替你承担观点。最后留下什么、删掉什么、坚持什么，仍然要靠人的品味和判断。