Every 编辑团队如何使用 AI — 完整工作流揭秘

来源：Every Newsletter，2026-02-23

核心立场

Every 的立场是：AI 既是提效工具，也是创作伙伴，两者并不矛盾。

核心论点： AI 工作流程是高度个人化的，没有统一答案，每个人需要根据自己的职能与节奏去摸索属于自己的方式。

Kate Lee（主编）的工作流程

Kate 的工作处于编辑链条的末端——通常是第一次读到一篇文章时就要做最终定稿前的"顶层编辑"（top edit）。

主观判断

使用 Every 自研的写作工具 Spiral 生成改写选项并迭代。

目标： 语言听起来像某个具体的人写的，面向聪明但不一定是专业人士的读者。

模式识别

自建了一个"顶层编辑技能"（top-edit skill），专门筛查最常发现的问题：

• 模糊的"this"或"that"开头（后面没有名词跟随）
• 无来源的引用和数据
• AI 写作特征（如关联结构、公式化过渡语）
• 对冲性措辞、营销腔、句子残片

Monologue 口述

用 Monologue（语音转写工具）来快速口述编辑反馈或研究报告初稿——有了粗稿就可以直接修改，而不必从零开始。

Eleanor Warnock（执行编辑）的工作流程

Eleanor 的工作节点在 Kate 之前，负责逐行编辑。

AI 初步判断

当收到一篇稿件时，AI 帮她快速评估：

• 这篇文章是否有潜力
• 是否符合 Every 的定位
• 是否具备成立所需的基本要素（如清晰的论点）

技术性段落处理

逐段工作，将密集的技术内容转化为面向聪明但非技术专家读者的语言。

风格检查

运行一个"风格检查技能"（style check skill）确认文章是否符合 Every 的内部风格指南。

团队协作： 所有团队共用的技能（初步筛选工具、AI 痕迹检测技能、风格指南检查器）都保存在 Every 的 GitHub 上，便于统一更新。

Katie Parrott（专栏作家）的写作哲学

采访模式启动写作

连续至少 12 个月用同一种方式开始每篇专栏文章：

"打开 Claude 中的 Working Overtime 项目和 Monologue，然后说：'我有一个关于 X 的想法，能不能一次一个问题地采访我，帮我梳理清楚我的想法？'"

AI 贯穿写作全程

从大纲到草稿到修改，但过程并不线性：

• 有时到了大纲阶段才发现缺少论点
• 有时写到一半才意识到结构需要推倒重来

关键比喻：雕塑 vs 建筑

传统写作是建筑：

• 逐字堆砌
• 需要先有蓝图（大纲）
• 任何一块砖放错都会影响后续结构

AI 原生写作更像雕塑或陶艺：

• 先得到一块材料
• 再把它塑造成你想要的形状

质量坚持

最终文章必须通过和以前一样的标准：

• 是否表达了某种真实的东西？
• 是否有人能从中学到什么，或感到不那么孤独？
• 是否"听起来像"我自己？

Jack Cheng（特约编辑）的工作流程

AI 作为"替补投手"

• 所有文章都先自己读和编辑
• 只有在截止日期压力下、或反复看同一段落看不出问题时，才会求助 AI 获取外部意见
• 在发给 Kate 之前运行她的顶层编辑技能

AI 作为研究起点

辅助 Google 搜索，帮他发现值得阅读的书籍和文章。

AI 作为同义词词典

例如曾提问：

"有没有一个词和'side eye'类似，但更偏向怀疑而非不赞同？"

开发中的技能

正在开发一个专门技能，用于识别 Dan Shipper 的专栏文章与他在其他地方（网上、内部会议）谈过的内容之间的空白。

Rachel Braun（播客制作人）的工作流程

后期制作

• 用 Descript 生成粗略转录稿
• 利用其 AI 功能标记可剪辑的填充词
• Studio Sound 功能确保音频质量无论在哪里录制都清晰

节目包装

用 ChatGPT 生成标题和 YouTube 缩略图选项：

• 输入单集主题、嘉宾信息和亮点时刻
• 来回迭代，而非直接采用初始输出

短视频制作

用 Descript 和 Overlap 制作社交媒体短视频并添加字幕。

运营自动化

在 Claude Cowork 中建了一个自定义技能，每周自动更新数据追踪电子表格，拉取绩效指标。

感受转变： 六个月前，AI 主要用于快速获取答案或加速重复性任务；现在更像是把它当作思维伙伴，尤其是在推敲标题或构思单集框架时。

Anthony Scarpulla（社交媒体经理）的工作流程

六个月前还在手写每一条社交媒体帖子，现在大部分工作都由 Claude Code 和 Claude 完成。

社交监听工具

在 Claude Code 内部自建了一套类似 Sprout Social 的社交监听工具：

• 连接 X API
• 监控平台上与 Every 报道话题相关的讨论
• 通过 MCP（模型上下文协议）调取相关历史文章
• 与 Typefully 集成，实现快速起草发帖

内容提取流程

每当团队发布新文章：

1. 将全文输入一个 Claude Project
2. 要求 AI 提取"构建模块"而非成品帖子（可引用的句子和支撑论点的证据点）
3. 生成 5-7 个帖子选项、几个串联结构和一个 LinkedIn 改编版本
4. 经过 Every 风格指南和 AI 痕迹检测技能的双重过滤
5. 同步到 Google Doc 供 Kate 审核后才发布

角色定位

用 DJ 做比喻： 当 AI 能在几秒钟内生成 50 个推文变体时，他的品味就是区分"听起来像 Every"和"听起来像任何其他 AI 新闻通讯"的关键。

可应用要点

1. 构建专属"技能"（Skill）

将重复性的判断标准编写成可复用的 Skill：

• 列出工作中最频繁重复的 3-5 种判断
• 用自然语言把判断标准写下来
• 存入 Claude Project 或任何常用 AI 工具
• 形成可随时调用的检查清单

2. 用"采访模式"启动深度思考写作

当你需要写一篇报告、提案或文章，但还没想清楚时：

"我有一个想法是 X，请一次一个问题地采访我，帮我梳理清楚我的想法。"

本质： 先用对话把思维外化，再从对话中提炼结构，最后才进入写作。

3. 用语音转写替代"空白文档焦虑"

下次需要写邮件、反馈或报告时：

1. 不要打开文档，先录一段 1-3 分钟的语音
2. 把想法说出来
3. 用转写工具转成文字
4. 交给 AI 整理成结构化输出

效果： 永远是在"修改"而不是"创作"，心理负担大幅降低。

4. 建立"构建模块"提取流程

不要让 AI 直接输出成品，而是先让它提取"构建模块"：

• 可引用的句子
• 核心论点
• 关键数据点

适用于任何内容再加工场景：

• 读完一篇长报告后，让 AI 提取 10 个最值得引用的句子
• 写完一篇文章后，让 AI 提取可用于社交媒体、邮件摘要、演讲要点的素材库

5. 建立团队 AI 技能库

把所有团队共用的 Skill 存入版本控制系统：

• 用 Notion、Google Drive 或 GitHub
• 把团队成员各自摸索出的有效 prompt 和工作流程集中存放
• 定期更新

价值： 团队的 AI 能力可以积累，而不是分散在每个人的私人聊天记录里。

启发性洞察

AI 写作的本质是"雕塑"而非"建筑"

这个认知转变改变了一切：

建筑模型让人焦虑，因为它要求你在开始之前就想清楚一切。

雕塑模型完全不同：

• 你先得到一大块材料（AI 生成的粗稿、对话记录、语音转写）
• 然后通过不断削减、调整、重塑来接近你想要的形状
• 失败的方向是有价值的

应用场景： 不仅限于写作。产品设计师可以先让 AI 生成 20 个界面方案，再从中雕刻出真正想要的设计；策略顾问可以先让 AI 生成一份粗糙的分析框架，再通过批判和修改来形成自己的观点。

关键： 把 AI 的第一次输出当作"材料"而非"答案"，你的工作是判断和塑造，而不是接受或拒绝。

关联

• writing/overview — 写作概览
• writing/writing-with-ai — 用 AI 写作
• writing/editing-ai-writing — 编辑 AI 写作
• product-trends/overview — 产品趋势

Sources

• 2026-02-23-Every精读-编辑团队如何使用AI