Writing With AI — A Real Process
来源：Katie Parrott，Every.to，2026-04-06
回应批评
批评者想象的是最懒的 AI 写作版本：打 prompt → AI 给文字 → 粘贴 → 完事。
但真实的 AI 写作流程完全不同。
五个阶段的工作流
1. Brainstorming — "Interview me to find out what I think"
Agent 提出问题来引出你的想法：
- "Why is this on your mind?"
- "How has this shown up in your work?"
- "What do you want readers to walk away thinking about?"
关键洞察：有时回答不上来，说明你还没想清楚要写什么。
2. Outlining — Structure is a negotiation
Agent 基于访谈内容提出结构建议。
你从不接受第一个大纲。移动段落、砍掉薄弱的部分、添加 AI 没想到的内容。
3. Drafting — AI 生成，人主导
Agent 基于大纲生成初稿，但：
- 你决定哪些部分保留
- 你重写不满意的段落
- 你添加 AI 无法生成的个人经历
4. Review — 多角色评审
用不同 prompt 模拟不同读者视角：
- 怀疑者（Skeptic）
- 新手（Newcomer）
- 潜在客户（Customer）
- 同行（Peer）
每个视角逐段打分，指出问题。
深度审查：Guardrails 与审稿人 Persona（Katie Parrott, 2026-06-09）
当 AI 生成内容越来越流畅，人类编辑面临的新问题不是"找不到错误"，而是"让机器的流畅性代替了自己的判断"。Katie Parrott 的解决方案是将编辑反馈系统化，用 AI 审查 AI。
Guardrails Skill：将常见 AI 痕迹和个人坏习惯编码为审查清单——对称句式、空洞修辞、过度排比、模糊主张、对冲修饰。运行 /guardrails 让 AI 在每次起草后自动扫描这些问题。
审稿人 Persona 化：给 skill 赋予具体 persona 比 clinical descriptors 更有效，因为 persona 携带了 implicit 的判断框架：
| Persona | 职责 | 捕获的问题 |
|---|---|---|
| Sorkin | 有工作的审稿人 | 保持文章行进和对话感，不陷入不必要的细节 |
| Mom | 普通读者代言 | 不像作者那样 AI-pilled 的读者可能在哪里迷路 |
| Asshole | 攻击最弱论证 | 找出论证最脆弱的版本，迫使你加固它 |
| Hitchcock | 寻找张力 | 是否有"桌子下的炸弹"让读者想要继续读 |
| Sedaris | 寻找幽默感 | 文章是否有足够的 personality 和趣味 |
分阶段调用审稿人：
- 大纲阶段：用 Hitchcock（张力）、Sedaris（幽默）、Asshole（攻击弱点）在还有 prose 可以珍惜之前找出 structural trouble
- 章节草稿：每写完一个 section 运行
/ai-check和/guardrails，再用/tighten-draft捕获累积的臃肿 - 完整草稿：运行 developmental review 检查论证、结构、stakes 和 pay-off，然后运行 column-specific review 确认文章完成了 signature structural moves
/panel 综合审查：召集一组审稿人进行 holistic 审查。与逐一召唤不同，panel 的输出是所有反馈的 synthesis——保留 productive tension，不要平均化冲突意见。一个审稿人可能想砍掉某个 section，另一个可能认为它是草稿中最 alive 的东西。这种 disagreement 本身就是信号，告诉作者这篇文章要求她做出什么决定。
12 agents 审查一份草稿：在交给人类编辑前，Katie 运行 12 个 agent 做最终 pass。这看起来 excessive，但当模型能帮你快速到达 plausible draft 时，危险在于写作乍听深刻但实际上只是 AI 自我满足。
编辑 Taste 可分享：将优秀编辑的直觉规则化，写成可复用的 skills。Katie 的工作流承载了她的标准、主编的反馈、资深编辑的规则、house style，以及她在晚上 11 点因为草稿以新方式烦她而发明的任何奇怪小审稿人。
5. Line Editing — 逐句打磨
AI 帮助 tighten prose，但人做最终决定。
关键区别
| 批评者想象的 | 真实的流程 |
|---|---|
| 一次性交易 | 五阶段迭代 |
| 人被动接收 | 人主导每个决策点 |
| AI 代替思考 | AI 帮助人更好地思考 |
非虚构材料挖掘：AI 不写句子，但帮助找到材料
EP18 提供了一个更适合长篇 nonfiction 的模式：AI 不直接写最终文章，而是帮助作者处理材料工程。
核心流程：
- 现场材料仍来自人：实地观察、录音、照片、访谈和笔记。
- AI 帮助清理转写、整理时间线、生成课程/采访框架。
- AI 生成多语言关键词，帮助作者进入一手文献和跨语种材料。
- AI 在大量资料中协助寻找原文、细节和可疑线索。
- 人负责找到文章的钥匙、判断哪些细节有意思、建立画面感，并最终朗读和修改初稿。
这与 AI Writing as Sculpture 一致：AI 负责扩大材料块，人类负责雕刻判断。
隐藏风险：AI Autopilot
即使是精心设计的 AI 写作流程，也可能滑向"自动驾驶"——你觉得自己在审查，实际上只是在让文档从视野中经过。
危险信号：
- 你调整了一个短语、抓到一个怪句子，就感觉"审查过了"
- 你重复完成了同一项任务却完全不记得
- AI 的输出太流畅，你的眼睛自动滑过潜在问题
Katie Parrott 的三道防线（2026-04-20）：
- 先看再写：在问 AI 之前，先写下自己的粗略立场（五个 bullet：我认为什么、我知道什么、我不确定什么、我拒绝说什么、价值点）
- 留出间隔：周三起草，周四审查；或从聊天界面复制到文档，在不同 surface 阅读
- 一句话辩护：接受任何 AI 建议前，强迫自己写一句话解释"为什么这个对读者是正确的"——如果答案是"它听起来不错"，就回去重看
研究支撑：2026 年研究发现，这种"解释为什么接受"机制将错误接受率减少约 50%。
Charlotte Alter 的质疑
"Research is thinking. Outlining is thinking. Writing is thinking. Any portion of that done by AI is less thinking done by you."
回应：AI 不是代替这些思考，而是加速它们 —— 让你更快地看到想法的雏形，从而投入更多深度思考。
关联
- writing/human-sample-baseline — 人类样本作为 AI 创作的基准线：团队必须先产出人类版本的作品样本，才能使 AI 优化有参照物
- writing/ai-assisted-creative-production — AI 辅助创意生产的工程化流程：资料收集、功能分类、卡片化、排序详略、风格迁移、模块化开头结尾（诗梳风 EP21）
- writing/overview — Writing 总览
- writing/writing-as-thinking — 写作作为思考工具
- writing/editing-ai-writing — 编辑 AI 写作
- writing/ai-assisted-nonfiction-material-mining — AI 辅助非虚构材料挖掘