一位职业写作者如何用 AI 写作

在这期 AI & I 中，Every 作者 Katie Parrott 与 Natalia Quintero 讨论了 AI 写作和 Compound Writing。对话沿着成稿周围的工作展开：准备上下文、判断什么重要、编辑，以及把反馈留下供下次使用。

Parrott 最初把 ChatGPT 当职业教练，是在失去编辑与代笔工作之后。她需要外部视角，但面对不确定的失业期，没有预算请真人教练。此前，她已经用模型处理过一些重复性的内容任务。

她重视的是把想法说出来，以及在自己总往最坏处想时得到追问。获得清晰认识仍然需要她参与。访谈引用的早期文章中，她说答案来自不断回应问题和提示，并不是助手直接交付的现成结论。这段经历也帮助她考虑在继续寻找全职机会时，先尝试为 Every 写自由职业专栏。

Quintero 提起她在 2025 年初答应的一份两周工作量：八篇博客、三本电子书、24 条 LinkedIn 帖子、24 条 X 帖子和 16 条 Instagram 帖子。Parrott 说，自己当时正在发现后来被称作上下文工程的方法。

她给模型提供品牌信息、产品细节和受众情况。有了这些基础，输出才更容易朝预期方向发展。大量工作也属于内容改编：把已有文章转为其他渠道的内容，而不是每份素材都独立从零创作。

主要准备集中在前面。文档、工具和上下文需要花时间整理，但环境建立后，迭代便能加快。她把更大产出归因于这些准备，并没有说只发出一句生成内容的要求，就能获得同等质量。

早期上下文放在 Google Docs 里，需要手动复制到对话。后来项目功能和自定义指令减少了重复劳动。她为每个自由职业客户、每个专栏分别建立项目。

文件内容来自她熟悉的内容管理工作：受众是谁、有哪些问题、产品怎样对应这些问题、有哪些竞争选择、公司与别人有什么不同。这些问题要先于词汇、阅读难度和语气偏好。

模型需要基础约束，才能沿有用的方向工作。风格指南可以帮助表达，却不能替作者说明，读者为什么要关心这篇文章，以及作者究竟有哪一个特别的观点。

Parrott 所说的研究，是每篇文章独有的材料：公司的研究、第三方资料、个人经历，或不一样的洞察。如果只要求模型根据已有知识写一篇文章，调用的往往也是其他人都能获得的信息。

Quintero 将这比作按照菜谱带来新鲜食材，Parrott 接着说，模型像厨房，列提纲像切菜，写作组合像烹煮。但食材本身仍然得好。

她说，AI 让自己重新喜欢写作。组装句子消耗的精力减少后，才有余力面对更难的问题：这些句子放在一起，到底说了什么。目标是给探索与论证留下空间，而不只是交出一份勉强过关的稿子。

Parrott 也把 AI 看作支持性技术。她举了减轻邮箱压力、为拖延很久的预约查找信息等个人例子。在预约的例子里，智能体找到可能合适的医生，由她完成预约。这是她对实际生活支持的描述，并不是治疗效果的说法。

她的职业教练后来变成 Codex 中的一个项目，包含自己的角色、Every 的定位、内容系统中的表现数据、读者反馈和季度目标。她用这些资料连接自己的工作与组织的优先事项。

她通过语音讨论不同任务的顺序，系统则维护交付物、日期和看板。创建上下文时，她常让 AI 采访自己，用问题引出想法，再将回答变成文档。文章周围的系统与文章本身一样，都需要她提供信息。

Parrott 对“复利”的定义，是让每次给 AI 的反馈回到系统里，改善下一次输出。受到 Compound Engineering 启发，她通过与 Claude 对话，将已有流程改成写作版本。

两种工作的步骤有相似处：头脑风暴、规划或列提纲、执行和审阅。但判断标准不同，写作审阅关心结构、声音与证据，而不是编程规范。

她区分了三个层次：检查大结构和论证的实质编辑、检查具体文字的逐行编辑，以及面向发布细节的最终检查。风格指南与范文仍是上下文的一部分，作者再把新材料带入这套已经建立的流程。

依据访谈制作的示意图：可复用上下文与新证据共同进入写作流程；这不是原插件界面。

Parrott 把插件比作写作健身房。其中一个审阅视角来自 Kurt Vonnegut 的故事原则，例如让每句话值得存在、给读者一个值得关心的人物。另一个来自 Hitchcock 对惊讶与悬念的区分：先让读者知道危险，可以让他们持续期待接下来发生什么。

她明确说，这借用的是框架，并不是让作者的灵魂审阅稿子。不同视角对同一篇稿件提出不同问题。即使有经验的作者也能获益，因为人很难同时记住所有检查角度。

Quintero 补充，用户也可以不认同某种视角，并由此发现自己的偏好。有用的流程提供具体的反应对象，并没有省掉完成高质量工作所需的努力。

对话还包含一个限制“轻松创造”承诺的软件例子。Parrott 为 Tastemaker 建立了 MCP 连接。这个应用收集她喜欢的写作片段，提炼成风格指南；她希望直接从工作环境添加片段、取回指南。

她说，Claude 帮忙做出了功能，但后来让 Codex 审查时，发现了五个安全漏洞。这个例子既说明她能做过去不会做的东西，也说明她可能引入自己最初看不出的错误。

因此，她的经历同时包含帮助与检查。生成连接本身，并不能证明功能已经准备好，或者已经安全。

被问到更大的判断时，Parrott 强调教育与可及性。她指出了支持自己学习的条件：专业人脉、一定的经济余裕、实验时间，以及购买工具的预算。

这些条件并不平均。她担心复利收益集中在一小群较早参与的人身上，希望不同地区、不同处境的人也有参与机会。

这个担忧与具体写作方法放在一起看，意义很清楚：把专业知识写下来，可以让别人更容易起步，但接触流程、获得工具，以及有时间学习，仍然重要。

本文整理自 Every 的 AI & I《How a Professional Writer Writes With AI》，对谈者为 Katie Parrott 与 Natalia Quintero。赞助内容和推广片尾已省略。