写公众号三年，我用 AI 打磨细节后的三个意外收获

先说清楚，这不是一篇"AI 替你写爆款"的教程，我也不是那种喊"人人都是自媒体"的韭菜博主。我就是一个写了三年公众号、粉丝到现在也没过两万的普通创作者。今天想聊的，是我这三年里用 AI 打磨文章细节，意外捡到的三个收获。这三个收获，说实话，比"涨粉"本身更值钱。

一、先交代一下背景：我一开始是拒绝用 AI 的

我是做内容运营出身的，副业开了个公众号，定位是职场成长和效率工具这一块。前两年，我一直特别轴——觉得"用 AI 写文章就是作弊"，是走捷径，写出来的东西没有灵魂。所以我写稿从来都是硬扛，一个字一个字敲。

问题是，公众号这行有个特别反人性的地方：最耗心力的，往往不是写正文，而是那些"看不见的细节"。选题怎么定、标题怎么起、开头三句话怎么留人、结尾怎么让人想转发、段落怎么排读着不累……这些琐碎的活，占了写作一大半的时间，但你把它做好了，读者根本感知不到"你花了功夫"，只会觉得"这文章读着舒服"。

这就像装修里的水电工程，藏在地板下面，看不见，但它决定了一个房子住着舒不舒服。

我大概是在一年前，抱着"死马当活马医"的心态，试着把其中一块脏活——起标题——丢给了 AI。没想到这一丢，直接丢出来三个意外收获。

二、先把我的写作流程摊开，你就知道 AI 用在哪了

为了说清楚，我先用一张图把我现在写一篇文章的完整流程画出来，标出哪些环节 AI 参与、哪些环节必须我自己来：

看清楚没？正文永远是我自己写的，AI 碰的都是"边缘地带"——标题、开头、逻辑、金句。但恰恰是这些边缘地带，最磨人。

三、意外收获一：本想让它改错别字，结果我攒出了一整套选题库和标题库

我最初让 AI 干的活，特别卑微，就是"帮我校对错别字、改改语病"。后来有次死马当活马医，我试着把一篇已经写完的稿子丢给它，说"帮我起 20 个标题"。

结果它真给我整出来 20 个，其中 15 个是不能用的垃圾，但有 5 个，是我憋两天也憋不出来的角度。

那次之后我就上瘾了，把标题这摊子事彻底交给了它。我的做法是给它一套固定的提示词，让它照着我的"口味"批量生成：

下面是一篇已经写好的文章，主题是「{主题}」，核心观点是「{核心观点}」。
请帮我起 20 个标题，要求：

1. 一半走"痛点型"：戳中读者的焦虑或损失，比如"别再""为什么你总是"
2. 一半走"收益型"：告诉读者看完能拿到什么，比如"学会""一篇文章搞懂"
3. 每个标题不超过 22 个字
4. 尽量带具体数字，比如"3 个""2 倍""30 天"
5. 不要标题党，不能夸大，必须和文章内容对得上
6. 不要用"揭秘""震惊""居然"这种低级词

这套提示词是我试错了很多轮才磨出来的。它给我最大的启发是——原来我对标题是有自己的标准的，只是以前从没把它写出来过。为了写这个提示词，我被迫想清楚了自己到底喜欢什么样的标题、讨厌什么样的标题。

更意外的还在后面：因为 AI 每次生成 20 个，我只能用 1 个，剩下 19 个怎么办？扔了可惜，我就建了个表格存起来，标上"待用""太标题党""角度旧"这种标签。时间一长，这个表格就成了我的标题库。

同理，我还照着这个思路建了选题库：平时刷到啥有意思的话题、读者在后台问的问题、同行爆了的文章，我都记下来，定期丢给 AI 让它帮我"扩写成 5 个可写的选题角度"。

到现在，我的选题库躺了 200 多个待写选题，标题库躺了 500 多个备选标题。我再也没有"这周不知道写啥"的焦虑了。 这是第一个意外收获：本来只想偷个懒，结果搭起了一套可持续的内容生产系统。

四、意外收获二：本想让它润色，结果它成了我梳理逻辑的一面镜子

第二个收获，来自我写稿时最怕的一件事——逻辑混乱。

我有个毛病，想到哪写到哪，写出来的东西经常上一段还在说 A，下一段就跳到 C 了，中间缺个 B。自己读，怎么读怎么顺（因为逻辑在我脑子里）；读者一读，就懵。

以前这种情况，我得把稿子放一天，第二天再读才能发现。后来我试着把稿子丢给 AI，换了个用法——不是让它润色，是让它"挑刺"：

下面是一篇文章，请扮演一个挑剔的读者，帮我做三件事：
1. 找出逻辑跳跃的地方：哪里上一句和下一句接不上
2. 找出废话：哪些句子删掉不影响意思
3. 找出没说清的概念：哪些词读者可能看不懂
只挑问题，不要帮我改，我想自己改。

注意最后那句——"只挑问题，不要帮我改"。这句话特别关键。因为我试过让它直接改，改出来的东西一股 AI 味，全是什么"值得注意的是""总而言之"。但让它只挑问题，我就能借它的眼睛，看清楚自己稿子的毛病在哪，然后自己动手改。

这里说个我的真实感受：AI 不是帮你写作，是逼你把自己的想法讲清楚。 你要让它帮你梳理逻辑，前提是你得先在脑子里把逻辑捋顺，否则它给你的建议都是瞎猜。这个过程，反而倒逼我把很多"模糊的直觉"变成了"说得清的道理"。

这段协作的时序，画出来大概是这样的：

你看，AI 在这个过程里，从头到尾没写过一句话，但它帮我把文章从"能看"提到了"好读"。

五、意外收获三：本想省时间，结果省下来的时间让我敢试错了

第三个收获，说出来你可能觉得有点虚，但它是真的——AI 帮我省下来的，不是时间，是"试错的心态"。

没上 AI 之前，我写一篇稿子要 5 个小时。这 5 个小时里，至少有 2 个小时耗在起标题、改开头、抠金句这些细节上。这就导致一个后果：我不敢尝试新东西。 因为一旦试错失败，这 5 个小时就打了水漂，我赌不起。

用了 AI 之后，我的单篇耗时压到了 3 小时以内，省下来的时间，我全用来干一件事——做 A/B 测试。

具体怎么测？我起了两个标题，会丢给几个关系好的读者群，让他们盲选；我写了一段开头，会同时写两个版本，看哪个留存高。后来我还用一个小脚本，配合 AI 一起，帮我量化自己的标题到底好在哪：

import csv
from collections import Counter

# 把自己历史文章的标题和阅读量导出成 articles.csv
# 第一列标题，第二列阅读量
rows = []
with open('articles.csv', encoding='utf-8') as f:
    reader = csv.reader(f)
    next(reader)  # 跳过表头
    for title, reads in reader:
        rows.append((title, int(reads)))

# 按阅读量从低到高排，取中位数切成"低阅读组"和"高阅读组"
rows.sort(key=lambda x: x[1])
mid = len(rows) // 2
low, high = rows[:mid], rows[mid:]

# 给每个标题打特征标签
def feature(t):
    feats = set()
    if any(ch.isdigit() for ch in t):
        feats.add('带数字')
    if '？' in t or '?' in t:
        feats.add('带问号')
    if any(w in t for w in ['我', '你', '他']):
        feats.add('带人称')
    if len(t) <= 15:
        feats.add('短标题')
    return feats

def count(group):
    c = Counter()
    for t, _ in group:
        for f in feature(t):
            c[f] += 1
    return c

print('高阅读组特征：', count(high))
print('低阅读组特征：', count(low))

这个脚本特别简陋，但它帮我发现了一个以前没注意到的规律：我那些阅读量高的标题，90% 以上都带数字，而且普遍不超过 15 个字。 从那以后，我起标题就有了个硬杠杠——必须带数字、必须短。AI 负责批量生成候选，脚本负责量化验证，我负责最后拍板。

这套组合拳下来，我文章的打开率，从原来的 4% 左右，慢慢爬到了 8% 上下。数字不惊艳，但对于一个两万粉都不到的小号来说，已经是实打实的进步了。

而这一切的前提，是 AI 先把我从那些重复劳动里解放出来，让我有了"敢去试错"的余量。

六、一个完整的实战案例：从"废稿"到"能发"的过程

光讲道理有点干，我拿一篇真实的稿子，把整个过程完整走一遍给你看。

那篇稿子写的是"普通人怎么用 AI 写简历"，我写完后自己都觉得是废稿——开头平，逻辑乱，标题更是一言难尽。

这是我最开始写的开头：

现在找工作越来越难，很多人在简历这一关就被刷掉了。简历是求职的第一道门槛，写一份好简历非常重要。下面我来讲讲怎么用 AI 写简历。

就这段，我自己读着都犯困，全是正确的废话。

这是 AI 帮我"挑刺"后，我自己改出来的开头：

上个月帮一个学弟改简历，他投了 40 多家公司，一个面试都没接到。我把他简历打开一看，问题根本不是他能力不行，而是简历第一屏就写了三行"吃苦耐劳、认真负责、抗压能力强"。HR 平均 6 秒扫一份简历，这三行字，直接把他送进了回收站。

看出差别没？第二版不是 AI 写的，是我借 AI 的眼睛看出了"开头要有具体场景、要有冲突"，然后自己重写的。

标题，AI 帮我从 20 个候选里筛出来这 3 个：

1. 投了 40 家没面试？你的简历可能卡在这三行字上
2. 我用 AI 改了份简历，帮学弟拿到了第一个面试
3. 别在简历上写"吃苦耐劳"了，HR 根本不看

我最后选了第一个，因为它带数字（40、三）、带冲突（没面试）、还留了悬念（卡在哪）。这篇发出去，打开率 11%，是我那个月的最高纪录。

你看，AI 在这一篇里干的活，从头到尾就是：生成候选、挑刺、打辅助。真正决定文章质量的，还是那个"我"。

七、说点掏心窝的：AI 的边界在哪

写了这么多，我不想给你一种"AI 万能"的错觉。所以我必须把丑话说在前面——这三年来，我也在 AI 上翻过车，也见过别人翻车。

最大的坑，就是贪。有些人尝到甜头后，开始让 AI 直接写正文。写出来的东西，乍一看文从字顺，但读两段就露馅——没有自己的经历，没有自己的观点，全是正确的废话。平台现在对这种稿子的识别越来越狠，轻则限流，重则封号。

我的态度很明确，也送给你：

• 让 AI 做的：起标题、改开头、顺逻辑、纠语病、生成备选、数据量化。这些是"术"。
• 必须自己做的：选题的判断、观点的提炼、真实的经历、你的情绪和立场。这些是"道"。

AI 能帮你把一篇 60 分的稿子打磨到 80 分，但它给不了你那个"60 分的地基"。地基，永远得你自己打。

这篇文章写到最后，我想再把这三点收拢一下，因为它们比我想象的更重要：

1. 本想偷懒，结果搭起了一套内容系统（选题库 + 标题库），从此不再靠灵感吃饭。
2. 本想润色，结果 AI 成了照见逻辑的镜子，倒逼我把模糊的想法说清楚。
3. 本想省时间，结果省出了试错的心态，让我敢做 A/B 测试，数据才有了起色。

这三件事，没有一件是"AI 帮你把文章写好了"，但它们每一件，都比"写好了"更值钱。因为它们是能力，是能跟着我一辈子的东西。

如果你也在写公众号，卡在细节上过不去，我的建议不是"赶紧用 AI"，而是——先把你最痛的那个环节找出来，就一个环节，试着丢给 AI 打磨，坚持一个月。 别贪多。等你回头看，你会发现真正赚到的，远不止那一篇稿子。