一线写作者的真实工作流，收敛成了四种

厂商发布会上的 AI 写作是”一句话生成一篇爆款”；一线写作者手里的 AI 写作，是本地语料库、六道验收关和一条”事实必须自己核”的铁律。落差在哪，我们做了一次只认一手材料的调研：10 篇中文写作者的长篇自述（少数派、掘金、腾讯、新浪、简书，全部作者实名自曝用 AI），加 8 条海外写作社区的原声讨论，逐条按四个维度提取——用 AI 到哪个环节、哪个环节坚决不用、最惨的一次失败、可量化的产出。

18 条语料，收敛出四种工作流类型。这篇把四种摊开讲，附每种的翻车点共识。

先把方法交代清楚：只收作者实名自曝使用 AI 的内容，每条链接都人工点开验证过；提取固定四个维度——用 AI 到哪个环节、哪个环节坚决不用、最惨的失败、可量化的产出。维度固定才谈得上”收敛”，否则就是感想摘抄。当然也别高估样本：敢公开自曝的作者本来就是幸存者，这份清单对他们有效，对沉默的大多数未必。

类型 A：知识库 + 双写分流——“人负责味，AI 负责量”

占比最高的一种。骨架是本地长期语料库（Obsidian 卡片盒、公众号历史文库），写作前先检索自己的旧作；开头、结尾、个人细节自己写，中段交给 AI 扩写，成稿再改回自己的口语，最后归档进语料库供下次复用。

有位作者把 523 篇个人 Markdown 喂给模型做风格对齐，迭代了三版才选出来；另一位的原则更简单直接：开头、案例、结尾三样永远自己来。

翻车点共识：这一类的失败几乎都发生在”让 AI 润色全文”上——AI 把整篇润成了 AI 味。社区里甚至长出了一个极简对抗法：让 AI 先标记哪些句子像 AI，再让 AI 只改被标记的句子。

类型 B：多模型分工 + 多角色评审——“AI 是评审团，作者是终审”

这一类不纠结用哪个模型，而是按环节分工：调研一个、搭结构一个、查事实一个；写作过程中让 AI 反复切换专家身份——资料员、架构师、安全专家、反方审稿——多轮挑刺。最重的实践者设了 8 个角色、6 道验收关（事实、概念、方法可行性、反方意见、作者自审）。

共识的失败点有两个：AI 产出的第一版普遍是”通用咨询稿”，正确但没有立场；AI 的评价本身不稳定——有位作者实测同一个 AI 对同一部小说的判断前后矛盾。所以这一类的铁律是事实校验必须人来，AI 的评价只当线索。

类型 C：风格私有配置 + 改稿反馈闭环——“AI 学我的改稿，自己变对”

最有工程味的一种。把个人风格、读者画像、配图上限这些写成配置文件；AI 每天出双稿（一份基准稿冻结，一份按反馈改）；作者晚上只做 diff，从改动里提炼不超过五条可执行规则存进本地记忆，下次写稿作为硬约束读入。

关键在”可执行”三个字：规则必须是”配图不超过四张”这种能判对错的句子，”文风更好一点”这种废话规则没有法律效力——这是这一类实践者自己承认交过的学费。

类型 D：多平台分发 + GEO——“内容生产 → 渠道放大”

前三种管生产，这种管放大：作者本人只做选题判断和质量把关，AI 批量生成多平台版本（标题字数、标签、封面尺寸各自适配），自动排程发布，后期再针对 AI 助手的引用做内容优化。有位作者做九十天复盘，多平台同步时间从两小时压到二十分钟。

但翻车点共识也最扎心：批量生成的十个号，不如精心做的一篇；平台特殊规则工具帮不上忙；AI 腔在分发平台上一眼可识，反而是减分项。这一类适合已经有稳定生产质量、想放大分发的作者，不适合当主工作流。

跨类型的共识

四种类型之外，有三条共识横跨所有实践者：

禁区高度一致——开头结尾、个人经历、事实核查，这三样几乎没人交给 AI；
“AI 当启动子”不构成独立类型——写作阻塞时让 AI 开个头、卡壳时要反馈，这类用法散落在所有类型里，是辅助环节不是工作流；
改稿数据是复利资产——A 类归档进语料库，C 类提炼成规则，都在把”这次改稿”变成”下次少改”。

跨类型的共识之外，还有两个诚实的备注。其一，海外社区里另有一类”AI 当启动子”的用法——写作阻塞时让 AI 开个头、卡壳时要反馈、把草稿画成图——使用者不少，但它作为辅助环节散落在四种类型里，撑不起独立类型。其二，有些写作者群体在这份语料里是缺位的（比如非虚构文学作者），结论对他们的适用性存疑，这正是下一批调研要补的洞。

顺带说，这四种在我们自己的博客产线里全有影子：双写分流对应”人定结构 AI 扩写”、多角色评审对应文章校验器加体检、配置闭环对应写作基准线的逐版迭代。一线实践者的收敛和工程产线的演化殊途同归，这件事本身就是个信号：AI 写作的成熟形态不是全自动，是人机分工的精确化。

一个诚实的尾巴

这份调研的失效条件也写明了：模型能力和 Agent 技能标准化还在快速演进，四类型的边界可能重新融合——比如技能市场成熟后，类型 B 的多模型分工可能坍缩成单一 Agent 内部的工具调用。结论的有效期大约到明年春天，到时候值得重做一轮。

方法论比结论活得久：抓一手自述、按环节/禁区/失败点/产出四维提取、只信作者实名的内容——这套打法换个调研对象照样能用。

三条最锋利的一手原话

18 条语料里有三句值得单独摘出来，每句对应一个可验证的失败模式。

第一句关于 AI 腔为什么致命（公众号作者 Simonlin）：「纯 AI 写的文章，读者一眼就能看出来。不是内容不对，是’味’不对——那种过于工整的句式，挑不出毛病但也没有惊喜的逻辑，那种’综上所述’的结尾。读者感觉不到对面坐着一个真实的人。」

第二句关于诚实披露（少数派作者 canber，主动写明自己是重度 AI 协同）：「依赖 AI 就是依赖 AI。我不想把这篇文章包装成’我独立写完，AI 只负责润色’。真实情况是，AI 参与了资料检索、观点归纳、结构设计、内容生成、图表、专家角色模拟、缺陷审查和多轮重写。」——中文圈罕见的不装样本，8 角色评审流程就出自他。

第三句最狠，解释了 AI 自检为何必然失灵（Reddit 用户）：让 AI 检查草稿有没有 AI 味，它总会说干净——不是草稿真干净，而是那些机器味的句子恰好是模型训练目标里的”好文字”：整齐的收尾句、”不是 X 而是 Y”的句式、三点排比、复述问题的开头段。**对模型来说那是优点，不是缺陷。**这也是为什么所有检测/humanizer 工具链都不能只靠模型自审。

与厂商叙事的差距

调研里最能说明问题的，是一线实践与厂商口径的对照：

厂商口径	一线实际
“10 倍提效、分钟级初稿”	有作者 90 天才沉淀出工作流；多位仍需 5 轮手工改稿；有人累计烧了 40 亿 token 才形成 7 套可用工作流
“一键发布到所有平台”	实测搜狐/百家号/公众号必须人工适配，”一键”是广告词
“AI 反馈 = 编辑替代”	有作者直言用 AI 当反馈”是因为没人愿意听”——孤独感的副产品，不是工艺升级
“AI 让人人都能成为作家”	签约作者写出 37 万字，几乎没人看——AI 解决不了传播问题