让模型「写一篇 2000 字的公众号文章」,出来的稿子通常挑不出错,但也没人想读:结构工整、例子泛泛、每段都在铺垫。原因是它在同时做三件互相拉扯的事——想清楚说什么、安排结构、组织句子。分开做,质量会明显不一样。
一、先写「一句话结论」和「读者是谁」
动笔前只回答两个问题,各一句话:
- 这篇文章要读者带走什么:一句话,能用「你现在知道……」接上。
- 读者是谁、他现在卡在哪:具体到场景,例如「刚接手社群运营、每天发通知但没人回」。
这两句写不出来,说明选题还没想清楚,先别让模型动笔。写出来了,后面每一步都有判断标准:这句话是否服务于结论、这个例子是否贴合读者。
二、骨架:每节只写一句主张
把文章拆成 4–6 节,每节写一句主张,不要展开。骨架阶段只做一件事——检查这几句主张连起来能不能走通逻辑。走不通就在这一步改,成本最低。
可以直接用这段提示词让模型给骨架:
读者:{一句话描述读者与他的困境}
他要带走的结论:{一句话结论}
请给出 5 节骨架,每节一个主张句,要求:
- 主张句之间是递进关系,不是并列罗列
- 第 1 节必须点出读者当前的错误做法
- 最后一节给出可立刻执行的动作
不要写正文。
「第 1 节点出错误做法」这条约束很有用。读者愿意往下读,通常是因为开头说中了他正在犯的错。
三、逐节展开:一节一个例子
骨架定了再逐节写,每次只给模型一节的任务,并要求配一个具体例子。一节配一个例子,比一节列三个道理有用得多。
例子要具体到可验证:不要「某公司提升了效率」,要「三个人两天做完原来一周的活,因为把重复的表格合并成了一张」。具体的例子模型编不出来时,会暴露你手上其实没有素材——这时候该去补调研,而不是让它硬编。
四、改稿:删掉形容词和过渡句
初稿写完做一遍机械删减,效果立竿见影:
- 删掉「非常」「极大」「显著地」这类程度词,信息量为零。
- 删掉「首先」「接下来」「综上所述」,段落顺序本身就说明了关系。
- 每段第一句必须是判断句,不是铺垫句。
删完通常少 15%–25% 的字,读起来反而更快。这一步可以交给模型做,提示词写「只删不改,输出删除后的全文」。
为什么拆成三段
一次生成让模型在「想清楚」和「写好看」之间反复权衡,结果两头都不到位。拆成结论、骨架、逐节之后,每一步都只有一个目标,你能在每一步介入判断——写文章真正花时间的从来不是敲字,而是这些判断。
