如何将历史写过的文章发给 Ai，训练生成写作风格

我来分享一个实战案例，我们公司每年会举办年会，在过去几年中，每年的年会现场有一个特别安排：会在每个座位上放一张煽情的“手写信”，回顾公司的历程，激发大家的情感共鸣。以往，每年的“手写信”都是我写的，属于那种煽情的文艺风。2023年是AI大爆发的元年，我就开始使用AI克隆了一个“我自己”，来代替我写这封“手写信”，我是如何做的呢？首先，我把过去写的三篇“手写信”发给AI，让AI总结这三篇“手写信”的写作特点；然后，根据AI总结的写作特点，编写出“手写信风格”的提示词，这样就克隆了一个“我自己”；未来，我可以无限次的使用这个风格来帮我写“手写信”。过去需要几天时间来构思和写作内容，我现在只需要半个小时：花3分钟时间，让AI分别写三篇内容；从三篇内容中找到写得最符合自己心意的作品，从另外两篇内容中寻找好的段落；最后就是整合、修改、删减和润色，一篇文章你不需要太耗费脑力，只需要“微调”就写行，少则几分钟、十几分钟，多则半个小时。

（如果你已经同意了选题很重要，那么这一段不用看了。)说到找选题，我想到一个很有意思的类比，你知道大语言模型是怎么学习的吗？其中有个关键环节叫"监督学习"。简单说，就是给AI看一堆优秀的文本示例，AI先学习什么是好内容，才能写出好内容，这个过程跟我们公众号创作者学习写作，其实挺像的。想想看，如果你从来没读过任何高阅读量的文章，怎么可能写出高阅读量文章呢？你得先接触大量成功案例，才能培养出好的写作感觉。我之前刚开始写公众号时，我以为自己想到什么就写什么就行了，结果就真不行。后来我开始有意识地学习其他优秀公众号的文章。慢慢地，我发现自己的文笔、选题、结构都在不知不觉中进步了。这就像AI的学习过程。它不是凭空创造，而是从海量优质内容中学习规律和模式。我们人类也一样，需要不断"训练"自己的"写作模型"。所以，当你在刷那些大号的文章时，别只是随便看看。试着分析他们的选题思路、文章结构、表达方式。但要注意，学习不等于照搬，就像AI最后能产生原创内容一样，我们的目标也是融会贯通，形成自己独特的风格。如果不主动学习，很容易陷入低水平重复的陷阱。你可能一直在写，但文章质量没有实质性提升，这就像AI如果训练数据质量差，输出的内容自然也好不到哪去。所以，找选题其实是个学习和积累的过程。你看的好文章越多，你的"选题模型"就越强大。慢慢地，你会发现自己对好选题越来越敏感。

另一个人，可能看绘本比较多，她的联想有可能就是法国的某个绘本艺术家。这里的差异，就是「主体性」的介入。AI是个放大器，不是个许愿器。大家之前读过的书，见过的人，聊过的天，想过的事，沉淀在身，AI会放大那个东西。去年，结构化写法。相当于是绕着我想描述的那个Task走了一圈，把不同角度看到的东西，装到结构化的框中。今年，Lisp写法。相当于是绕着它走了一圈，盘坐下来，感受脑中那个「意象」画面，然后通过（函数（嵌套数据））的表达方式，来传递那个画面。我觉得，最大的转变，就是「主体性」介入。去年的写法，是在描述「它」长啥样。今年的写法，是在描述「我眼中的它」是啥样。比如，用Prompt来生成公众号文章这个场景。去年，我的写法，会找一个写作方法论，把情绪，结构，措词，语气，这些维度都给逐一说明，让它按输入的主题生成内容。今年，会先停下来想一下，我是如何理解写作的。哪怕要生成一个名人的文章，也要想下，我眼中的他的写作风格是什么。这样写出来的Prompt，才会有「你的味道」。摆脱去年的「匠气」。我目前写的时候，会静下来，去感受那个「意象」。经常遇到的问题是，想到的词，并不能精准表达那个「意象」。非常吃基本功。真功夫，在日常。Lisp对我而言，更像是，它来表达大脑中间过程的「概念」。由中间层的「概念」世界到最终的「语言」世界，要经历一次语义的衰减。