人文工作者没有创造世界变化，但他们却在承受世界变化的前沿。当下，很多AI教程将其神化为“魔法”，宣称一个神奇提示词就能解决所有问题，但现实远非如此。过去一段时间，因创立FUNES、推进《蜉蝣天地》创作及个人写作等项目，我们不得不依赖AI辅助规模化内容生产，在大量实践与踩坑中，总结出一套适配人文工作者的AI使用方法——它不是提示词背诵手册，而是一套可落地的工作逻辑，能让大模型真正融入写作、研究、编辑、选题、资料整理等流程，实现可追溯、可监督、可验证，最终让你依然愿意在作品上署名。

这份指南源自我们的真实项目经验：当内容进入规模化生产，纯人力会不堪重负；而AI直接生成全文，又容易出现幻觉、偷懒、同质化等问题。于是我们不得不将创作拆解为产线，将产线升级为可迭代的系统。以下内容整理自播客《诗梳风》的完整分享（AI辅助整理，略有缩略），完整版可在小宇宙、苹果播客或官网搜索收听。

写在原则之前：这份指南的三条底线

在具体方法之前，先明确三条底线——它们决定了你“怎么用AI”，更决定了你“为什么要这样用”，是人文工作者用AI的核心准则。

1.  过程必须可追溯、可监督、可验证：人文工作最忌“黑箱操作”，幻觉、错引、偷换概念等问题，往往会在无过程的黑箱中悄然发生，因此不能只追求结果，忽略过程管控。

2.  必须可操纵：你要能完全掌控AI的工作方式——按什么标准做、哪些地方需细致、哪些地方可简化。你不是在“抽卡式”碰运气，而是在标准化生产。

3.  最后你依然愿意署名：“是否愿意把自己的名字放在作品上”，是最终的质量检验标准。若不愿意署名，往往不是道德问题，而是过程中你的意志未贯彻到底，作品质量无法可控。

核心原则：让AI成为你的协作伙伴，而非“全能神”

我们不提供具体提示词，只分享可复用的指导思想——这些原则能帮你跳出“许愿—失望—放弃”的循环，真正让AI为人文工作赋能。

原则0：别对AI许愿，把它当作工作台

很多人用AI的方式，本质是“许愿式请求”：“给我一个好段子”“帮我解释这篇论文”“写一篇好文章”。但“解释”“好文章”本身就有无数种定义——给外行、本科生、研究生、同行的解释，标准截然不同；AI无法默认知晓你的背景、目的、口味，只能给出最省力的“平均答案”。

把大模型当作工作台，核心是：不向它索要最终结果，而是调动它的工具属性完成具体过程。你需要明确任务、标准和步骤，比如将“给我解释这篇论文”，改成可执行的工作台式任务：

- 明确目标受众：聪明、有好奇心，但非该领域专家的研究生；

- 明确讲解方式：启发式、循序渐进、兼具学术严谨性；

- 明确结构要求：先讲研究意义，再补行业背景，再还原研究历程，接着解析关键技术点，最后提炼启示；

- 明确语气：尊重智力、不居高临下、不预设对方有深厚专业基础。

你给的要求越像“具体作业要求”，AI的输出就越贴合预期，越像一个靠谱的助教。

原则1：想要AI做好，先反思自己——你才是负责人

AI就像一个勤奋、礼貌，但不懂你脑内隐含前提的同事。真正的“提示词工程”，不是技巧，而是一种责任感：任何任务的核心依然是你，AI只是辅助你干活的伙伴。

如果你雇秘书改文章，不会只说“把某篇文章改好”，一定会补充：文章的写作目的、受众、当前瓶颈、需解决的问题、不可改动的部分、风格要求、核心评价指标。对AI，你也需要如此。

当你对AI输出不满意，第一反应不该是“AI不行”，而是反思：我有没有说清楚受众、目的？有没有提供足够的背景材料和约束条件？有没有把抽象愿望拆成可执行的动作？有没有给出可判断对错的标准？

原则2：同一个问题至少问3个模型——每个AI都有“性格”

AI和人一样有差异：有的擅长遣词造句，有的擅长逻辑推理，有的擅长工具调用；即便同一模型的不同版本，风格和能力边界也会微调。因此，一个朴素却极有效的习惯是：同一个问题，至少抛给3个不同AI。

这一步的价值，不是选出“最强模型”，而是让你像管理团队一样管理AI：明确哪个适合写第一稿、哪个适合审稿、哪个适合出选题结构、哪个适合润色段落句子，快速找到AI与任务的适配点，避免过度依赖单一模型。

原则3：AI不是全知全能——把它当成“好学校本科生”

一个实用的预期管理：AI的常识水平，大致相当于一名985本科生。如果某件事你觉得“优秀本科生都未必知道”，就默认AI也不知道——甚至默认它会在不懂时“编得很像知道”。

这会带来两个关键动作：一是任何超出常识的内容，都要亲自教AI——比如让它写有独特品味的文案、高度专业的论证，不能只说“写得好点”，要给范例、标准、禁区和语料；二是把它当实习生协作，而非神——它能补全你给的“脚手架”，把材料织成可读文本，但方向和核心框架，必须由你提供。

原则4：让AI一步一步逼近目标——白盒分步骤，比黑箱一次性更可靠

AI的优势不是“一步到位给正确答案”，而是能在你设计的流程中，稳定完成一个个小步骤。你越是要求它“一次性做好”，它越容易偷懒，给出“看似完整、实则漏洞百出”的黑箱结果。

比如处理TTS朗读稿，与其笼统要求“注意多音字、不要读错”，不如拆分成具体步骤：标出停顿、重音、语速变化；识别潜在多音字；依据词典核对权威读音；对易误读字提前标注；必要时用同音无歧义字替换，从根源避免误读。

很多“人类默认会做”的事，AI不会默认知晓。你不把“显而易见”的要求写进流程，它就会走最省力的路径犯错。

原则5：先工业化，再AI化——不能从农业时代一步跳到AI时代

如果你的写作、研究流程本身是随机的、凭灵感的、资料杂乱无章的，就很难让AI融入——AI只能接住你“可描述、可复现”的部分。更现实的路径是：先把工作拆成“产线”（可拆分、可复用、可质检），再把其中的子步骤交给AI，让它当工位，而非当上帝。

我们曾做过一件“笨但关键”的事：拆解自己写非虚构文章的完整过程——为什么用这个故事开头、为什么选这句话、如何举例、如何起承转合、如何衔接宏大图景，最终拆成几十个步骤，让不同AI各司其职。结果不是模型变强了，而是流程把AI“每次只能做好一小步”的能力串联起来，实现了高效产出。

原则6：预判AI会偷懒——替它扫清“格式障碍”

AI会“系统性偷懒”：能不打开网页就不打开，能不读PDF就不读，能跳过就跳过——这不是它“坏”，而是在算力和时间约束下，天然倾向于走最省力路径。因此，你要做的是：把AI的算力用在“理解文本”上，而非浪费在“处理格式”上。

几个实用改法：尽量把材料转成纯文本/Markdown再喂给AI；复制网页内容时，去掉导航、广告、脚注等噪音；对长材料先提炼事实和结构，再让AI写作；将PDF、EPUB等格式统一转为可检索的TXT，再开展后续任务。

很多人抵触这种“体力活”，觉得“机器就该干脏活”，但人机协作的核心的是：你愿意做一点机械劳动，AI的智力输出才会更锋利、更可靠。

原则7：记住上下文有限——优先“压缩”，不指望“凭空扩张”

AI有上下文窗口，有“记忆上限”——你给它两万字，它未必能记住核心；给它二十万字，它可能只扫标题。一个形象的类比：把人关进房间，丢一本二十万字的书，一天后让他背诵，能记住的量，大致就是AI的“记忆量”。

一个反直觉但极重要的经验：压缩比扩张容易得多——把100万字压到1万字，往往比把1万字扩到100万字更可靠。这直接改变你提需求的方式：不要用100字提示词索要一篇论文；相反，把材料尽可能喂给AI（分批、检索、RAG均可），让它在充分掌握材料的基础上，压缩出结构、观点和正文。

人文写作本就是“读海量材料→提炼→组织→写作”的过程，对AI，不要突然双标，要求它凭空“创造”。

原则8：克制“我妙手一改就好了”的冲动——改产线，不改结果

很多擅长写作的人，用AI时容易翻车：AI出了59分的稿子，觉得自己改两下就能到80分，结果改着改着变成自己重写，最后感叹“还是我自己来吧”，从此放弃用AI。

解决办法不是更努力改稿，而是把关注点移到上游：不要追求AI直接写出100分作品，你的目标是让产线稳定产出75~80分的草稿；你要做的是迭代流程、提高平均分，而非追求单篇完美——把精力放在选题、结构、证据等更高阶的判断上，而非陷入无止境的修修补补。

原则9：把产线当产品迭代——可靠性本身就是价值

当你有一个能稳定产出70分起点的系统，它的价值不在于“像不像你”，而在于：你能以接近零成本拿到可用草稿，能把精力集中在更核心的创作环节。你需要的不是一个能代替你的全能神，而是一个可靠的“工厂”——它不完美，但足够稳定，能帮你摆脱重复劳动。

原则10：数量优先——让它多产出，再筛选

只让AI给一个版本，往往只能得到最中庸、最保守的结果。你要用“数量”对抗“平庸”：总结要5个版本、开头要5个版本做AB测试、选题要50个再筛选、结构要3套再组合、措辞要10种再择优。

当你提高平均分、增加产出量，自然会出现85分、90分的“惊喜样本”。很多时候，好作品不是来自“神来之笔”，而是来自用统计学思维开展的规模化尝试。

原则11：别越俎代庖——像行政总厨一样指挥AI

行政总厨不会亲自拍黄瓜，而是尝一口、判断合格与否、给出明确修改意见，再让厨师重做。与AI协作也一样：你要尊重它“按自身逻辑生成”的属性，做指挥者、检验者，给出具体反馈（哪里不行、怎么改），让它回炉优化，而非亲自上手把每一次输出修成成品——否则，你会被无尽的修改耗死。

底层原则：回到真实世界——材料×品味，决定作品上限

AI时代，人文作品的质量公式越来越清晰：材料×品味。模型会更新、方法会迭代，但这两件事永远不变，也是AI无法替代的。

1.  材料来自真实世界：如果二选一——用最新模型但只有网上资料，用老模型但有完整档案、口述史、实地采访，后者更可能做出好作品。扎实的材料，是人文创作的根基，也是AI无法凭空生成的。

2.  品味来自长期训练：当“生成”变得廉价，真正稀缺的是：你知道什么值得写、哪些证据更有说服力、哪种叙述更有力量，以及你愿意为材料付出的体力劳动——上穷碧落下黄泉，动手动脚翻资料。

AI改变的，是你与材料交互的效率和方式；但作品的主语依然是你，宾语依然是真实世界的材料，AI只是“动词”的一部分。

结语：把焦虑换成手感

很多人文工作者用不好AI，不是因为不聪明，而是陷入了“许愿—失望—放弃”的循环。真正能让你跨过去的，是把AI当作工作台，把任务工程化，把流程白盒化，在不断的人机摩擦中，慢慢长出手感。

当你能做到这一点，就不会草率判定“AI不行”，而是成为能驾驭新工具的新工种——不俯视AI，不仰视AI，把它融入流程、放进现实，放进你愿意署名的每一份作品里。

本文来自：汉洋滔天，作者：汉洋 MasterPa