我拆解了 AI 花叔的公众号写作 Skill
前不久有个计划，用 Claude Skill 搭建一套自己的写作系统。计划还没开始，心里就全是问号：系统怎么设计？流程怎么走？怎么保质保量？
问题太多，我直接退缩。中间问过 AI，虽然也能得到一些反馈，但总还“差那么一点”。（写下这句话的时候，想了想。那个“差一点”，应该是我的完美主义在作祟。哈哈哈，完美主义真的害人）。
今天，我看到了 AI 花叔在 Coze 商店发布的“微信公众号写作 Skill”。基于我对他的了解，这玩意儿绝对迭代了无数个版本，质量肯定稳。
于是我去 coze 偷师， 跑去跟这个 Skill 聊天，挖了挖他的设计思路和执行逻辑。
11 步工作流：把”灵感”变成”流水线”
这个系统的核心是一套 11 步工作流，分成 5 个阶段。
我挨个说说每个阶段在干什么。
阶段一：决策与输入
第 1 步：保存需求 Brief
就是记录你这篇文章要写给谁看，核心信息是什么，大概多少字。
为什么要这么做？
防止写着写着就跑偏了。
你肯定有过这种经历：原本想写个产品评测，写着写着变成了人生感悟。Brief就是给你定个锚点，随时提醒你别跑题。
第 2 步：信息搜索（⭐这一步是强制的）
这是整个系统最反直觉的设计。
为什么强制搜索？
因为 AI 最大的问题不是写得不好，而是瞎编。
你让它写 DeepSeek 的论文解读，它可能给你编个”mHC架构是基于Transformer改进的…”——听起来很专业，但很有可能是胡说八道。
所以这个系统设计了一个”流程阻断”：不搜索，就不能进入下一步。
就像盖房子，你可以把房子设计得再漂亮，但地基不牢，迟早塌。
搜索结果还会存入_knowledge_base/文件夹，形成一个知识库。用得越多，这个系统越聪明。
（这就像玩 RPG 游戏，每次打怪都会获得经验值）
阶段二：方案设计
第 3 步：选题讨论（必做）
系统会给你 3 ～ 4 个选题方向。
比如同样是写 DeepSeek 论文，可以有完全不同的角度：
- 技术解读：“DeepSeek 又发论文了，这次动的是残差连接”
- 思维启发：“所有人都觉得没必要改的东西，他们改了”
- 工程案例：“从3000倍放大到1.6倍：一个数学约束如何拯救AI架构”
为什么必做？
因为选题正确比文笔重要100倍。
你可以把一个烂选题写得很漂亮，但没人看。你也可以把一个好选题写得一般，但传播得很广。
这就是系统的第一个智慧：先对，再好。
第4步：创建协作文档（可选）
如果你要写测评类的文章，这一步会帮你列个清单：要测试哪些功能、需要配几张图、大概要花多少时间。
避免遗漏关键点。
阶段三：风格内化
这是最神奇的部分。
第5步：学习风格
系统会随机读你过去写的2-3篇文章，学习你的风格。
为什么随机？避免风格固化。
比如你写过技术文章、也写过人生感悟，随机读能让系统学到你不同类型的写作方式。
第6步：使用个人素材库
系统会在文章里加入真实经历、具体的时间、地点、人物。
这里有个关键洞察：
降低AI味的关键不是”改语言”，而是”加细节”**。
AI写的文章为什么一眼看出来？因为它总是说”最近”、“一些人”、“很多研究表明”——全是模糊表达。
但如果你说”上周三下午在星巴克”、“和3个朋友聊天”、“2025年的最后一天”——立刻就真实了。
具体细节 = 真实性。
就像拍照，虚化背景的照片看起来很美，但你总觉得是摆拍。但如果照片里有”路边的垃圾桶”、“歪掉的路牌”，你就觉得是抓拍，是真实的。
阶段四：生产与优化
第7步：创作初稿
基于前面搜索到的信息和你的风格，开始写初稿。
初稿可以不完美，因为后面还有审校环节。
第8步：三遍审校
- 第一遍：检查错别字、标点、格式
- 第二遍：优化表达和逻辑，去掉AI腔
- 第三遍：检查是否符合你的个人风格
为什么是3遍？
太少抓不住漏洞，太多边际收益递减。这是经过测试的最优次数。
第9步：爆款结构优化
系统会套用5种爆文公式，检查完读率：
- 开头100字：能不能在3秒内抓住读者？
- 中段300字：每300字是否有新洞察？
- 结尾：有没有升华或行动引导？
阶段五：呈现与分发
第10步：配图
系统会建议你在哪些地方配图，一般是5-8张。
为什么重要？因为有配图的文章完读率比纯文字高30%以上。
第11步：长文转X（可选）
如果你想把文章发到推特或其他平台，系统会帮你改成200-500字的短版本，或者1000字+的长文版。
一次创作，多平台分发。
10+10风格规范：把”天赋”变成”系统”
10条必须做到 + 10条必须避免。
必须做到的关键点
- 自问自答式叙事：“为什么…呢？因为…”
- 具体细节增强真实感：不说”最近”，说”上周三下午在星巴克”
- 数据后加个人判断：不只列数据，要加”这个数据还挺猛的”
必须避免的雷区
- 过度结构化：不要用过多的小标题、列表
- 直接陈述无过程：要展示思考路径
- AI腔：避免”综上所述”、“在当今…时代”
通过这套规范，任何人都可以写出特定风格的文章。
不是靠天赋，而是靠系统。
这让我想起一个问题：风格是天生的，还是可以训练的？
传统观点认为，风格是个人特质，无法复制。但这个系统告诉你：风格是可以拆解、可以量化、可以复制的。
就像海明威的”简洁有力”、村上春树的”孤独感”，这些都可以拆解成具体的写作规则。
深层设计逻辑
流程阻断机制
Step 2（信息搜索）被设计成强制优先，带⭐标记。
如果不搜索，后续选题和写作都是”空中楼阁”。
这是对抗AI幻觉的根本方法。
闭环质量控制
每个环节都有输出物：
Brief → 搜索结果 → 选题 → 协作文档 → 初稿 → 审校稿 → 终稿
每一步都能回看，每次创作都能优化流程。
这是工业化思维的核心：把流程变成资产。
具体案例：选题功能是怎么工作的？
让我用一个具体案例，展示系统的”思考过程”。
假设你给了一个需求：“写一篇关于DeepSeek新论文的解读”
系统会这么做：
第1步：读取Brief文件
- 提取：目标受众（AI从业者）、核心信息（技术创新）、字数（3000字）
第2步：读取知识库
- 论文名称：mHC
- 核心创新：条件记忆模块
- 实验结果：多个任务提升6-7个百分点
第3步：读取风格指南
- 开头：口语化（“说起来”）
- 叙事：自问自答 + 心路历程
- 避免：过度结构化、正式标题
第4步：随机读历史文章
- 学习实际风格：开头方式、结构偏好、语言特征
第5步：应用选题模板，生成3-4个方向
输出示例：
| 选题方案 | 核心角度 | 工作量 | 大纲 |
|---|---|---|---|
| DeepSeek又发论文了，这次动的是残差连接 | 技术解读 | ⭐⭐⭐ | 背景 → 问题 → 解法 → 效果 → 启发 |
| 所有人都觉得没必要改的东西，他们改了 | 思维启发 | ⭐⭐ | 背景 → 质疑最优解 → 技术解读 → 启发 |
你可以看到，系统不是凭空想象，而是基于真实信息 + 风格规范 + 历史样本，生成符合你风格的选题。
就像厨师做菜：食材（真实信息）+ 菜谱（风格规范）+ 过往经验（历史样本）= 一道符合你口味的菜。
这套系统的核心价值是什么？
它的价值在于：
- 把看似依赖灵感的创作，变成了可复制的流程
- 把个人风格从”天赋”变成了”系统”
- 把质量控制从”靠感觉”变成了”有标准”
但又不牺牲创意——因为选题、个人经历、爆款公式都有很大发挥空间。
真正的专业，是在有约束的框架里，还能玩出花。
正是因为有规则，才有创新的空间。
写在最后
一个个小小的 skill，可以构建成一个无比庞大的系统。
过去，写作靠灵感。
现在，写作可以靠系统。你可以挑选自己感兴趣的选题。
系统化不是去掉个性，而是让个性可复制、可优化、可迭代。
写代码也一样，可以系统化。当你明白项目，是如何从 0 到 1的。那么你就可以在每一个环节设计一个 skill。不断试错迭代，最终 skill 联合成一个完整的软件生产系统。
现在越来越觉得：未来就是属于一人公司。你向社会提供的，就是具有自我风格的生产系统。