AI 写作最适合承担“可审阅的中间件”：整理资料、搭提纲、找结构、做改写方案。若一上来要求它写一篇“专业又有温度的文章”，得到的往往是通顺但没有判断力的文字。把工作拆成任务卡，反而更快。
一张任务卡只交付一个可检查结果
| 写作环节 | 任务卡要提供的输入 | 应交付什么 |
|---|---|---|
| 资料整理 | 原始材料与主题问题 | 事实清单、矛盾点、待补证据 |
| 结构设计 | 读者、目标、素材边界 | 一级提纲和每段要解决的问题 |
| 段落初稿 | 已确认提纲与本段材料 | 可编辑段落，不新增事实 |
| 润色 | 定稿与风格卡 | 三种可选改写，不改变含义 |
这种拆法的好处是：结果错了，你知道该改哪一张卡；结果对了，也能把它留作以后复用的工作模板。
先让 AI 提问，再让它动笔
材料不完整时，不要催它补齐故事。先给出任务和已有资料，要求它列出“必须确认的问题”。例如做一篇案例文，先确认目标读者、案例发生的时间、可公开的数据、是否允许推测原因。问题没回答之前，文章只能停在结构阶段。
你是编辑助理。只根据我提供的材料工作。
先输出：缺失信息清单、可用事实清单、可能存在的矛盾。
在我确认前，不要写正文，不要补造案例、数据或引语。
确认后，再按“问题—做法—结果—限制”写提纲。把风格要求改成可执行约束
“写得自然”“不要有 AI 味”太抽象。可以换成：段落以具体动作开头；每段只表达一个判断；不使用夸张承诺；不重复解释已知概念；遇到不确定信息保留边界。这些约束能直接进入校对。做不同语种的内容时，还可参考文学翻译中的语气与术语控制，理解“准确”与“好读”如何同时成立。
用两轮审核守住质量
- 事实轮：逐项核对原材料，删掉无依据的结论、数字和故事。
- 编辑轮：检查开头是否回答问题，段落是否推进，读者是否知道下一步怎么做。
模型可以帮你发现表达重复，但不能替你承担事实责任。把审核分开，既能用好速度，也能留下清晰的责任边界。
从一类高频任务开始建库
先挑每周都会出现的一类文本，例如会议纪要、产品说明或课程讲义。连续使用三次后，保留有效输入和审核清单；没用上的修辞要求删掉。提示词不是越复杂越好，而是越能稳定解决眼前工作越好。
