首先，我想先表明一下我对 AI 生成内容的立场：我认为 AI 生成的内容跟语言本身一样，都是传达信息的一种方式和工具。

这里的关键问题并不是内容是否是 AI 生成的，或者是不是手写的，而是内容本身有没有思路、想法和额外知识。仅仅关注“是不是 AI 写的”来判断质量，实际上是把注意力放在了工具层面，并且默认 AI 生成等价于低质量内容。这个逻辑本身就不完整。

更准确的判断应该是：

AI 生成的内容不看，人工编写的内容就是高质量。❌
低质量的信息都是垃圾，高质量的信息才值得看。✅

老实说，很多低认知、逻辑错乱的内容，虽然是人写的，也没必要看。我自己看到的大量 AI 生成内容确实很差，但问题不在于它用了 AI，而在于作者没有提供足够的判断、事实和经验。

所以现在真正值得做的事情，是让 AI 完善和协助人的创作，而不是把“人工写作”当成质量保证。本文记录我的一次尝试：怎样让一个写作 Skill 更接近作者本人，怎样识别它越来越像我之后带来的新风险，以及我最后为什么重新把 Context 放了回来。

目前这套方法大约只能让我直接使用 70% 的生成内容，剩下的仍然需要本人校验和完善。它不是一套训练模型的方案，也不是把一条提示词拉得无限长，而是给模型建立一套可以持续更新的个人写作工作流。

一、从 50 条真实内容开始，每轮训练用新的 50 条

第一步，我把自己过去在 X 上互动比较高的 50 条原创内容找出来。里面有技术排障、产品推荐、Ethereum、AI、生活判断，也有一些当时想到就发的短内容。

分析以后，确实能看到一些稳定的特点。我经常从刚发生的一件事开始，技术名词不会专门翻译成很正式的中文，段落有长有短。有时候一个东西真的很好用，开头会直接说“牛逼”，讲到最后可能还会再说一次。

普通 AI 编辑很容易把这些东西当成噪声。重复会被删掉，突然插进来的吐槽会被删掉，然后再补一个完整的总结。文章看起来更专业了，但作者的感觉也差不多被一起删掉了。

根据这 50 条内容，我做了第一版写作 Skill。除了语言习惯，还记录了不同内容应该保留什么：技术排障要留下真实报错和验证，产品推荐要写具体怎么用，个人判断不能凭空补经历。后来又加入 Source Map、状态、主语、权限和 Humanizer 等规则，文件越写越长。

最开始我还挺期待，觉得这样应该差不多了。后来才发现，50 条样本只能让我看见一些表面的习惯，还不足以让模型理解“我为什么这样判断”。它知道我会用什么词，却不一定知道哪些事情值得展开，哪些地方我宁愿承认不知道。

所以我没有把第一版 Skill 当成最终答案，而是把它当成一个可更新的观察记录。每一轮训练都换一批新的 50 条内容，避免模型只记住固定句子，也避免我把某一篇文章里的偶然选择误认为永久风格。

二、写得更像我以后，反而出现了新问题

为了做效果对比，我设计了一个 benchmark。简单地说，就是提供一组统一的写作主题，让它先写一段约 300 词的 Baseline，然后随着 Skill 升级产出新版。同时我也会写一份真人版本，方便它做对比。Humanizer 只用来评估文章里的 AI 特征，不负责替我直接改文章。

后来我做了一轮 8 条全新样本的盲测。同一个题目分别生成 Skill 版本和 baseline，再隐藏来源比较哪个更像我。结果是 Skill 赢了 5 条，baseline 赢了 3 条。只看这个数字，确实进步了。

但是再看细节打分，就有点尴尬。Skill 出现了 3 条 hard failure，baseline 是 2 条。它学会了我的语气和节奏，也开始更熟练地用这种语气说一些我没有说过的话。

有时候它改掉了主语。我写的是“我选择不做”，它会整理成“系统做不到”。有时候我写的是一个暂时判断，它会写成普遍结论。还有的时候，原文已经结束了，它觉得必须再补一句总结，于是顺手增加一个完整的判断。

这比普通的 AI 味更危险。普通 AI 味很容易发现，读一句就知道不是我。真的越来越像我以后，反而可能直接看过去。读者会因为语气熟悉而降低警惕，作者也可能因为内容顺口而忘记核对事实和主语。

所以我把 benchmark 拆成了两部分：第一部分测“像不像我”，第二部分测“有没有改变原意”。两者不能合并成一个总分。Humanizer 只负责检查 AI 痕迹，不能再让它直接改文章，因为它一改，事实、主语和语气可能又一起变了。

这一步让我意识到，个人写作 Skill 不能只有风格指标。它至少还需要事实边界、主语一致性、时间状态、证据来源和结论强度这些硬约束。像不像我只能算一个维度，不能盖住内容有没有越界。

三、我开始自己写 Benchmark

只看过去的文章还不够，因为那些内容里混合了选题、时间和传播带来的影响，也有一些可能本来就经过 AI 修改。后来我开始自己写 benchmark，直接告诉 Hermes：同一个题目，我会怎么写。

有一次题目是介绍 Hermes。AI 生成的版本很像产品说明，里面有任务拆解、工具调用、结果验证，还有一段关于 Agent 价值的总结。逻辑没什么大问题，但不是我会说的话。

我自己的版本就很直接：之前长期使用 Codex，现在主要转向 Hermes，原因有三个。第一，Telegram 和手机可以远程控制，像跟同事聊天一样；第二，集成很多，也很灵活；第三，我的数据、Memory、Skills 和各种信息都属于自己，可以交叉连接，最后形成复利。

这里确实也是三点，但它不是 AI 为了结构完整凑出来的，本来就是我想到的三个原因。后来我也意识到，不能简单禁止“三点”“对比”或者“总结”。关键还是这个结构到底来自我，还是模型自己补出来的。

还有一次是写未来 Agent 的一天。AI 先写睡眠、健康、采购、工作和家庭，每一项都解释得很清楚。我写的是早上 8 点的闹铃为什么被调到 9:30，冰箱里的鸡胸肉还能吃两天，所以 Agent 先去淘宝下单，付款等我确认。接着不同项目的 Agent 发简报，其中一个收到客户 Agent 的建议，我补充判断，批准以后继续创建 PR、测试和部署。

主要逻辑其实差不多，但读起来完全不一样。人经常就是顺着一件事往下讲，不会每出现一个细节，都顺便解释一次能力、边界、风险和未来价值。很多细节之所以有效，恰恰是因为它没有被解释完，读者可以从动作里感受到作者的生活和判断。

这个过程其实也挺有意思。你能感受到 AI 的逻辑是什么样的，而这个过程又很像人类学习语言：我们会读范文、拆结构、仿写，然后根据老师和自己的反馈继续修改。人和 AI 的差别不在于能不能学习表达，而在于谁负责提供事实、经验和最终判断。

四、忘了加 Context

之前做了几轮之后，我让 Hermes 继续针对一些问题结合我的 Skill 生成内容，但是始终感觉很没有感觉，也没有我的思路和灵魂。

有一次复盘我才发现，问题是忘了加 Context。之前我提供了范本，也就是我的版本。为了防止它直接抄袭或者机械模仿，我让它不要参考上下文。这件事看起来是在保护原创，实际却切断了模型理解我的判断逻辑、立场和写作背景的入口。

如果它不参考上下文，只剩下一个通用模型和一组抽象规则，它当然只能生成大众版。它知道“口语化”是什么意思，却不知道我在什么问题上会保守，在什么问题上会直接下判断；它知道“保留细节”，却不知道哪个细节是事实，哪个细节只是为了这篇文章临时安排的例子。

所以我启用了 Context，让它可以针对某个议题或某个想法，基于我过去的内容、决策依据和上下文来生成。同时，在真正创作时，我也会先说清楚自己的大概写作思路、想解决的问题、希望读者看完以后得到什么，而不是只给它一个标题。

这让生成结果明显更接近我。Context 不是让模型抄过去的句子，而是让它理解这些句子为什么会出现。它需要知道我当时面对的限制、我已经验证过什么、哪些判断只是阶段性结论，以及现在的情况有没有发生变化。

Hermes 在这里的价值也比较明显：它拥有我的 Context、记忆、决策依据、现状和 Skills，可以直接提取和更新。写作不再是每次新开一个对话，重新介绍我是谁，而是从一份持续变化的个人资料开始。

当然，Context 也会带来新的风险。旧观点可能已经过时，过去的经验不一定适用于现在，私人信息也不应该无条件进入公开文章。所以 Context 需要有时间、来源、状态和权限。模型可以参考，不代表可以自动公开；记忆可以保留，也不代表每次都应该写进文章。

五、现在这套 Skill 具体怎么工作

我现在更倾向于把写作 Skill 看成一个小型的编辑流程，而不是一段很长的提示词。它大致分成五层：

1. Context：作者的经历、判断、近期关注和事实边界
2. Style：语言习惯、节奏、段落和不同文体的写法
3. Source Map：这篇文章的事实、来源、状态和可引用范围
4. Draft：根据题目、读者和写作思路生成初稿
5. Review：检查原意、主语、事实、AI 腔和禁忌表达

第一层回答“作者是谁”，第二层回答“怎么写”，第三层回答“哪些内容能写”，第四层才负责把想法变成文章，最后一层负责找问题。这样做的好处是，任何一轮失败都能定位：是 Context 不足，还是风格规则误判；是 Source Map 没有证据，还是初稿擅自补了结论。

我的审稿顺序也有变化。先查事实和主语，再查文章有没有完成任务，最后才看 AI 味。因为一篇内容错误但很像人的文章，远比一篇有 AI 腔但事实正确的文章危险。

六、几个目前仍然没有解决的坑

第一个坑是样本污染。过去的文章可能已经被 AI 修改过，也可能只是某个时期的特殊表达。如果把它们全部当成标准，Skill 会把偶然风格固化下来。解决方法不是盲目增加样本，而是给样本标注来源、时间、是否人工修改，以及它适合证明什么。

第二个坑是规则越写越长。每发现一个问题就加一条禁止项，最后模型反而不知道优先级。我的做法是把规则分成硬约束、类型规则和偏好规则。事实、主语、权限属于硬约束；教程和观点文的结构属于类型规则；某些口头禅和节奏属于偏好。三类规则冲突时，硬约束优先。

第三个坑是把 Humanizer 当成裁判。它可以提示句式过于工整、总结过于完整、表达像模板，但它不知道我的事实和立场。它的结果只能作为审稿意见，不能直接替作者改稿。

第四个坑是过度追求“像”。如果 benchmark 只问哪一版更像我，模型就会不断靠近我的语气，却可能越过我的经历和权限边界。因此我现在会把“像不像”“有没有改意”“有没有编造”分开记录，不用一个分数把它们压成结论。

第五个坑是上下文太多。Context 不是越多越好。过时观点、无关对话和私人信息混在一起，会让模型更难找到当前任务真正需要的内容。每次写作前，最好明确本次可用的主题、时间范围和资料范围。

七、最后这篇文章到底是谁写的

那么最后一个问题：这篇文章其实是 AI 加上我人工编辑完成的。

它不是我先写完、让 AI 查错字，也不是我给一个标题、让 AI 从头编一篇。我的做法更接近共同编辑：我提供立场、经历、样本、写作思路和不能越过的边界，AI 负责整理材料、提出结构、补充我可能遗漏的角度；然后我再逐段检查，把不属于我的判断删掉，把过于完整的总结拆掉，把需要证据的地方补上来源。

所以我不会把最终效果归功于某个神奇提示词。真正起作用的是长期积累的 Context、可复用的 Skill、独立的 benchmark，以及每次人工修改留下来的原因。没有这些，AI 只是在模仿一个“像作者”的表面；有了这些，它才有机会参与作者自己的思考过程。

简单地说，训练方法其实跟人学习语文没什么区别：找到优质的人工分享，让它学习；不断提供新的反馈，让它知道哪里不对；给足够的上下文，让它理解判断从哪里来；再用自己的写作思路和表达逻辑，决定最后文章往哪里走。

在我的标准下，目前也只有大概 70% 的内容可以直接使用，仍然需要校对和调整。这不是失败，反而是一个比较诚实的结果。写作 Skill 的目标不是替作者签字，而是让作者把时间从机械整理，转移到事实核对、观点判断和真正值得展开的地方。

未来我可能会用更平台化的方式训练，加载不同的模型，再用同一套 benchmark 做比较。比如不同模型在中文表达、技术解释、长文结构和事实边界上的差异，应该分别测，而不是只看哪一个更像人。

这也不会是最后一篇关于 AI 写作训练的文章。Skill 会继续改，Context 会继续清理，benchmark 也会继续增加。至少现在我已经确认了一件事：去掉几个“首先、其次、最后”，并不能让文章变成你的文章；真正决定风格的，是你长期坚持什么、拒绝什么，以及每一次修改为什么这样改。