一篇新媒体文章，观点像豆腐脑一样稀碎，这种情况你遇到多少次了？素材是好素材，想法是好想法，但一写出来就散成一碗，读者喝完之后啥也记不住。后来我琢磨出一个还算靠谱的解法：把写作AI从“文字生成器”改成“结构顾问”，用逻辑金字塔的方式逼着它帮我把观点一层层立起来。这篇就记录一下我是怎么用这套方法改稿、避坑的，适合经常写方案、写汇报、写长文的人参考。1. 为什么你手上全是好观点，落笔却是一碗“思想豆腐脑”1.1 写作AI的底层逻辑是“圆场”，不是“立论”先说个容易被忽略的事实：写作AI写出来的内容，本质上是基于海量语料的概率预测。它擅长把上下文里提到的所有线索都“圆”进通顺的句子里，让每一句话读起来都顺滑。但它并不天然具备“观点之间谁统领谁”“哪句话是整篇文章的塔尖”这种结构判断力。打个比方，你给它抓了一把黄豆、黑豆、绿豆，它能给你炒出一盘色香味俱全的杂豆拼盘，但它不会主动告诉你“这道菜应该以黄豆为主料，其他只做点缀”。除非你明确告诉它该怎么分配主次，否则它默认就是“平均用力”。所以当你把一堆好观点直接丢给它，让它“扩写成一篇完整文章”的时候，它把这些观点按出现顺序缝起来，句句通顺、段段圆滑，唯独没有骨架。这就是“思想豆腐脑”的来源——不是素材不行，是你没有在动手之前先立起结构来。1.2 三个最容易把观点拌成豆腐脑的日常操作我复盘了一下自己和周围人跟AI协作的翻车现场，发现绝大多数情况下都逃不出下面三个动作：第一个动作叫“零散投喂”。比如你在通勤路上冒出一个灵感，就直接打开对话框说“我有一个想法，帮我扩写一下”。这时候AI拿到的只有一个碎片，它只能顺着这半句话瞎发挥，产出一堆漂亮但无根的水词儿。第二个动作叫“全量倾倒”。好不容易攒了一堆素材，满怀期待地把10条备忘粘贴进去，让AI“写成一篇结构完整的文章”。AI倒是爽快，哗啦哗啦全给你编进去了，但他编的时候是按“每个素材说两句”的逻辑来编排的，导致所有观点都处于同一个层级，全在平均水平线上游荡，重点被彻底稀释。第三个动作叫“无筛选验收”。AI交稿之后，你只看它语句是否流畅、段落是否饱满，很少去判断“这个论据和那个结论之间有推演关系吗”“这一段删掉会影响整体吗”——只要读起来通顺，就点头放行。这三种操作其实都是在把写作AI当成“外包的笔”，而不是“帮你搭架子的顾问”。笔是不会替你思考的，它只会把你想到的东西写得越来越顺，顺到你看不出毛病。1.3 怎么判断你手里的稿子是豆腐脑还是金字塔我这几年的个人标准，就盯四个信号，中两条基本就可以判定结构有问题了。读完第一章，讲不出这篇文章到底想让我认同哪一个“结论”。非常清楚。任何一段单独拎出来挪个位置，读起来没有任何违和感，说明结构是并列杂糅的，没有统领关系。你自己也无法一句话说清“这篇全文唯一的中心论点是什么”。感觉哪一段都是“补充说明”，而不是“逻辑必然的下一步”。为了更直观，我把两种状态摆在一起对比过：维度豆腐脑状态金字塔状态核心结论藏在某个段落的第三句里，不说你根本不知道开头一句话就说完了，后面都是它的支撑段落关系每一段都像独立的博客随笔，删掉哪段都能活每一段都是承上启下的台阶，缺一段就断链观点层级所有观点统统排在一条水平线上，分不出主次结论、支柱、论据分三层，各归其位读者记忆读完点头称赞但记不住任何观点读完之后能复述出你那三根核心支柱判断这一步不需要任何技术手段，只需要你在AI交稿后，花五分钟问自己上面这四个问题。如果答案是“散”，那接下来的金字塔改造法就是专门治这个的。2. 逻辑金字塔的底牌：结论先行、以上统下、归类分组2.1 把文章当成一栋楼：塔尖、支柱、地基各管什么逻辑金字塔这个说法，大家可能多少听过一些，但我发现真正把它落实到AI写作协作里的人很少。它的核心就三条原则：结论先行、以上统下、归类分组。我用盖一栋楼来类比，你可能马上就能懂。楼顶的塔尖就是文章的最终结论。这玩意儿决定你这篇文章“为什么存在”。它必须是一个完整的判断句，比如“我们应该把AI嵌入现有流程”，而不是一个话题词“AI的应用”。塔尖下面的几个关键支柱，就是支撑这栋楼不塌的大梁。通常三到五根，每一根都是一个独立的论证维度。大梁下面还有楼板，就是事实、数据、案例、细节，它们不直接参与承重，但少了它们，大梁就悬在空中，读者会觉得你只会喊口号，没有实证。每一层之间的关系必须严格做到“上层统领下层、下层支撑上层”。塔尖说“我们要做这件事”，得有三根梁来说明“为什么能做、做了有什么好处、代价在哪里”。一根梁说“效率提升明显”，它下面就得垫上“周报处理时间减少了一半”“会议纪要整理从2小时缩到20分钟”这些楼板。写作最怕的情况就是，塔尖说A，梁却架着B，楼板又垫着C，结构全错位。2.2 归类分组必须互斥且穷尽：整理衣橱法则“归类分组”这四个字听起来简单，实际操作最容易翻车。我特别喜欢用整理衣橱来打比方。你去收衣服，如果按“颜色好看”“最近常穿”“当年买贵了”这三个维度分类，那每一件衣服都可能同时属于好几个类，你塞哪一格都对、哪一格都不太对，最后衣橱里还是乱的。写作里，如果论据之间互相交叉、重叠，读者听第一点的时候觉得有道理，听第二点的时候马上疑惑“这点跟刚才那个不是一回事吗”，文章的说服力天然减半。反过来，如果分类不够穷尽，漏掉一大块实质内容，比如你论证“AI值得引入”只谈了效率和成本，却对安全风险只字不提，读者的第一反应就是“你在避重就轻”。所以归类的一个硬性标准叫“不重不漏”，每个观点只能归入一类，所有大类合起来必须覆盖完整个问题域。AI特别适合做这件事，因为你把素材丢给它，它能快速列出好几套分类方案供你挑。但请注意，最终那个“分类维度”必须经过你的大脑认证。AI擅长算相似度，不擅长判断“这个视角对这个读者是否重要”，所以归类分组的工作流里，AI是候选方案的提供者，你是最终拍板的人。2.3 塔尖怎么立起来才算锋利很多文章写得散，其实不是结构问题，是塔尖本身就不清晰。我发现一个特别普遍的现象：大家总以为结论是写到最后才“得出来”的，于是写着写着才慢慢发现自己想说啥，结果越写越散。真正的做法恰好相反，尤其是在跟AI配合的时候，你的塔尖必须在动笔之前就已经立在那里。一个合格的塔尖，可以用一个句式来检验——“对象 + 动作 + 理由”。比如“我们部门应该把AI嵌入周报流程，因为它是当前投入产出比最高的提效手段”。这就叫一个完整判断，它可以直接拿来当全文中心句。还有一个小技巧：塔尖通常不超过35个字。如果你发现自己写了一段小作文才把结论说清楚，说明你手里的根本还不是结论，而一堆前提。这时候你要让AI帮你做减法，逼它在你那堆前提里挑出那个“最核心的判断”，把其他内容全部降级成支撑。塔尖锋利了，后面搭梁才有方向。3. 把AI从“写手”改造成“结构顾问”：三条提示词工作流3.1 第一阶段：点题，用追问把塔尖逼出来我现在的协作方式，完全改变了以前“我把主题丢进去，AI把文章丢出来”的流程。第一步永远是点题，也就是逼出塔尖。参考提示词模板：我现在要写一篇关于【主题】的文章。下面是我零散的原始观点，请你不要再帮我写正文，而是扮演一个极其严苛的编辑。 请连续向我追问三次，每次只问一个尖锐的问题，目的只有一个：逼我想清楚“这篇文章最终想让读者带走的一句话结论是什么”。 追完问题之后，请从我的回答中提炼出一句不超过35字的核心结论，并用“对象+动作+理由”的句式写出来。 我的原始观点如下： 【粘贴你的素材】这个流程里AI做的事情是关键：通过连续追问，把隐藏在你素材里那个模糊的判断，逼成一刀见血的结论。你不需要接受它最后给出的那话，但你需要它帮你确认“我的方向到底是什么”。通常我用这一轮，就能让原本含混的主题清晰一大半。3.2 第二阶段：归类，把散观点砌成柱子塔尖有了，下一步就是找支柱。这个阶段要喂给AI的任务是“归类”，不是“扩写”。参考提示词模板：塔尖结论是：【一句话核心结论】 下面是若干条论据和素材：【粘贴素材列表】 请你做三件事： 1. 把这些素材按照它们对塔尖的支撑关系，归类成3到5个组，每组提炼出一句统领句（即该组的核心观点）。 2. 标记出哪些素材适合放在多个组里，哪些素材根本无法归入任何一组，并说明理由。 3. 检查各组之间是否满足“互斥且穷尽”，如果不满足，明确指出缺失或被交叉覆盖的点。 注意：分类维度必须统一，不要出现“第一个看效率、第二个看安全、第三个看培训过程”这样不同维度的混杂。这一轮的输出质量直接决定文章的骨架水平。AI会把你的素材按语义相似度聚类，并给出每组统领句。你收到之后要干的一件重要事情是人工质疑：比如哪些素材跨组了，其实是两个维度的边界不清，要么拆掉素材，要么合并分组；再比如它列出来的组完全覆盖了你想表达的维度吗，缺的维度要补上。放心，这步用不了几分钟，但正是在这几分钟里，你从“凭感觉写”切换到了“按结构搭”。还有一点值得说明：我特意在提示词里加了“说明理由”的要求，是要让AI把归类过程中的潜在冲突暴露出来。很多时候它看似流畅地归好了，实际是勉强硬塞——比如因为语料里两个观点都出现了“提效”字样，就把它们放在同一组，但其中一个其实是成本优势。理由能帮你立刻识别这种偷懒。3.3 第三阶段：追问，用逻辑缺口倒逼内容充盈骨架搭好之后，不要急着让AI“直接生成全文”，那样容易把它打回原形，重新生成一篇漂亮的豆腐脑。正确的做法是继续借助追问，让AI充当一个提问者，逼你把每一层楼板都补实。参考提示词模板：我已经确定了塔尖和支柱结构： 塔尖：【一句话】 支柱组： 1. 小组A：观点A 2. 小组B：观点B 3. 小组C：观点C 请你以目标读者【读者画像】的视角，对当前结构提出质疑： 1. 每组观点目前最可能被读者质疑的地方是什么？ 2. 哪根支柱明显缺乏事实、数据、案例支撑？ 3. 支柱与塔尖之间是否有逻辑跳跃？具体在哪一处？ 4. 三根支柱是否还存在隐含的交叉论点？ 请逐项列出，不要写成文章。这一步的运作原理是：既然AI本身不擅长“结构性判断”，但它特别擅长“基于现有信息生成合理的质疑”。你利用它的生成能力来发现漏洞，让结构在成文前先被压力测试一轮。实测下来特别有效，因为很多我们自己看来天经地义的逻辑链条，切换到读者视角之后立马显形。3.4 为什么这三次对话比“让AI直接写”效率更高表面上看，这套流程多绕了好几轮，产出速度似乎不如“一句话让AI生成全文”快。但如果你算上返工时间，这套流程反而效率惊人。直接让AI写，它用两分钟生成了两千字的基础款豆腐脑；你花半小时修改时发现结构有问题，整篇推倒重来。把对比算清楚之后，你会发现“磨刀不误砍柴工”这句话在AI协作里依然成立，只不过磨刀的对象从你的笔变成了你的结构。而且这套流程还有一个隐藏好处：它把写作的“判断责任”清晰地留给了人。AI永远负责生成候选结构、候选分组、候选追问，拍板的一直是人。这样产出的文章骨骼清晰，内在逻辑也经得起推敲。4. 一场实战：一条“豆腐脑”观点库怎么变成金塔4.1 我们场景：一次面向团队内部的经验总结为了让大家看得更具体，我用“某跨平台系统”开展过一次“AI辅助工作流试点”为例，把整个改造过程一步一步摆出来。当时我手里的素材非常零散，我完全按照1.2节“豆腐脑式”的操作把它们丢给了AI，结果它果然给我整了一个平平无奇的工作总结：背景、过程、结果，每一段都在介绍，但读完根本不知道试点到底成没成、要不要继续推。我的原始素材大概是这样八条：有人觉得AI不靠谱，把工作交出去不放心我试用AI整理会议纪要和周报模板，节省了一半时间提示词写得好不好，结果差别天差地别团队成员的年龄跨度大，接受程度也不一致管理层一开始担心数据安全后来我们换成私有化部署的模型，安全顾虑才解除试点过程中最大的成本其实是学习成本，而不是软件成本最后那些被验证有效的提示词沉淀成了团队共享库，之后整个小组的产出都提高了你可以先感受一下，这八条里没有一条是坏观点，但如果直接写进文章，它们彼此之间没有任何统属关系，必然是各说各话的水平线。这时候我开始用3.1节做“点题”。4.2 第一轮对话：逼出真正的塔尖按照模板，我让AI扮演苛责编辑，连续追问我“所以你到底想说什么”。经过两轮互动，我明确了自己其实想表达的核心判断是：安全可控的前提下，AI助手可以从个人尝鲜升级为团队标配，但前提是配套做提示词沉淀和人工审核。这话有点长，我们再压一压，最后塔尖锁定为：“私有化部署的AI助手，已经从‘个人尝鲜’变成了‘团队标准件’，它的核心价值是省时和降门槛，前提是产出物必须经过人工审核。”这个塔尖一说出口，整篇文章的题目和读者期待全变了。读者不再等着看你描述试点过程，而是等你论证“为什么它能成为标准件”。4.3 第二轮对话：塔尖下面立起三根柱子我用3.2节的归类模板，把这八条素材重新交给AI。它给出的第一轮分类其实有些平庸，差点按时间顺序分成了“开始”“过程”“后来”，这显然不行，我否掉了。接着我要求它按“对塔尖的支撑关系”重新分类，同时标注无法归入的素材。最终我们共同敲定的支柱结构是这样三条：支柱一：提效是已经被数据验证的事实，而非个人主观感受。这里放“会议纪要节省一半时间”“提示词共享库让全组受益”“学习成本高但属于一次性投入”。支柱二：组织落地的前提，是解决安全和信任问题。这里放“私有化部署化解数据顾虑”“人工审核机制定位成质量闸门”。支柱三：推广的最大阻力不是技术，是人的接受度差异。这里放“不同背景成员接受度不一样”“共享库和培训降低上手门槛”。注意几个关键的人工判断：第一，原始素材里那条“有人觉得AI不靠谱”没有被单独立柱，而是放进了支柱一的地基层，作为信任问题的实证。第二，“提示词写得好不好天差地别”这条，原来它差点被硬塞进提效支柱，但我们最后决定把它挪到支柱三，因为它的本质是“降低人的使用门槛”问题。第三，那八条里有一条“有人觉得AI不靠谱”其实和“管理层担心安全”语义相近，AI曾试图把它们合并在同一个论点下，但我们保留了“个人信任”和“组织安全”两个不同侧面。这一步做完，文章的逻辑线已经完整浮出来了。4.4 第二轮对话：用质疑清单把骨架压实我给AI补充了目标读者画像——那些还没被拉进这个工作流的同事。质疑清单返回来的有价值问题大概有三条：第一，你说“提效是事实”，但只给了一个“节省一半时间”的宽泛说法，读者没法验证，是不是应该具体到某类任务的时间对比？第二，你说私有化部署解决了安全顾虑，但你如何证明它足够安全？这里需要一个可审计的评估材料。第三，接受度差异这条，如果没有具体数据，容易滑向“有些人不愿意学”的情绪化指责。我把这三个问题直接吸收到文章的最终骨架里，作为成文时的硬性补充项。后来自查时发现，这步帮我躲掉了不少空洞论证。4.5 最终骨架长什么样经过两轮对话后，一篇文章的完整金字塔长这样：塔尖：私有化部署的AI助手要成为团队标准件，必须在提效数据、安全前提、接受度策略三方面同时过关。支柱一：提效可验证会议纪要处理时间从2小时降到30分钟周报模板让新人当天的产出效率提升明显共享提示词库让小组成员整体受益支柱二：安全为前提私有化部署范围，数据不出内网与安全团队共同评估，留下审计记录所有对外产出物先经过人工审核再发布支柱三：推广靠策略接受度差异真实存在，但可以通过低门槛切入解决学习成本最大，解法是把提示词预置成“傻瓜式模板”建立反馈通道，让反对意见直接变成改进项到这一步，成文就是水到渠成的事了。结构给你撑好了，剩余工作只是把每一块楼板浇筑上具体的话术。4.6 成文之后我做的三处人工改动即便结构已经如此清晰，AI在成文时还是会有几个惯性动作，我会手动修正。第一处，删掉“不必要的过渡段”。AI习惯在每章之间加一句“下面我们将进一步探讨”，这种话没有信息量，直接删，段落之间靠内容自然衔接。第二处，压缩背景铺陈。AI开头总喜欢写“随着人工智能技术的快速发展”，这句话对我来说就是典型的无信息冗余。我改成直接一句“我们在工作中试了一个AI助手，结论是可以在团队推广”。第三处，补上一两个只有我手里的真实细节。AI不知道我们第一次用AI生成会议纪要后，有人抱怨“AI把表情都写成文字了”这种具体到发指的细节，而这些细节恰恰是让文章有血肉的关键。骨架保证逻辑，人工修改保证温度和准确，这两者结合才是完整的工作流。5. 搭金字塔时最容易踩的四个暗坑，还有我的日常应对5.1 暗坑一：AI为了顺从而过度对齐AI有时候会“见风使舵”——你给它一个框架，它倾向于把框架里每一个支柱都填得满满当当。甚至一个明明跟任何支柱都不沾边的素材，它也可能在归类时硬塞进最靠近的组里，导致支柱内部混入杂质。应对方法是我在归类阶段的提示词里必加一句“如果某个素材与所有组的匹配度都不高，请单独列出，千万不要强行归入”。然后我会认真看那几条“无法归类”的素材——它们通常要么是真正需要删掉的废话，要么是一个独立的隐藏论点，值得单独立支柱，而不是塞进现有框架。5.2 暗坑二：三根支柱不在同一个维度上这本是5. 暗坑二是归类问题。很多文章表面上有三个论点，但仔细看，一个说的是效率、一个说的是安全、一个说的是“人怎么上手”。效率和安全尚可算并列，但“人怎么上手”其实更接近“如何实现效率提升”的子问题，撑不起来。我习惯用这个自查方式：问AI一句“这三根支柱是按同一把尺子切出来的吗”。比如，支柱A讲“是值得做的”，支柱B讲“是可行的”，支柱C讲“需要注意”，那C就不是支柱，是风险提示，它应该被整合到B里面当论据。只有当每一根支柱都能回答塔尖的同一个问题——“凭什么下这个结论”——的三条不同理由，它们才是真正的并列。5.3 暗坑三：塔尖不够锋利，结论说成了一段话第三个暗坑是塔尖的问题。有时候AI生成的塔尖其实是一个“观点群”，里面裹着安全、效率、成本、接受度四件事，四件事都不能删，删了结论就碎了。我的处理办法是用“电梯测试法”：想象你在电梯里碰到决策者，只有20秒时间说服他，把你的塔尖浓缩成20个字。如果做不到，那就继续让AI删，直到所有修饰词和限定条件全部退到位，剩下那个最核心的动作和理由。别舍不得删。你现在的“塔尖”如果不是一句行动主张，它就只是个话题简介。5.4 暗坑四：金字塔变混凝土，文章硬得没法读最后一个暗坑是结构太硬。有很多人搭完金字塔，写出来的文章像法律条文：第一点、第二点、第三点，全部是名词短语，没有画面、没有细节、没有语气变化。读者虽然能看懂逻辑，但读起来像在读操作手册，观感不佳。我的经验是，金字塔是骨架不是皮肤，文章的肉依然需要需要具体场景、鲜活细节、语气变化。我的常用套路是：每个支柱的段落，开头放一个最生动的反常识细节（比如“第一次用AI整理会议纪要，小伙伴以为见到了假AI”），把人吸引进你的论证逻辑里，然后再上数据、上理由，最后回扣统领句。这样既保持了逻辑不断链，又保留了一点“人味”。还有一个更根本的提醒：搭金字塔的过程，不要想着一次到位。我平时习惯先自己乱写两段找感觉，再把乱写的部分扔给AI做归类，出来的结构比“凭空设计”更贴合自己真实的意图。AI的归类能力本身，就是最好的思维整理器。写在最后：战略上把AI当磨刀石，别当按下回车键的机械师最后再分享一个我自己的日常习惯。我现在拿到任何一篇文章的写作任务，第一步永远是建立金字塔结构，而且我有意把这一步拉长，越长越好；相反，我会把“生成文字”这一步压缩到极短，短到AI五秒钟就能输出初稿。因为我的亲测结论是，文字本身早就不值钱了，值钱的是判断和结构。每次写完，我还会刻意找一找有没有哪一段是“某个观点因为跟塔尖不相关而被删掉的”。如果找到了，我会单独立个文档，把它们列进“备用素材池”，而不是丢进回收站。这些被你删掉的观点，很多是下一篇稿子的塔尖——个体的好观点也许暂时找不到配位，但把它放进合适的结构里，终归不会是豆腐脑。希望你下次写东西的时候，别再把所有素材一把倒给AI等它整篇吐出来。先逼自己一句话说清观点，再让AI做归类、找漏洞、补论据，最后才是成文。这样产出的内容，别人读完记住的就不再是几句漂亮话，而是你那个立起来的塔尖。
一篇新媒体文章，观点像豆腐脑一样稀碎，这种情况你遇到多少次了？素材是好素材，想法是好想法，但一写出来就散成一碗，读者喝完之后啥也记不住。后来我琢磨出一个还算靠谱的解法：把写作AI从“文字生成器”改成“结构顾问”，用逻辑金字塔的方式逼着它帮我把观点一层层立起来。这篇就记录一下我是怎么用这套方法改稿、避坑的，适合经常写方案、写汇报、写长文的人参考。1. 为什么你手上全是好观点，落笔却是一碗“思想豆腐脑”1.1 写作AI的底层逻辑是“圆场”，不是“立论”先说个容易被忽略的事实：写作AI写出来的内容，本质上是基于海量语料的概率预测。它擅长把上下文里提到的所有线索都“圆”进通顺的句子里，让每一句话读起来都顺滑。但它并不天然具备“观点之间谁统领谁”“哪句话是整篇文章的塔尖”这种结构判断力。打个比方，你给它抓了一把黄豆、黑豆、绿豆，它能给你炒出一盘色香味俱全的杂豆拼盘，但它不会主动告诉你“这道菜应该以黄豆为主料，其他只做点缀”。除非你明确告诉它该怎么分配主次，否则它默认就是“平均用力”。所以当你把一堆好观点直接丢给它，让它“扩写成一篇完整文章”的时候，它把这些观点按出现顺序缝起来，句句通顺、段段圆滑，唯独没有骨架。这就是“思想豆腐脑”的来源——不是素材不行，是你没有在动手之前先立起结构来。1.2 三个最容易把观点拌成豆腐脑的日常操作我复盘了一下自己和周围人跟AI协作的翻车现场，发现绝大多数情况下都逃不出下面三个动作：第一个动作叫“零散投喂”。比如你在通勤路上冒出一个灵感，就直接打开对话框说“我有一个想法，帮我扩写一下”。这时候AI拿到的只有一个碎片，它只能顺着这半句话瞎发挥，产出一堆漂亮但无根的水词儿。第二个动作叫“全量倾倒”。好不容易攒了一堆素材，满怀期待地把10条备忘粘贴进去，让AI“写成一篇结构完整的文章”。AI倒是爽快，哗啦哗啦全给你编进去了，但他编的时候是按“每个素材说两句”的逻辑来编排的，导致所有观点都处于同一个层级，全在平均水平线上游荡，重点被彻底稀释。第三个动作叫“无筛选验收”。AI交稿之后，你只看它语句是否流畅、段落是否饱满，很少去判断“这个论据和那个结论之间有推演关系吗”“这一段删掉会影响整体吗”——只要读起来通顺，就点头放行。这三种操作其实都是在把写作AI当成“外包的笔”，而不是“帮你搭架子的顾问”。笔是不会替你思考的，它只会把你想到的东西写得越来越顺，顺到你看不出毛病。1.3 怎么判断你手里的稿子是豆腐脑还是金字塔我这几年的个人标准，就盯四个信号，中两条基本就可以判定结构有问题了。读完第一章，讲不出这篇文章到底想让我认同哪一个“结论”。非常清楚。任何一段单独拎出来挪个位置，读起来没有任何违和感，说明结构是并列杂糅的，没有统领关系。你自己也无法一句话说清“这篇全文唯一的中心论点是什么”。感觉哪一段都是“补充说明”，而不是“逻辑必然的下一步”。为了更直观，我把两种状态摆在一起对比过：维度豆腐脑状态金字塔状态核心结论藏在某个段落的第三句里，不说你根本不知道开头一句话就说完了，后面都是它的支撑段落关系每一段都像独立的博客随笔，删掉哪段都能活每一段都是承上启下的台阶，缺一段就断链观点层级所有观点统统排在一条水平线上，分不出主次结论、支柱、论据分三层，各归其位读者记忆读完点头称赞但记不住任何观点读完之后能复述出你那三根核心支柱判断这一步不需要任何技术手段，只需要你在AI交稿后，花五分钟问自己上面这四个问题。如果答案是“散”，那接下来的金字塔改造法就是专门治这个的。2. 逻辑金字塔的底牌：结论先行、以上统下、归类分组2.1 把文章当成一栋楼：塔尖、支柱、地基各管什么逻辑金字塔这个说法，大家可能多少听过一些，但我发现真正把它落实到AI写作协作里的人很少。它的核心就三条原则：结论先行、以上统下、归类分组。我用盖一栋楼来类比，你可能马上就能懂。楼顶的塔尖就是文章的最终结论。这玩意儿决定你这篇文章“为什么存在”。它必须是一个完整的判断句，比如“我们应该把AI嵌入现有流程”，而不是一个话题词“AI的应用”。塔尖下面的几个关键支柱，就是支撑这栋楼不塌的大梁。通常三到五根，每一根都是一个独立的论证维度。大梁下面还有楼板，就是事实、数据、案例、细节，它们不直接参与承重，但少了它们，大梁就悬在空中，读者会觉得你只会喊口号，没有实证。每一层之间的关系必须严格做到“上层统领下层、下层支撑上层”。塔尖说“我们要做这件事”，得有三根梁来说明“为什么能做、做了有什么好处、代价在哪里”。一根梁说“效率提升明显”，它下面就得垫上“周报处理时间减少了一半”“会议纪要整理从2小时缩到20分钟”这些楼板。写作最怕的情况就是，塔尖说A，梁却架着B，楼板又垫着C，结构全错位。2.2 归类分组必须互斥且穷尽：整理衣橱法则“归类分组”这四个字听起来简单，实际操作最容易翻车。我特别喜欢用整理衣橱来打比方。你去收衣服，如果按“颜色好看”“最近常穿”“当年买贵了”这三个维度分类，那每一件衣服都可能同时属于好几个类，你塞哪一格都对、哪一格都不太对，最后衣橱里还是乱的。写作里，如果论据之间互相交叉、重叠，读者听第一点的时候觉得有道理，听第二点的时候马上疑惑“这点跟刚才那个不是一回事吗”，文章的说服力天然减半。反过来，如果分类不够穷尽，漏掉一大块实质内容，比如你论证“AI值得引入”只谈了效率和成本，却对安全风险只字不提，读者的第一反应就是“你在避重就轻”。所以归类的一个硬性标准叫“不重不漏”，每个观点只能归入一类，所有大类合起来必须覆盖完整个问题域。AI特别适合做这件事，因为你把素材丢给它，它能快速列出好几套分类方案供你挑。但请注意，最终那个“分类维度”必须经过你的大脑认证。AI擅长算相似度，不擅长判断“这个视角对这个读者是否重要”，所以归类分组的工作流里，AI是候选方案的提供者，你是最终拍板的人。2.3 塔尖怎么立起来才算锋利很多文章写得散，其实不是结构问题，是塔尖本身就不清晰。我发现一个特别普遍的现象：大家总以为结论是写到最后才“得出来”的，于是写着写着才慢慢发现自己想说啥，结果越写越散。真正的做法恰好相反，尤其是在跟AI配合的时候，你的塔尖必须在动笔之前就已经立在那里。一个合格的塔尖，可以用一个句式来检验——“对象 + 动作 + 理由”。比如“我们部门应该把AI嵌入周报流程，因为它是当前投入产出比最高的提效手段”。这就叫一个完整判断，它可以直接拿来当全文中心句。还有一个小技巧：塔尖通常不超过35个字。如果你发现自己写了一段小作文才把结论说清楚，说明你手里的根本还不是结论，而一堆前提。这时候你要让AI帮你做减法，逼它在你那堆前提里挑出那个“最核心的判断”，把其他内容全部降级成支撑。塔尖锋利了，后面搭梁才有方向。3. 把AI从“写手”改造成“结构顾问”：三条提示词工作流3.1 第一阶段：点题，用追问把塔尖逼出来我现在的协作方式，完全改变了以前“我把主题丢进去，AI把文章丢出来”的流程。第一步永远是点题，也就是逼出塔尖。参考提示词模板：我现在要写一篇关于【主题】的文章。下面是我零散的原始观点，请你不要再帮我写正文，而是扮演一个极其严苛的编辑。 请连续向我追问三次，每次只问一个尖锐的问题，目的只有一个：逼我想清楚“这篇文章最终想让读者带走的一句话结论是什么”。 追完问题之后，请从我的回答中提炼出一句不超过35字的核心结论，并用“对象+动作+理由”的句式写出来。 我的原始观点如下： 【粘贴你的素材】这个流程里AI做的事情是关键：通过连续追问，把隐藏在你素材里那个模糊的判断，逼成一刀见血的结论。你不需要接受它最后给出的那话，但你需要它帮你确认“我的方向到底是什么”。通常我用这一轮，就能让原本含混的主题清晰一大半。3.2 第二阶段：归类，把散观点砌成柱子塔尖有了，下一步就是找支柱。这个阶段要喂给AI的任务是“归类”，不是“扩写”。参考提示词模板：塔尖结论是：【一句话核心结论】 下面是若干条论据和素材：【粘贴素材列表】 请你做三件事： 1. 把这些素材按照它们对塔尖的支撑关系，归类成3到5个组，每组提炼出一句统领句（即该组的核心观点）。 2. 标记出哪些素材适合放在多个组里，哪些素材根本无法归入任何一组，并说明理由。 3. 检查各组之间是否满足“互斥且穷尽”，如果不满足，明确指出缺失或被交叉覆盖的点。 注意：分类维度必须统一，不要出现“第一个看效率、第二个看安全、第三个看培训过程”这样不同维度的混杂。这一轮的输出质量直接决定文章的骨架水平。AI会把你的素材按语义相似度聚类，并给出每组统领句。你收到之后要干的一件重要事情是人工质疑：比如哪些素材跨组了，其实是两个维度的边界不清，要么拆掉素材，要么合并分组；再比如它列出来的组完全覆盖了你想表达的维度吗，缺的维度要补上。放心，这步用不了几分钟，但正是在这几分钟里，你从“凭感觉写”切换到了“按结构搭”。还有一点值得说明：我特意在提示词里加了“说明理由”的要求，是要让AI把归类过程中的潜在冲突暴露出来。很多时候它看似流畅地归好了，实际是勉强硬塞——比如因为语料里两个观点都出现了“提效”字样，就把它们放在同一组，但其中一个其实是成本优势。理由能帮你立刻识别这种偷懒。3.3 第三阶段：追问，用逻辑缺口倒逼内容充盈骨架搭好之后，不要急着让AI“直接生成全文”，那样容易把它打回原形，重新生成一篇漂亮的豆腐脑。正确的做法是继续借助追问，让AI充当一个提问者，逼你把每一层楼板都补实。参考提示词模板：我已经确定了塔尖和支柱结构： 塔尖：【一句话】 支柱组： 1. 小组A：观点A 2. 小组B：观点B 3. 小组C：观点C 请你以目标读者【读者画像】的视角，对当前结构提出质疑： 1. 每组观点目前最可能被读者质疑的地方是什么？ 2. 哪根支柱明显缺乏事实、数据、案例支撑？ 3. 支柱与塔尖之间是否有逻辑跳跃？具体在哪一处？ 4. 三根支柱是否还存在隐含的交叉论点？ 请逐项列出，不要写成文章。这一步的运作原理是：既然AI本身不擅长“结构性判断”，但它特别擅长“基于现有信息生成合理的质疑”。你利用它的生成能力来发现漏洞，让结构在成文前先被压力测试一轮。实测下来特别有效，因为很多我们自己看来天经地义的逻辑链条，切换到读者视角之后立马显形。3.4 为什么这三次对话比“让AI直接写”效率更高表面上看，这套流程多绕了好几轮，产出速度似乎不如“一句话让AI生成全文”快。但如果你算上返工时间，这套流程反而效率惊人。直接让AI写，它用两分钟生成了两千字的基础款豆腐脑；你花半小时修改时发现结构有问题，整篇推倒重来。把对比算清楚之后，你会发现“磨刀不误砍柴工”这句话在AI协作里依然成立，只不过磨刀的对象从你的笔变成了你的结构。而且这套流程还有一个隐藏好处：它把写作的“判断责任”清晰地留给了人。AI永远负责生成候选结构、候选分组、候选追问，拍板的一直是人。这样产出的文章骨骼清晰，内在逻辑也经得起推敲。4. 一场实战：一条“豆腐脑”观点库怎么变成金塔4.1 我们场景：一次面向团队内部的经验总结为了让大家看得更具体，我用“某跨平台系统”开展过一次“AI辅助工作流试点”为例，把整个改造过程一步一步摆出来。当时我手里的素材非常零散，我完全按照1.2节“豆腐脑式”的操作把它们丢给了AI，结果它果然给我整了一个平平无奇的工作总结：背景、过程、结果，每一段都在介绍，但读完根本不知道试点到底成没成、要不要继续推。我的原始素材大概是这样八条：有人觉得AI不靠谱，把工作交出去不放心我试用AI整理会议纪要和周报模板，节省了一半时间提示词写得好不好，结果差别天差地别团队成员的年龄跨度大，接受程度也不一致管理层一开始担心数据安全后来我们换成私有化部署的模型，安全顾虑才解除试点过程中最大的成本其实是学习成本，而不是软件成本最后那些被验证有效的提示词沉淀成了团队共享库，之后整个小组的产出都提高了你可以先感受一下，这八条里没有一条是坏观点，但如果直接写进文章，它们彼此之间没有任何统属关系，必然是各说各话的水平线。这时候我开始用3.1节做“点题”。4.2 第一轮对话：逼出真正的塔尖按照模板，我让AI扮演苛责编辑，连续追问我“所以你到底想说什么”。经过两轮互动，我明确了自己其实想表达的核心判断是：安全可控的前提下，AI助手可以从个人尝鲜升级为团队标配，但前提是配套做提示词沉淀和人工审核。这话有点长，我们再压一压，最后塔尖锁定为：“私有化部署的AI助手，已经从‘个人尝鲜’变成了‘团队标准件’，它的核心价值是省时和降门槛，前提是产出物必须经过人工审核。”这个塔尖一说出口，整篇文章的题目和读者期待全变了。读者不再等着看你描述试点过程，而是等你论证“为什么它能成为标准件”。4.3 第二轮对话：塔尖下面立起三根柱子我用3.2节的归类模板，把这八条素材重新交给AI。它给出的第一轮分类其实有些平庸，差点按时间顺序分成了“开始”“过程”“后来”，这显然不行，我否掉了。接着我要求它按“对塔尖的支撑关系”重新分类，同时标注无法归入的素材。最终我们共同敲定的支柱结构是这样三条：支柱一：提效是已经被数据验证的事实，而非个人主观感受。这里放“会议纪要节省一半时间”“提示词共享库让全组受益”“学习成本高但属于一次性投入”。支柱二：组织落地的前提，是解决安全和信任问题。这里放“私有化部署化解数据顾虑”“人工审核机制定位成质量闸门”。支柱三：推广的最大阻力不是技术，是人的接受度差异。这里放“不同背景成员接受度不一样”“共享库和培训降低上手门槛”。注意几个关键的人工判断：第一，原始素材里那条“有人觉得AI不靠谱”没有被单独立柱，而是放进了支柱一的地基层，作为信任问题的实证。第二，“提示词写得好不好天差地别”这条，原来它差点被硬塞进提效支柱，但我们最后决定把它挪到支柱三，因为它的本质是“降低人的使用门槛”问题。第三，那八条里有一条“有人觉得AI不靠谱”其实和“管理层担心安全”语义相近，AI曾试图把它们合并在同一个论点下，但我们保留了“个人信任”和“组织安全”两个不同侧面。这一步做完，文章的逻辑线已经完整浮出来了。4.4 第二轮对话：用质疑清单把骨架压实我给AI补充了目标读者画像——那些还没被拉进这个工作流的同事。质疑清单返回来的有价值问题大概有三条：第一，你说“提效是事实”，但只给了一个“节省一半时间”的宽泛说法，读者没法验证，是不是应该具体到某类任务的时间对比？第二，你说私有化部署解决了安全顾虑，但你如何证明它足够安全？这里需要一个可审计的评估材料。第三，接受度差异这条，如果没有具体数据，容易滑向“有些人不愿意学”的情绪化指责。我把这三个问题直接吸收到文章的最终骨架里，作为成文时的硬性补充项。后来自查时发现，这步帮我躲掉了不少空洞论证。4.5 最终骨架长什么样经过两轮对话后，一篇文章的完整金字塔长这样：塔尖：私有化部署的AI助手要成为团队标准件，必须在提效数据、安全前提、接受度策略三方面同时过关。支柱一：提效可验证会议纪要处理时间从2小时降到30分钟周报模板让新人当天的产出效率提升明显共享提示词库让小组成员整体受益支柱二：安全为前提私有化部署范围，数据不出内网与安全团队共同评估，留下审计记录所有对外产出物先经过人工审核再发布支柱三：推广靠策略接受度差异真实存在，但可以通过低门槛切入解决学习成本最大，解法是把提示词预置成“傻瓜式模板”建立反馈通道，让反对意见直接变成改进项到这一步，成文就是水到渠成的事了。结构给你撑好了，剩余工作只是把每一块楼板浇筑上具体的话术。4.6 成文之后我做的三处人工改动即便结构已经如此清晰，AI在成文时还是会有几个惯性动作，我会手动修正。第一处，删掉“不必要的过渡段”。AI习惯在每章之间加一句“下面我们将进一步探讨”，这种话没有信息量，直接删，段落之间靠内容自然衔接。第二处，压缩背景铺陈。AI开头总喜欢写“随着人工智能技术的快速发展”，这句话对我来说就是典型的无信息冗余。我改成直接一句“我们在工作中试了一个AI助手，结论是可以在团队推广”。第三处，补上一两个只有我手里的真实细节。AI不知道我们第一次用AI生成会议纪要后，有人抱怨“AI把表情都写成文字了”这种具体到发指的细节，而这些细节恰恰是让文章有血肉的关键。骨架保证逻辑，人工修改保证温度和准确，这两者结合才是完整的工作流。5. 搭金字塔时最容易踩的四个暗坑，还有我的日常应对5.1 暗坑一：AI为了顺从而过度对齐AI有时候会“见风使舵”——你给它一个框架，它倾向于把框架里每一个支柱都填得满满当当。甚至一个明明跟任何支柱都不沾边的素材，它也可能在归类时硬塞进最靠近的组里，导致支柱内部混入杂质。应对方法是我在归类阶段的提示词里必加一句“如果某个素材与所有组的匹配度都不高，请单独列出，千万不要强行归入”。然后我会认真看那几条“无法归类”的素材——它们通常要么是真正需要删掉的废话，要么是一个独立的隐藏论点，值得单独立支柱，而不是塞进现有框架。5.2 暗坑二：三根支柱不在同一个维度上这本是5. 暗坑二是归类问题。很多文章表面上有三个论点，但仔细看，一个说的是效率、一个说的是安全、一个说的是“人怎么上手”。效率和安全尚可算并列，但“人怎么上手”其实更接近“如何实现效率提升”的子问题，撑不起来。我习惯用这个自查方式：问AI一句“这三根支柱是按同一把尺子切出来的吗”。比如，支柱A讲“是值得做的”，支柱B讲“是可行的”，支柱C讲“需要注意”，那C就不是支柱，是风险提示，它应该被整合到B里面当论据。只有当每一根支柱都能回答塔尖的同一个问题——“凭什么下这个结论”——的三条不同理由，它们才是真正的并列。5.3 暗坑三：塔尖不够锋利，结论说成了一段话第三个暗坑是塔尖的问题。有时候AI生成的塔尖其实是一个“观点群”，里面裹着安全、效率、成本、接受度四件事，四件事都不能删，删了结论就碎了。我的处理办法是用“电梯测试法”：想象你在电梯里碰到决策者，只有20秒时间说服他，把你的塔尖浓缩成20个字。如果做不到，那就继续让AI删，直到所有修饰词和限定条件全部退到位，剩下那个最核心的动作和理由。别舍不得删。你现在的“塔尖”如果不是一句行动主张，它就只是个话题简介。5.4 暗坑四：金字塔变混凝土，文章硬得没法读最后一个暗坑是结构太硬。有很多人搭完金字塔，写出来的文章像法律条文：第一点、第二点、第三点，全部是名词短语，没有画面、没有细节、没有语气变化。读者虽然能看懂逻辑，但读起来像在读操作手册，观感不佳。我的经验是，金字塔是骨架不是皮肤，文章的肉依然需要需要具体场景、鲜活细节、语气变化。我的常用套路是：每个支柱的段落，开头放一个最生动的反常识细节（比如“第一次用AI整理会议纪要，小伙伴以为见到了假AI”），把人吸引进你的论证逻辑里，然后再上数据、上理由，最后回扣统领句。这样既保持了逻辑不断链，又保留了一点“人味”。还有一个更根本的提醒：搭金字塔的过程，不要想着一次到位。我平时习惯先自己乱写两段找感觉，再把乱写的部分扔给AI做归类，出来的结构比“凭空设计”更贴合自己真实的意图。AI的归类能力本身，就是最好的思维整理器。写在最后：战略上把AI当磨刀石，别当按下回车键的机械师最后再分享一个我自己的日常习惯。我现在拿到任何一篇文章的写作任务，第一步永远是建立金字塔结构，而且我有意把这一步拉长，越长越好；相反，我会把“生成文字”这一步压缩到极短，短到AI五秒钟就能输出初稿。因为我的亲测结论是，文字本身早就不值钱了，值钱的是判断和结构。每次写完，我还会刻意找一找有没有哪一段是“某个观点因为跟塔尖不相关而被删掉的”。如果找到了，我会单独立个文档，把它们列进“备用素材池”，而不是丢进回收站。这些被你删掉的观点，很多是下一篇稿子的塔尖——个体的好观点也许暂时找不到配位，但把它放进合适的结构里，终归不会是豆腐脑。希望你下次写东西的时候，别再把所有素材一把倒给AI等它整篇吐出来。先逼自己一句话说清观点，再让AI做归类、找漏洞、补论据，最后才是成文。这样产出的内容，别人读完记住的就不再是几句漂亮话，而是你那个立起来的塔尖。