我最近請 AI 幫忙修改一篇專欄,看完後覺得太複雜,就直接跟它說:

「讀者應該預設是一般人,幫我寫得淺顯易懂一些。」

這句話沒有什麼高深的提示技巧,但它交代了一個重要的判斷:這篇文章是寫給誰看的,以及我覺得哪裡不對。

用 AI 寫作時,我們很容易漏掉這一段。

丟一個題目,等它寫完,再說「自然一點」「不要太像 AI」「再有深度一點」。改了幾次,句子可能順了,卻還是不太像自己想說的話。

這時候可以先停一下:你有沒有告訴它,自己到底想說什麼?

題目一樣,想說的話可以差很多

假設你看完一篇談學習方法的文章,想寫一則心得。

你請 AI:

幫我寫一篇關於持續學習的貼文,語氣自然一點。

它可能會寫出閱讀、保持好奇、每天進步一點之類的建議。這些話未必有錯,但它還不知道,你為什麼想寫這個題目。

你可能是發現自己收藏太多文章,卻很少用到。

也可能是最近完成一件工作,才發現以前讀不懂的觀念突然懂了。

甚至你根本不完全同意原文,覺得一直要求自己學習,也會讓人很累。

這些想法會寫成三篇不同的文章。只給「持續學習」這個題目,AI 就得自己選一條路。

你沒有說出的理由,很容易被通用建議填滿。

持續學習這個題目分成三種文章方向:把讀過的拿去用、從實作中學習,以及學習也需要休息
同樣談持續學習,想說的理由不同,文章方向也會不同。

還沒想清楚,可以先讓 AI 問

這不代表你必須先寫好一份完整大綱,才有資格請 AI 幫忙。

很多時候,我們只有一句模糊的感覺:「這篇很有道理,但好像哪裡不太對。」

這句也可以當起點。

先把文章或自己的零碎想法交給 AI,請它暫時不要寫正文,問一個能幫你說清楚的問題。

例如:

這篇文章裡,哪一點讓你想到自己的情況?

如果你回答:

我常常把文章存起來,之後就忘了,也不知道到底學到了什麼。

下一個問題,可能是:

你希望讀者看完後,少收藏一些,還是挑一篇真的拿去用?

這個差別會影響文章怎麼寫。前者在談減少輸入,後者在談如何使用已經讀過的內容。

以上是示意對話,不是實測結果。它想說明的是:有用的追問,應該讓你做出一個更清楚的選擇。

問得多不一定比較好。你已經說清楚的地方,就不用再問。

不需要每篇都放自己的故事

「有自己的想法」不等於一定要講人生經歷。

你決定省略什麼、保留什麼、為什麼推薦這個做法,都可以是文章裡的判斷。

例如我說「這篇要寫給一般人」,接下來就得決定:哪些名詞需要解釋?哪些研究細節可以放後面?讀者看完,至少要知道怎麼開始?

這些選擇比多加幾句口語,更接近我想讓文章成為的樣子。

寫工具比較或資料整理時也一樣。你可以清楚交代比較標準、適用情境,以及目前還不知道的部分,不必硬編一段「我親自用了之後」。

Nicolas Cole 在〈The Right Way To Write With AI〉中,也把作者提供的經驗、觀點與故事,視為 AI 寫作的重要材料。這是他對寫作的看法,不是每篇文章都必須具備的固定配方。原文

我會把它用在一個很具體的地方:當文章缺少自己的判斷時,先補想法,再修句子。

可以直接從這段 Prompt 開始

你可以把想寫的題目、讀過的文章,或幾句零碎想法,接在這段後面。

我想把下面的材料寫成一篇給一般人看的文章,但可能還沒說清楚自己的想法。

請先不要寫正文。

先分清楚哪些是來源作者的觀點,哪些是我已經表達的想法。
如果缺少會影響文章方向的資訊,請一次只問我一個簡短問題。

優先問我的具體判斷,例如:
我認同或不認同哪一點、為什麼想寫、希望讀者看完能做什麼。
依材料挑一個最有用的問題,不要整份問卷一起問。

我已經回答過的事不要重問。
不要替我預設立場,也不要編造我的經驗。
沒有個人故事也沒關係,不要硬問。

資訊足夠後,先用幾句話整理:
這篇想說什麼、寫給誰、用哪個例子說明。
等我確認後,再寫初稿。

我的材料:
【貼上題目、文章或零碎想法】

這段 Prompt 的目的,是讓你比較容易開始說,而不是讓 AI 替你決定應該相信什麼。

如果它問的問題沒幫助,你也可以直接指出:「這不是我在意的地方,我想談的是……」

你的修正,本身就是寫作材料。

寫完後,再問一次:這真的是我想說的嗎?

拿到初稿後,除了看句子順不順,我還會想檢查:

文中那些「我認為」「我發現」「我建議」,真的是我說過、做過,或願意負責的判斷嗎?

如果 AI 把一句猶豫寫成肯定結論,就把猶豫放回去。如果它補了一段沒發生過的經驗,就刪掉。涉及外部事實的地方,仍然要另外確認來源。

上上篇 Brand Background 談的是讓 AI 認識品牌的長期背景。這次更小:讓它知道,你對眼前這個題目怎麼想。

不必先整理完整套寫作系統。下一次卡在「寫得很順,但我不想這樣說」時,可以先指出那一句,讓 AI 問你原因。

先把原因說清楚,才知道這篇文章該往哪裡改。

延伸閱讀

繼續看全部文章