AI 与日常 · 从选题到 AI 辅助创作

我爱免费

作者：微信文章
开启一个创作链路
几乎所有在第一次使用AI作为工具时都会思考和面对，不是担心技术，也不是纠结效率，而是隐约觉得：当文字不再完全从空白开始敲出来，表达的归属感好像发生了变化。但真正困住大多数人的，其实并不是“用 AI 写东西，算不算原创”，而是更早的一步——今天写什么、怎么开始、值不值得写。不是专业写手的我，就是在用自己的空闲时间结合AI工具，整理，分享，顺便匹配腾讯推荐算法交换点流量广告费，在一个连客服电话都是AI或机器人，初审检查这些文章也都不是真人的时代，这不算什么，只要融入了个人想法，反复润色的，个人观点认为都是原创，回到如何高效输出，我一般是这样开始的，如下：

和GPT进行头脑风暴选题，把碎碎整理为提示词丢给使用Codex生成的Markdown写入Git仓库作为草稿再通过 https://md.newkit.site/ 格式转换
最后用 https://matrix.tencent.com/ai-detect/ai_gen 检查

在发布前再润色一次。整个链路的目标不是“让 AI 替你写完”，而是把琐碎的工具操作压缩掉，把时间留给视角和论点。

---

借助 ChatGPT/Codex 选题

日常灵感往往是碎片化的：一句话、一个场景、一次对话。打开 ChatGPT/Codex，让它像搭档一样提问、补充、收束。我的方式是：

给 ChatGPT一个目标，限定范围，允许为每个角度补充“反对意见”选择最能让自己兴奋的两个，写出3句式提纲：观点、案例、结论整理提示词，输出给 ChatGPT的Codex服务，生成的Markdown到将写入到 Git 仓库

这样做的好处是，AI 让你更快排除“看起来不错但写不动”的想法，而不是替你定稿。

---

整理Markdown格式的草稿

提纲确定后，直接在本地仓库的 Markdown 文件里起笔。保持一个简单的准则：仓库是内容的唯一事实来源。这样有几个好处：

版本可追溯：每次提交都有上下文，方便回滚协作清晰：评论和合并请求都围绕同一份文本迭代可衡量：可以控制文章从提纲到成稿的进化

我习惯在按照已有的目录规划，在对应 content/00-global/essays/ 目录下创建新文件，把小标题和关键信息先写好，再逐段填充。写作过程中如果需要再次用 Codex，明确告诉它已有的大纲和读者，避免跑题。

---

完成格式转换

写完初稿后，把 Markdown 粘贴到第三方在线编辑器 https://md.newkit.site/，进行格式转换。没别的，只因为公众号编辑器比较差劲，简直是对写作者的耐心测试，内容写完了，最后却在和难用的排版较劲！[3]

选择一致的标题层级，检查列表、引用、代码块是否渲染正常。确认图片或外链是否需要本地化，避免发布后失效。导出时保留最简洁的样式，不额外注入花哨格式。

这一步让“文本内容”与“排版样式”解耦，你只需要专注于语句是否顺畅。

---

反复润色

把格式化后的文本放进 https://matrix.tencent.com/ai-detect/ai_gen ，查看“AI 生成”概率。不是完全是为了“过检测”，而是用它提醒自己：

如果 AI 味道高，看看句式是否过度平滑、缺乏人的味道。对比评分前后的差异，补充更多个人细节、时间线或反直觉观点。避免“模板式”开头结尾，用自己的语气收尾。

检测是的唯一目标就是为了推荐算法优化愿意分配一点流量，这不是作弊，因为第一关面对不全是读者，而是推荐算法这个无形的读者～


发布

在提交前，我一般会做三件事：通读全文，如果念起来别扭，读者也会觉得生硬；删掉重复部分，每篇只需承担一个核心信息；确认引用的链接、数据有来源，必要时在仓库备注。

最后，把更新提交到 git，并在提交信息里描述本次改动，方便未来检索。发布后，如果有反馈或新想法，就回到同一个文件继续迭代，让创作链路成为一个循环，而不是一次性流程。

把 AI 当作辅助工具，它不会替你感受生活，更无法替你决定“为什么要写”！

---

相关回顾1.一图一文2.一图一视频3.AI 与日常 · 我开始这样做视频