让AI先列提纲再动笔：两个月实测，哪些写作任务真的能提效？

我先说结论：让AI先列提纲再动笔，这个方法确实有用，但没有网上吹得那么神。我跑了整整两个月，把平时写得最多的那批内容过了一遍，结果呈现明显的两极分化——一半的活儿真的变快了，过去要磨一个多小时的文档，现在二十分钟就能收工；另一半我老老实实改回了手动，因为AI产出的东西第一眼像模像样，细看全是不痛不痒的正确废话，改起来比从头写还累人。

这篇就把我这两个月的完整使用记录、提示词模板、成功和失败的任务类型，以及我踩过的坑全部摊开。我不会劝你“无脑用AI”，也不会劝你“AI写的都不行”，我只想给你一个能直接抄作业的判断标准：哪些内容放心交给AI列提纲写，哪些内容千万别硬用，省下来的时间足够你喝好几杯咖啡。

1. 为什么我会想到“先列提纲再写”这个办法

1.1 一次灾难级的“直接生成”经历

两个月前，我需要写一篇三千字左右的行业分析。当时图省事，直接给AI甩了一句“帮我写一篇关于AIGC工具选型的分析文章”，它一口气输出了一大篇，标题、小标题、段落都对，我甚至觉得这AI真能打。但等我真正读进去就发现问题了：核心观点在第一段说了一遍，第三段又说了一遍，第五段其实还是在变着花样重复；两个小标题下的内容高度重叠；想要的重点数据？一个都没有，全是“大量用户正在转向”这类正确的废话。

那次我花在“跟AI改稿”上的时间，比我直接写一篇的用时还长。改到一半我意识到一件事：问题根本不在AI的写作能力，而是我压根没告诉它这篇文章的骨架是什么。它不知道重点在哪，不知道哪些内容该留、哪些该扔，那它就只能把所有它觉得“相关”的东西都塞进来，用平均主义把每个部分都摊平——最后产出一个结构平、观点平、信息密度更平的“标准件”。

1.2 为什么直接写长内容容易“翻车”

这里有一个底层逻辑值得先搞清楚：无论是大模型还是人，在没有“全局地图”的情况下直接写长文，都会发生主题漂移。AI生成内容的方式是逐字逐句地预测下一条信息，它没有一个贯穿全文的总控器，只能根据前面写过的内容“顺势往下接”。内容一旦变长，早先写过的观点会逐渐被稀释，然后它就开始过度解释已经说过的东西，甚至绕回去把之前的论点再“换个说法”讲一遍——这就是你们看到的那种从头到尾说了等于没说的情况。

人其实也一样。你也经历过吧，没列提纲就开始写，写到一半发现这个案例该放在第二章而不是第三章，然后整段搬到前面又发现过渡句子对不上，最后你在word里做的不是写作，是拆迁。所以“先列提纲”这个动作的本质，是给整篇内容预先装一根主轴，后续所有段落都围绕这根主轴生长，一个字都不用改方向。

1.3 这个方法的核心价值不是省字数，是“省判断”

还有一点我觉得比省时间更重要。写作最消耗一个人的不是打字，而是做判断：每一段写什么、案例放在哪里、要不要展开讲、讲到什么程度。动手之前你会反复犹豫，写了三行又删掉重来。我试过让AI先出结构之后，这些“局部判断”一下子全变成选择题了——AI给你两个不同的段落安排，你选A还是选B，比“从空白页憋出A和B”要轻松一个量级。

所以这个办法真正的原理，是把“思考”和“表达”拆成两个环节。人只负责做判断、做取舍，AI负责把已经确定好的结构扩展成通顺的句子。你不能指望AI替你思考，但你可以让它把你思考出来的方向快速变成看得见、摸得着的文字草稿。这也是为什么后面你会发现：有些活它帮了大忙，有些活它帮不上忙——因为有些任务的核心恰恰就是“没有方向的思考”，这个谁也替代不了。

2. 具体怎么跑：一套完整的“提纲先行”实操流程

2.1 我的标准操作四步走

光说理念没意义，我把我这两个月跑顺的标准操作流程直接放出来，你照着试就行。整个流程基本是固定的四步，任何写作类任务我都先这样走一遍，再决定要不要继续让AI写正文：

第一步，给AI一个完整任务背景，明确要求它“只列提纲，不要写正文”。这里的关键是你要把背景写足——读者是谁、目的是什么、有哪些已知素材、期望篇幅大概多少。背景信息越足，提纲越贴近你的需求。

第二步，让AI输出三级结构的提纲，并要求它每个小节下面用一行说明“这段打算写什么”。这一行很重要，决定了你审核提纲时能不能看出文章的走向，而不是只看几个孤零零的标题。

第三步，你来做人工审核和修改。把明显重复的合并、把缺的角度补上、把不想展开的内容删掉，直到提纲的主线能一句话说清楚为止。这一步永远不能省。

第四步，把审核定稿后的提纲粘回对话，要求AI按这份提纲逐段生成，一次只写一个部分，别让它一口气把整篇都吐出来。分段生成的稳定性远高于一次性长文生成。

2.2 我实际在用的两个提示词模板

这是我用得最多的提纲生成提示词，基本所有写作任务通用：

角色：你是一名资深内容架构师。 任务：为我下面这篇【主题】写一份提纲。 背景：读者是【】，目标是【】，篇幅约【】字。 要求： 1. 只列提纲，不写正文、引言和结尾； 2. 至少写到三级标题，每个三级标题下用一行说明“这段要论证什么、用什么素材”； 3. 如果某个信息你不确定，标注【待核实】，不要编造； 4. 提交前先自评这份提纲是否符合“主线清晰、内容不重复、层级互斥”三个标准，用一句话说明自评结果。

我特别加了第4条，让它先自评。别小看这个动作，AI自评的时候会真的自己检查一遍，能直接把一些“重复标题”在提交前就滤掉。等提纲回来，我改完定稿后，就用下面这段提示词逐段生成正文：

请严格按以下提纲展开，只写第X部分“【小标题】”的内容。 要求： 1. 不要复述提纲标题，直接写内容； 2. 不要写其他部分的内容，不要替我看展其他章节； 3. 每段保持通顺自然，不要使用排比句堆砌，不要写“首先、其次、最后”这类机械连接词； 4. 控制在500字以内。

这段提示词里“不要写其他部分”是最关键的约束。你不加这句，它经常会把上一部分内容又带出来或者提前把后面内容写了一点，导致部分与部分之间出现重叠，返工率极高。

2.3 审核提纲时，我只看三个检查点

提纲拿回来后，别急着让它写，先过三关。第一关是“一句话主线”：看完这份提纲，你能不能试图用一句话概括整篇内容？概括得出来，说明结构是聚拢的；如果概括完觉得哪里不对劲，说明某个部分跑偏了。第二关是“标题互斥”：两份小标题讲的是不是同一件事？比如“平台对比”和“选型建议”这两个标题看着不同，但内容极可能纠缠在一起，需要提前划定边界。第三关是“信息增量”：每个小节计划写的内容，是不是真的有信息含量，还是只是把大标题换了个说法？如果一个小节计划写的只是“介绍背景和意义”这种话，那这个部分注定是凑字数的，直接删。

我花了最多时间的就是这个审核环节。一开始我偷懒，AI出什么提纲我就用什么，结果正文写出来全是空的。后来才意识到：提纲不是一个自动生成的工具，它是一个给你做决策的草案。你花十分钟改提纲，省掉的是后面两个小时改全文的时间，这个性价比极高。

2.4 生成正文时的三个稳定技巧

第一，给足上下文。有些朋友把提纲丢给AI说“写吧”，结果它写着写着忘了提纲内容，就是因为对话上下文里只有提纲标题，没有具体说明。建议每次生成某一部分时，把该部分的提纲说明一并粘进去，提示词会显得啰嗦一些，但产出的稳定性好很多。第二，控制单次生成长度。一次让它写一整篇五千字，几乎一定会出现前后观点不一致的问题；一次只写五百字以内的一个小节，它很难跑偏。我实测下来，五百字一段是稳定性和效率之间比较舒服的平衡点。第三，保留一份“定稿提纲”单独放在对话最顶部，每次生成前把当前写到哪一步说清楚，避免AI按自己脑补的顺序跑。

3. 变快的那一半：哪些任务真的适合“提纲先行”

3.1 高结构化的日常文档：周报、月报、会议记录

这类任务是我最先发现“肉眼可见变快”的领域。以周报为例，过去我写一份周报大概要四十分钟，主要时间都花在回忆这周干了什么、怎么组织语言才能显得工作饱满又有条理。现在流程变成了：先给AI说一下本周做了哪几类事情、有没有特殊进展，让它列一个周报提纲，然后我对着提纲把自己的素材填进去，十五分钟左右搞定。为什么这个场景这么友好？因为周报的性质是“模板固定、结果导向”，它的价值本来就不在文笔，而在信息是否完整。提纲相当于给你一个标准化的填空框，你要做的只是往里填事实，不需要动脑组织。

会议记录同理。我先让AI按“会议主题—已确认事项—待办任务—风险点”的框架出提纲，然后我把会议中捕捉到的关键信息按框架填进去，一篇逻辑清晰的会议记录就出来了。这类文本的骨架即使不用AI，你自己也知道大概长什么样，让AI列提纲本质上只是帮你把它自动化了，省下的都是重复劳动。

3.2 信息整合型内容：资料综述、竞品调研、主题科普

第二种适合的是“信息整理”性质的文章：资料已经有一大堆，你需要把它们分类、排顺序、搭出结构，再按结构写成文。这类工作的核心难点其实不在写作，而在分类和取舍——哪些信息放在一起，哪个先说哪个后说。AI在做分类排布这件事上极具优势，因为它能快速识别多个材料之间的主题关联，给出一个基本合理的组织方式。

我写过一篇智能家居产品选型的资料整理文，手头大概有十几篇零散资料。我让AI先列提纲，它按“需求场景—产品分类—核心参数—预算搭配—常见坑”做了五块结构，比我最初的设想还多了一个维度。我用它这个框架，把零散素材往里填，整篇文章组织得又快又清楚。这种场景里AI的提纲是真正在帮你“看见”信息之间的关系，而不是无中生有。

3.3 模板化方案和分享框架：初稿、大纲、课件目录

还有一个场景我最近用得很顺手：写方案初稿、做分享内容大纲、甚至排课程章节目录。这类内容的特点是“有规矩”，比如一份行业分享通常需要背景、痛点、方法、案例、总结这样的标准模块，AI列提纲可以高效地把这些模块全部列出来，还会帮你补几个你容易漏掉的点。这几年讲课、写方案、做线上分享的框架，我已经习惯让AI先出两版提纲，再人工合并取舍。

这里有个小技巧：可以让AI一次性出两到三个完全不同的写法和角度，不要一个版本就定稿。你会发现它给出的第一个版本往往是最大路货的“背景—现状—问题—方案—总结”套路，第二、第三个版本反而会逼出一些有意思的切入角度。人工做的只是挑一个方向，或者把几个版本里的亮点拼起来。这个流程其实已经不只是在写提纲了，还顺带帮你做了选题头脑风暴。

3.4 为什么这些场景能变快：把“从零生成”变成“改错”

把这三个场景放在一起看，共同点非常清晰：它们的核心价值在于“结构合理、信息完整”，而不是“观点空前、风格独特”。AI在这里扮演的角色是个又快又耐心的执行助理，帮你把已经存在的信息组织好、铺展开，节省的时间就是你过去反复试错结构、调整措辞的时间。

这些任务还有一个特点：改起来便宜。AI生成的文字哪怕不够好，你改的是“表达”，不是“骨架”，骨架已经在你确认过的提纲里了。你的修改量通常不会超过三成，整体速度当然快。用一句话总结，让AI干这些活，本质上是把你从“生成者”降级成“编辑者”，而编辑永远比创作来得省力。

4. 改回手动的那一半：哪些任务别硬撑

4.1 强个人观点和经验复盘类内容：AI写的永远是“合理”，不是“真实”

这个类别是让我真正改变认知的地方。有一次我写项目复盘，想让AI帮忙起草，提纲漂亮得很，什么“背景—路径—问题—反思—下一步”，看着无懈可击。结果它写出来之后我一句话都用不上。因为它没有经历我经历过的沟通冲突，不知道那次延期是因为一个谁都没预料到的第三方依赖，也不知道我们是怎么在大半夜临时改方案才救了回来。它写出的“我们认识到沟通的重要性”这种反思，正确，但放在任何一个项目复盘里都成立——所以等于什么都没说。

这类文章的读者想看到的是你独有的经历、视角和判断，而不是一份结构优秀但毫无信息增量的报告。AI知道“普遍情况”长什么样，但它不知道“你这件事”长什么样。它的提纲可能会帮你想到一些角度，比如提醒你别忘记写“失败原因”，但落实到文字上，如果里面没有你自己的真实细节，整篇文章就是空壳。现在我写复盘和深度思考类的博客，流程是让AI帮我想想遗漏了什么要点、梳理逻辑链条，但正文永远是自己一个字一个字敲出来的。

4.2 数据密集、引用要求高的内容：AI的“不确定”会成为你的噩梦

第二个让我改回手动的场景，是数据密集型和引用密集型内容。做行业分析和产品对比时，数据准确度就是文章的生命线。AI在列提纲阶段不会出错，但一旦进入正文生成，它会出现一个致命习惯——编造看似合理的数字。我遇到过一次：它写道“某平台近一年用户增长率达到37%”，语气笃定，看起来就跟真的一样，但实际上这个数字我完全查不到出处。

有人说那你让AI不写数据不就完了？现实是数据密集型文章的正文本来就不该由AI凭空生成，每一个数字背后都需要核对来源、确认统计口径。用AI写初稿，我反而多了一轮“逐句审核数据”的工作，比我自己边写边查资料还慢，而且心理上总觉得不踏实。现在这类内容我只让AI帮忙做两件事：列分析框架、提示我应该关注哪些指标维度，具体数字和结论全由我自己来填。AI可以是你的研究助理，但不能是你的数据来源。

4.3 强风格和情绪表达类内容：AI的“温和”也是一种跑题

我还试过让AI写一些带明显个人风格的内容，比如语气犀利的吐槽文、情绪饱满的分享、带有幽默感的随笔。结果同样不如人意。举个例子，我让AI用“吐槽同事PPT排版”的犀利风格写一篇短文，提纲列得挺好的，但正文一出来，那种攻击性明显被“过滤”掉了，幽默变成了礼貌，犀利变成了温和，读起来像是在给一个教育期刊投稿。

后来我想明白了：风格这个东西不是写出来的，它是大量具体细节和判断倾向堆出来的。AI理解的“犀利”是字面上的尖锐措辞，但真实风格里的犀利来自你选择写什么、不写什么、对事件的态度，这些是提纲给不了的。如果你硬要让AI写，你最后一定会花大量时间做风格微调，把每句话都拽回你的语气里，这个成本比手写还高。所以有意思的、情绪鲜明的表达，我一直坚持自己写。AI在这个场景里的价值只是灵感激发——让它给你几个切入角度，然后你拿去自己发挥。

4.4 本质原因：这类任务需要的是“信息差”，不是“结构差”

把失败的类型放在一起看，我提炼出了真正的原因：在这些任务里，读者期待的是来自作者的“信息差”——独有的经历、判断、数据和视角，而不是一份普适性的合理结构。AI能生产的是“结构完美、表达通顺、内容合理”的文本，但它的合理来自于对海量通用语料的平均拟合，它不知道你在哪个环节摔过跤，也不理解你为什么会对某个细节格外在意。

这就形成了一个残酷的对比：你让AI写结构型内容，它给你的是80分的东西，你改一改能到90分；你让AI写个人化内容，它给你的是60分的合理空话，你要想把它改成90分，几乎等于重写一遍。我刚刚开始用这个方法时也一度陷入误区，总觉得AI写得不够好是提示词的问题，拼命调提示词，后来才发现是方向选错了。判断一个任务该不该用AI，看的不是你提示词写得牛不牛，而是这个任务的核心价值到底依赖什么。

5. 两个月里踩过的坑和排查方法

5.1 坑一：AI写着写着就溜出了已经确认过的提纲

这个问题大概是我遇到的频率最高的一个。提纲定稿时明明说好了第2部分只写三个点，AI生成时却把第1部分的观点又带出来一个，或者在第3部分提前写了一段第4部分的结论。原因是长对话上下文太复杂，AI生成时参考了前面写过的内容，自然就产生了“粘连”。

排查和解决的办法很简单：第一，写每一部分之前，把该部分的提纲说明单独抽出来重新粘进提示词，让它只围绕这一部分；第二，生成每一部分后，如果发现跑偏，不要试图在同一个话题里“纠偏”，直接新开一个对话，把定稿提纲粘贴过去，然后说“现在请继续写第X部分”，从干净上下文开始效果比反复纠正要好。我实测下来，新开对话生成的内容质量要比在长对话里修修补补稳定得多。

5.2 坑二：提纲太细，AI写出来的内容像填空题

有些时候我把提纲细化到了每段要写什么句子、大概什么语气，结果AI写的正文非常机械化，读起来像把提纲里的要点加了个连接词串起来，完全没有流畅度。这个问题反而是“提纲太细”导致的：你把句式都给死了，它没有发挥余地，只能用模板化方式拼装。

解决方式在于把握一个度：提纲里写“这段的论点和论据方向”，不写“这段的第一句应该怎么说”；写“是否提到某个案例”而不写“第几句话提到”。给AI一定的表达自由度，你会惊喜地发现它的措辞自然了很多。我自己现在的原则是：提纲控制的是逻辑链和内容边界，不控制具体句式和风格，后者留给AI按正常写作习惯去发挥。

5.3 坑三：提纲看起来很棒，正文却全面“空泛”

这是我第二个高发问题。提纲审核时觉得每个小标题都很到位，逻辑也顺，但AI展开的正文通篇是“随着行业不断发展”“多种方案各有优缺点”这类原理上没毛病、实际上没信息量的句子。后来我再回看提纲才发现，问题出在提纲本身：它的结构正确，但各个小节下面没有写清楚“这个部分要用哪几个论据去支撑”，AI不知道需要填什么实质内容，自然就只能填空话。

现在我在审核提纲时会格外注意每一小节的“内容说明”里有没有提到具体素材、数据或案例。如果某一个小节下面只是“介绍背景—便于读者理解”，我就会要求AI补上该小节的论据方向，或者干脆把这个小节合并掉。没有素材承载的提纲，写得再精确也不过是个空壳，这一点一定要切记。

5.4 我的任务排查信号：一道简单的选择题

经过这两个月的折腾，我总结出了一个特别朴素的判断信号。一件事用AI列提纲再写到底合不合适，你就看最后花在“修改”上的时间占整篇时间多少。如果AI产出后你只需要修改不到三成，这活就让AI继续干；如果你改了超过五成，那你自己直接写还会更快，何必在AI的稿子上做裱糊匠？我用这个标准把任务重新过了一遍，才真正画出了那条“一半一半”的分割线。

实操问题速查表

6. 我现在的工作流：怎么判断一个任务该不该交给AI

6.1 我一直在用的“三个问题”判断框架

经过两个月的实践，我现在接任何写作任务，都会先问自己三个问题。第一个问题：这篇内容的主要价值来自“结构清晰”还是“观点独特”？如果是前者，结构就是文章的核心竞争力，完全可以让AI列提纲甚至写正文；如果是后者，那AI最多帮你做逻辑梳理，正文必须自己来。第二个问题：内容里有几成是我独有的信息？比例越高，AI能发挥的空间越小。第三个问题：读者是来看“这个话题”还是来看“我怎么想”的？是前者可以让AI发挥，是后者就请它退下。

这三个问题问完，任务基本就自动分流了。周报、行业资料整理、方案草稿、分享大纲，这些答案都是“结构价值高、信息通用”，直接进入AI流水线；复盘文、观点输出、风格化文案、深度分析，这些答案都指向“人要下场”，AI就退到辅助位。

6.2 分场景下我的协作方式

我把现在的协作方式整理成了一张极简对照表，每次拿不准的时候就看一眼：

这张表就是我这五个月下来慢慢磨出来的，现在基本成了我的个人工作模板。你可以直接拿去改一版，把自己的常用任务往里套一遍，立刻就能知道哪些活适合改造，哪些活还是别折腾。

6.3 几个提升协作效率的附加技巧

最后分享几个小技巧，都是我试过觉得好用才留下的。第一，列提纲时让AI直接给多个版本。前面也提过，两到三个角度迥异的版本远好过一个版本，你可以把版本A的切入点和版本C的某个小标题拼到一起。第二，让AI先自评再提交，这一步能明显减少你审核时发现低级重复的概率。第三，如果你的任务卡在“不知道怎么开场”，让AI专门只列前三段的展开点，不要让它管后面的正文——把问题切小，AI解决得往往很漂亮。

6.4 我现在不再追求“全自动”了

坦白说，刚开始用这套方法时我也有过“能自动就自动”的想法，恨不得AI把整篇写完我只负责发出去。但跑了两个月，我现在的态度变成“半自动优先”：让AI做它能做好的部分，人专做人必须做的部分。这个转变不是妥协，反而是效率的第二次提升。因为一旦你不再浪费时间在“让AI写它不擅长的内容”和“改AI写出来的空话”上，你的实际产出速度比我最初那个“全自动”的办法还要快不少。

这两个月我最深的体会是：AI能不能帮上忙，很大程度上取决于你有没有把“思考”这个步骤从写作流程里单独拎出来交给自己。先列提纲这个办法最大的价值，不是省下那几个小时，而是它逼着我在按下回车之前先想清楚这篇东西到底要表达什么。这个习惯一旦养成，哪怕完全不借助AI，我写东西也比以前快得多。希望我的这份真实记录，能帮你少交一点学费。