DoNews创始人刘韧：如何走上AI文章的个性化之路

演讲分享 | 刘韧

文字整理 | 曾宪勇

出品机构 | 勇砺商业评论 阿桶观察

编者按：近日，在勇砺传媒一年一度举办的2026年京城媒体秋季自驾游活动暨行业新闻沙龙上，DoNews创始人、《知识英雄》作者、天使投资人刘韧向现场三十多位行业朋友做了精彩分享。

在经过刘韧老师本人同意后，现选取现场分享的部分内容进行梳理和改写，从原文2.2万字精炼到7000字，文章仍沿用刘韧老师第一人称口吻，以飨读者朋友。

去年，我与大家分享的是怎样阅读和借鉴国外媒体。我觉得，大家可能还是没有养成日常阅读国外媒体的习惯。今天，我想讲的是怎么使用国外的大模型。

国外媒体和国内媒体，可能不是一个“物种”。而国外大模型和国内大模型，我觉得也不是一个“物种”。这不是“崇洋媚外”，而是它们的确很不一样。

大家在推特上看到的关于Claude账号怎么被封、怎么使用的消息，其实里面有很多营销内容。有人为了卖账号、卖线路，会编故事。我估计，中国付费使用Claude的账号大概有10万到15万个。已经付费用了几个月甚至一年的朋友估计很少，所以大家缺少亲身使用的经验，很多认识也只是来自推特。

一、要先搭好脚手架

我一开始也不是用Claude，而是用ChatGPT。我想说的是，本来是ChatGPT开启了这一轮大模型的发展，为什么后来Claude能领先？我的判断是，未来三五年，它仍然会领先。

ChatGPT刚出来时，是面向普通用户的产品，希望人人都用人工智能，也希望跟谷歌竞争。谷歌的Gemini也面向普通用户。Anthropic的思路不一样，它首先服务程序员，专注编程。

这跟写稿有什么关系？我不知道Anthropic一开始是不是就想到了这一点。正是因为它专注编程，后来也能借助模型自己写代码进行自我升级。比如从4.0到4.5，升级代码是Claude自己写的，甚至现在90%以上的代码都是人工智能自己写的，不需要人为干预。我认为，这使它获得了持续改进的推动力，而且优势会越来越大。

大家用不用Claude，用哪个模型，这是一种选择。但更重要的是，我们怎么用它。

用大模型完成任务，要给它搭各种各样的“脚手架”。盖一百层的摩天大楼，外面要搭架子，也就是我们说的“脚手架”。在AI领域，提示词是“脚手架”，给自己建立的Skill也是“脚手架”。换一个层次看，代码也是“脚手架”。C语言、汇编语言这些工具，让人能够在计算机硬件上编程，也是“脚手架”。

今天，我们可以用自然语言跟机器说话，脚手架就比较容易搭起来。很多时候，不是模型不够强，而是我们的脚手架没有搭好。把脚手架搭建在哪一个模型上，也需要自己选择。这有点像选国籍：孩子出生在美国、非洲还是欧洲，往后的处境会很不一样。

去年我们在这个沙龙上讨论AI写作时，大家还在说大模型写的文章有“AI味儿”，觉得这样的稿子不好。今天，我用大模型写出的稿子，已经比我自己写的好。这是我实践过的。

每个人写文章都有自己的风格。我在2005年出版过一本《网络媒体教程》，把自己的写作技巧写在里面。但是，我每次写作真的把这些技巧都用上了吗？没有。人的工作记忆有限，很多时候就是想不起来。

今年1月，我开始建立自己的Skill。

第一件事，就是把那本书交给Claude，让它总结书里的写作技巧，作为以后帮我写作时的记忆。它记住了，写出来的文章还是不行。

第二件事，我把自认为写得好的文章都交给它学习，结果还是不行。我问它：我错在哪里？它告诉我，给它那么多文章没有用，只给它最好的几篇就够了。这是我没想到的。

我们以前容易觉得，数据越多越好。我在这件事上的经验是，文章并不是给得越多越好。还有一条更重要：大模型可以处理模糊的要求，却很怕这些要求前后矛盾。你不能一会儿说是A，一会儿又说不是A，把互相冲突的要求一起交给它。

我们说话有时习惯说一件事“既对又不对”，或者什么都想兼顾。这样的表达会让大模型无所适从。

说不清楚，可以承认自己还没有想清楚；但是，把互相矛盾的要求同时交给大模型，结果就可能乱掉。

从今年1月到现在，我搭这个脚手架大概用了9个月，写了3万多字。我自己不可能全记住里面的内容。

我告诉AI，我喜欢海明威，想学习他的“冰山理论”：写出来的只是一部分，要让读者从水面上的部分想到水面下的东西。读者能想到的，我就不用全部说完。我也喜欢《百年孤独》的作者马尔克斯。在语言上，我想向海明威学习；写人物特写，我想向马尔克斯学习。

你还要告诉它你的价值观和哲学观。比如，我把“独立”放在第一位，“自由”放在第二位。你要告诉它“你是谁”，它了解得越多，越能给你有针对性的内容。

大概6个月前，Claude弹出一个窗口，问我有没有时间接受采访，10分钟给15美元。它问了我一些问题，比如人工智能对社会有什么影响。采访结束后，我们的对话诡异地消失了，我想找也找不到。后来，它给了我一张15美元的苹果礼品卡，然后说，6个月后还要采访我。

今年9月底，它又采访了我一次，给了我100美元的Claude使用额度。我订阅它，一年大概花了200美元。后来我还推荐了3个人，每推荐一个，它就给我30美元。加上其他券，我记得它给我的“返现”大概有260多美元。这样算下来，我用它还是“赚钱”的。

需要注意的是，所有“脚手架”都是临时的，都有它的适用范围。

牛顿定律可以广泛使用，提出这样的定律需要天才。我们给自己和大模型之间搭建的脚手架，则可以是一个软件、一套Skill，或者一个具体功能。它会更多，更个人化，也更临时。大模型升级以后，我们也要尽快更新自己的脚手架。

二、用了大模型，文章会不会互相类似

我认为，两三年内，人人写作都必须用大模型。问题是，用了以后，怎么让别人不因为你用了大模型就“鄙视”你？

2002年，张朝阳参加我的一个活动。平时都是我采访他，那一次我们安排他来采访我。他问了我一个问题：“刘韧，是你抄互联网的东西多，还是互联网抄你的东西多。”

当时大家都在讲版权，觉得门户网站把我们的稿子抄走，用我们的稿子赚钱。可是，我们自己也用搜索引擎，从网上找内容。张朝阳这个问题很难回答。但我当时回答说，“我抄互联网的都是没有版权的，互联网抄我的都是有版权的。”

今天，当年的问题换了一个对象：“是你抄大模型的多，还是大模型抄你的多？”这个问题需要我们认真回答。

如果大家写同一个题目，都借助大模型，文章质量可能都会提高，却也会越来越像。我们参加同一个发布会，都用DeepSeek写，写出来的稿子也许比不用的人好，但彼此更像。

不用大模型，可能保留了不一样的地方，质量却相对较低。用大模型，质量提高了，又可能和别人相似。竞争的结果，我认为多半是大家都在用，然后越来越像。

怎么办？我想了几个办法：先有假设，不停地选择，删节，再把文章拉长、压短，来回修改。甚至还有一个办法，用嘴写作。

三、先有假设，文章才会不同

写一篇文章之前，一定要先有假设。你的假设越独特，写出来的文章才越可能跟别人不一样。

比如，写《知识英雄》时，我也有一个和许多人不同的假设。别人写企业家，往往把他们写成“神”。我的假设是，成功者也是普通人，也有挺傻的时候，有时甚至比我们还傻，但是他们成功了。为什么？

1997年采访杨元庆时，我问过他第一次开会的经历。他说自己不会开会，脸红，话都讲不出来。我看过一张联想微机事业部成立时的大合影，拍于1994年，他在里面都露不了脸。后来他成了大企业家，我们容易回头说，他那时候就已经很厉害。这未必。一个普通人，现在开会会脸红，30年后也可能取得很大的成就。

你看，今天分享的开头我也提出了一个假设：Claude和DeepSeek不是一个物种。很多人未必认同。我的假设和你的假设不一样，写出来的稿子就可能不一样。比如买手机，有人说买手机是为了爱国。这个假设跟我的就不一样，我不相信。

大模型可以帮助我们提出更多假设。你把一条新闻交给它，让它列出可能的解释。它一下子能列出许多种，其中有些是你原来没有想到的。接下来，哪一种值得查，要靠自己选择。

我觉得，我们习惯的思维方式偏重归纳：从看到的事情里总结规律，再用这个规律指导后面的行动。而我理解的科学方法，是先提出假设，再从假设推导出可以检验的结果。如果错了，我能够知道自己错了；如果暂时没有发现错误，我可以继续使用这个理论。

我建议大家读读波普尔的《历史决定论的贫困》。我让儿子读过这本书，送给儿子女朋友的第一本书也是这一本。我觉得，理解假设的重要性，对我们很有帮助。

现在，我遇到一件事，通常会想五六个假设。我可以提出几个可能的解释，再一个个去验证。

四、每个岔口都要自己选

第二个办法是选择。中国有个成语叫“歧路亡羊”：岔路里还有岔路，路口足够多，追的人就不知道羊往哪里去了。

写文章也有很多岔路。假设有10个地方，每个地方都有两个选择，组合起来就是2的10次方，1024种。如果每个地方有5个选择，排列组合就更多了。

用大模型写文章，不能让它从头到尾一口气写完。要在重要的地方停下来，让它给出选择，你自己看，自己选。

比如标题，可以先让它列10个。不满意，再列20个。还不满意，就让它再给10个不同的假设。然后你从里面选一个自己认为新奇、出人意料、别人可能没有想到的。

文章的开头也很重要。我会让它给出几个写法，至少5个，自己都看一遍再选。结尾也可以给出几个选择。结尾一变，文章的结构可能跟着变，因为开头是出发点，结尾是落脚点。

为了逼自己做选择，我会给模型一个要求：在我回答问题之前，不准往下写。人往往是会偷懒的，很容易说一句“你帮我弄吧”，然后等着它交稿。

我必须回答，为什么今天要写这篇文章？为什么不是一年前写，也不是以后再写？文章的由头是什么？

我还要回答，这篇文章的落脚点在哪里，我想改变什么。如果这些问题我没有回答，模型就不能继续往下写。

五、先写长，再压短

还有一个办法，是把文章反复拉长、压短。

我有一位朋友，有一天他带着上小学的儿子跟我一起爬长城。他让我教孩子写作。我想，在一起爬长城的二十多分钟里，怎么教？如果时间短暂只能教一招，我就和孩子说：先想办法把文章写长，再想办法压短，再拉长。这样来回做3次，文章往往会比原来好。

孩子问，怎么才能写长？我说，先记流水账。比如你要写今天中午吃饭，就按照时间顺序，把发生的事都写下来。如果还写不长，就像电影分镜头一样，分别写爸爸怎么吃，刘叔叔怎么吃，妈妈怎么吃。原来只要求写300字，可以先试着写到3000字……

今天，大模型可以帮我们做这件事，先让它把材料展开，再压缩，再拉长。你也可以主动告诉它删什么、留什么。每做一次选择，文章都可能和原来不同。

跟主题无关的内容，可以删掉。跟自己判断不符的内容，不一定要删——它可能正好用来检验你的判断。读者自己能够想到的，也可以删掉，这就是我前面说的“文章要留白”。

我还用过一个办法修复旧稿。大概2002年，我采访过马云，距今20多年。那次录音转成文字有5万字。我把录音交给大模型，让它从里面找材料，补进旧稿。最后文章增加了大约30%，也就是几千字。从5万字里找出几千字放进文章，如果靠人工做，工作量很大。

六、用嘴写作，手跟不上脑子

以前我写稿喜欢放音乐、放电影。现在写重要的稿子就需要安静，因为我要“用嘴写”。

为什么？手太慢，跟不上脑子。一个念头突然冒出来，等我用手打到那里，后面的想法可能已经忘了，我会觉得很可惜。用嘴说，可以先把念头说出来，再让语音输入工具把口语整理成书面语。

豆包现在做得不错。我用过的工具里，最好的是Typeless，需要付费。它能把比较凌乱的口语整理成文字。

硅谷的程序员喜欢对着麦克风说话，让机器写代码。办公室也因此需要更多独立房间，大家都在说话，容易互相打扰。说到兴奋的时候，声音还会越来越大。

用嘴写的时候，我有时会问自己：这是我写的吗？嘴说出来的东西，和手写出来的东西不一样。手写时，人容易先做一层抽象，把具体的东西过滤掉。

口语本身并不精确，为什么面对面交流往往更充分？我的看法是，因为说得多。网上聊天，大家常觉得隔了一层，不知道对方究竟是什么意思，歧义也多。面对面时，说的话更密，前后可以互相补充。我对当面沟通时的肢体语言究竟能表达多少信息有保留，我更看重说出来的内容。

这就像换笔。我在1991年买了自己的电脑，开始从“拿笔写”换成“用电脑写”，现在又换了一次——用嘴说，再让机器整理。我自己的感觉是，效率至少提高了3倍。

人一旦进入打字状态，就容易开始遣词造句，把鲜活的东西过滤掉。这有点像鲜啤酒：没过滤的可能更香，过滤以后保存时间可能更长，目的不一样。

电影里的侦探到现场，经常拿着录音机说话。为什么他不等到回去再写？因为他怕忘。想到什么，先记下来。脑子转得很快，灵光一闪，手却跟不上。我不愿意让这些念头就这么过去。

我再讲一个朋友的故事。《知识英雄》卖得不错，当年很早的时候让我挣了100万元，还买了现在住的房子。一位朋友很羡慕。他研究宗教，也写了不少关于中国古典文化的书。他问我，怎么才能让他的书也卖得很好。

这位朋友是陈明。我认识他时，自己大概27岁。他比我年长，学问好，讲起话来出口成章，很有魅力。我说，你讲得比写得好，为什么不把说的话录下来，整理以后交给出版社？

有些人一写文章就紧张，总想语不惊人死不休，恨不得沐浴三天再动笔。句子越写越长，主语在哪里、谁对应谁，普通读者都找不着。可是说话的时候，他说的是人话，别人听得懂。

后来，陈明和李泽厚在北大校园里谈了几天，将这些天的对谈整理成《浮生论学》，2002年由华夏出版社出版。我记得这本书就卖得很好。

用嘴写，也不是说错了就不能改。跟大模型说话，你可以随时告诉它：我刚才说错了，那一条作废，我再改一下。它可以一边处理前面的内容，一边处理后面发来的内容。就像你们听我说话，我一边讲，一边也可以改。

七、让几个大模型互相提意见

我现在用Claude的付费版，在Claude Code里像写程序一样写文章。

我通常跟它交互六七轮，决定哪些地方要选择，哪些内容要删除。

第一稿出来后，我把稿子交给ChatGPT，也是在代码界面里使用。我告诉它，这是Claude写的初稿，请它出一份修改意见报告。我在两个模型里都装了同一套写作Skill。ChatGPT一般会给我40条左右的修改意见。

我再把报告交还给Claude，让它逐条处理。它会告诉我哪些意见采纳了，哪些没有采纳，哪些需要我最后裁决。然后，它会出第二稿。

第二稿出来，我交给Gemini。我用的也是付费版。Gemini现在也支持Skill。Gemini给出意见以后，再给出第三稿。

第三稿出来后，我会交给DeepSeek和豆包。我不让它们直接改，只让它们指出错误。因为我的经验是，它们提出的修改未必合适，但是指出错误仍然对我有帮助。

豆包的免费用量有限，一个账号通常只能做一轮。我有5个豆包账号，轮着用。DeepSeek我也会用来检查。我通常让几个模型给Claude提意见，由Claude处理主要的推理和逻辑。

我把这看成让它们互相比较。我感觉，告诉模型还有别的模型参与，它们会表现得更好。当然，这只是我的使用经验。

这让我想起一个真实的笑话。前两天，一位企业家家里养了两只狼狗，一公一母，想让它们生小狗，却一直没有生小狗。有人出了个主意：再引入第三只狗，结果后来真的就有了小狗的诞生。我第一次听到觉得奇怪，后来想，新生命的出现很可能和出现了竞争有关。

还有一个误区：不要让模型追求文笔，追求金句。我更在意逻辑。漂亮话就那么几句，大家都追求，写出来又会像。文笔不好会输掉读者，只靠文笔解决不了判断和逻辑。

八、我担心人工智能带来意外

有人担心，给人工智能越来越大的算力、更强的带宽和更多存储空间，会不会像把火交给原始人？如果人工智能产生自我意识，把自己看成一个物种，人类又该怎么办？

这个问题我想过。其实，我们之前说大模型写的文章有“AI味儿”，有时是一种人类的“自负”。我们谈论它有没有“意识”，也可能是用人类自己的概念去看它。人工智能未必按照我们理解的方式存在。

而我更担心的是“意外”。我们给它一个输入，它会返回什么，很多时候事先并不知道。人工写代码也会出意外，只是我们对其中一些意外比较熟悉。机器参与写代码，意外可能是无限的，风险也可能无限大，甚至大过关于意识的风险。人工智能给我们带来灾祸，还是带来别的东西，现在很难知道。

波普尔讨论历史决定论时，有一个问题：如果要准确预测未来的社会，就需要知道未来才会产生的知识。但这些知识，我们现在还没有。比如，我们今天不知道2030年会出现哪些有关大模型的新知识，却想用现有知识把未来全部预测出来，这是很难的。

我们现在只能借用旧概念讨论新事物。我觉得，与其只盯着它有没有意识，不如看看我们还不能预料的结果。

再比如，一年以前，有些数学家觉得自己的工作不会受到AI的影响。今天，数学家成了最早失业的人。我还想到朝鲜半岛文字的例子：过去知识分子使用汉字，新的拼音文字出现后，有知识分子反对，因为更多人能够读写之后，他们的优势就减少了。工具变了，这种本事的价值也会变。

人工智能带来的意外，才刚刚开始。我们不知道意外会有多大，也不知道能不能控制。

我担心的一种灾难是，人工智能可能大幅提高制造生物武器的能力。比如，我担心有人针对某一群体的基因特点制造病毒。另一个已经需要关注的问题是网络安全。如今，数据攻击事件已经成为越来越严重的问题。

当然，意外也可能是惊喜。大概三年前，我去苏州给朋友分享ChatGPT时，说过它对我生活最大的影响：我喜欢提出假设，提出假设以后要做实验。过去实验成本很高，有了ChatGPT，尝试的成本就会大幅降低。

想到一件事，就试一下。有时候发现，真的能做。这让我觉得自己多活了好多辈子：我可以这样活，也可以那样活。

不过，人生如果被一眼望到头，知道后面的路怎么走，活着还有什么意思？我喜欢写《黑天鹅》的那位作家，他在讲“不确定性”。我觉得，意外躲不开，害怕也没有用。我们要学会面对意外，也要学会使用世界上最好的大模型。（演讲分享 / 刘韧老师 整理 / 曾宪勇）