AI 写不出好文章？先让它采访你四十个问题

做内容的团队都算过这笔账。一篇有深度的文章，从选题、找资料、写初稿到配图排版，万字长文至少耗掉一个人一整天。企业要持续产出，公众号、官网、行业观察一个都不能停，人手就是这么被耗干的。

于是很多老板把希望放在 AI 身上，结果拿到的往往是这种东西，给一个标题，AI 哗哗吐三千字，通篇是正确的废话，观点是别人的，案例是编的，发出去读者没感觉，搜索引擎也没感觉。判断自己团队产的是不是这种东西很简单，把署名遮住，如果这篇文章换成任何一个同行都能原样发出去，那它就没有存在的价值。问题出在哪？不在模型不够强，在你给它的东西太薄。老雷最近把一套验证过的内容流水线拆开了看，它的思路很值得抄，一句话概括，别急着让 AI 写，先让它采访你四十个问题。

好文章从访谈开始，不是从指令开始

这套系统的入口简单到离谱，你只给一个关键词，比如跨境电商如何选品。

系统做的第一件事不是写，是反问。它先围绕这个关键词生成四十个核心问题，覆盖四个认知层次，是什么、有什么、如何做、怎么用。注意这四十个问题全是选择题，不是填空题，你只需要挑出你最想深入的方向。选完之后进入多轮访谈，AI 根据你的每一次回答继续追问，一轮比一轮深，所有问答历史都带进下一轮。访谈结束，产出的不是文章，是一个打磨好的深度研究提示词。

这四十个问题不是乱出的，四个层次各管一段。是什么，帮你框定概念和边界，比如选品到底在选什么。有什么，盘清楚这个领域里已有哪些方法和流派。如何做，把方向落到可执行的步骤和判断标准。怎么用，连到真实的业务场景和坑。四个层次走完，你对这个题目的认知地图基本就立起来了，后面写出来的东西自然有骨架。

这个设计的聪明之处在哪？灵感其实来自深度访谈节目，主持人跟受访者来回碰撞，问出来的东西远比单向输出有价值。搬到 AI 工作流里就是三句话，输入极简，一个关键词就能启动。启发性强，垂直领域的问题框架系统自动替你列好。千人千面，每个人的回答不一样，最后生成的提示词和文章也就不一样，这就从根上避开了 AI 内容千篇一律的死穴。

提示词决定独特性，自动化释放效率。喂给 AI 的东西有多厚，吐出来的内容才有多值钱。

技术上有个细节值得 FDE 划走，多轮对话的历史保存没有借助任何外部数据库，用自动化平台的循环节点原生实现，旧问题加新回答传进下一轮，轮数随便设，三轮十轮都行。这个模式是可复用的，轮询改稿、表单调研、需求访谈，凡是多轮交互的场景都能套。

顺带说两个企业里现成的用法。一个是经验萃取，公司里最懂业务的老手往往没时间写文档，让 AI 拿着这套访谈机制去采访他，四十个问题问下来，老师傅脑子里的判断和诀窍就落成了文字资产，这比逼着业务团队交周报管用得多。另一个是需求调研，客户嘴里的需求往往是模糊的，用这套多轮追问把模糊需求一层层问实，后续做方案的人能少走一半弯路。同一套机制，从内容生产线放大到知识管理，边际成本几乎为零。

整套系统分两段，主工作流管研究，子工作流管生产。主工作流从一张表单开始，填四个东西，关键词、你的知识水平、学习目的、想要的深度，然后走完刚才说的问答和访谈，交出研究提示词。子工作流接到提示词后开跑内容生产，先做深度研究拿到素材，再做文章的格式标准化，万字长文超出模型单次输出的上限，所以要按段落切开逐段处理再拼回去，最后走配图模块，最后拼装输出一篇图文齐整的完整成品。两段各管各的，中间靠提示词交接，哪一段出问题都好定位。

配图那一关，让 AI 学会货比三十家

配图那一关，让 AI 学会货比三十家

流水线里最有意思的模块是配图，它的迭代过程本身就值得讲。

老方案是逐张打分，把候选图一张张发给模型，让它给分数，选最高的。听起来合理，实际很飘，这就像拿一把没有刻度的尺子量长度，模型没有参照物，分数忽高忽低，而且一张图有点小瑕疵就可能被打低分，可它的主题其实最贴。

新方案换成编辑式筛选。先让模型通读全文，在合适的位置插上配图占位符，给每个位置生成精准的搜索关键词，去图片接口拉回几十张候选，按尺寸和质量初筛之后，把三十张图打包成一份 PDF，一次性发给多模态模型，让它看着全部候选挑出最贴的那张。这跟人类编辑配图的动作一模一样，搜索关键词，扫一屏图，凭对比选最合适的。有了参照系，选图质量立刻稳了。

八成自动化是甜点区，别贪那最后的两成

这套流水线跑下来，最值得带走的是一个比例，不是任何具体节点。

自动化程度从零做到八成，效益一路上升。但从八成往一百成里冲，每提升一个点，成本都在急剧上升。因为你要给各种小概率意外做兜底，模型偶尔不回答，格式偶尔出错，接口偶尔超时，为这些边缘情况设计完善的容错，投入产出比极低。所以成熟的做法是把目标定在八成，机器做八成的苦力，人留两成的决策，选题方向把一道关，成稿质量把一道关。这两道关看着轻，其实是整条线的品控所在，内容这种东西，错一次的信誉成本比十次省下的工时都贵。追求全自动无人值守的内容线，多半死在第七十三次格式报错上。

成本账也算给大家。这套系统的固定支出就是自动化平台的云端部署，每月五美元。模型调用有大平台的免费额度托底，图片搜索接口每月一百次免费额度够产二十篇文章，文档处理的新用户积分够跑两百篇以上。就算开全自动模式调用深度研究接口，每篇成本也就十几块人民币。对比一个人的日产能，这笔账老板一眼就能算明白。

跑法上还有个选择，分步骤和全自动。想要提示词个性化调教，选分步骤，人参与访谈、把控方向。追求批量产出就全自动，但每篇多掏十几块的接口费。老雷更推荐前者，花半小时做访谈生成一批高质量提示词，再批量触发生产段，人的判断花在刀刃上，产量也一起起来了。

给企业落地提三个醒。第一，版权红线要想清楚，搜索引擎扒来的图片商用有风险，要么用无版权图库，要么让 AI 自行生成，内容线是要长期跑的，别埋雷。第二，产出的提示词和方法不绑定任何工具，模型换个遍依然成立，先在内部内容线上试运行一两周，验证质量再扩。第三，别用它量产没有观点的水文，访谈机制的价值就是把你的行业判断灌进去，灌不进去的那部分，机器替不了。

机器负责把人从苦力里捞出来，人负责让内容值得被读。这个分工别搞反。

收个尾。这条流水线的本质不是一个写作工具，是一套可复用的方法，提示词是公开的，访谈机制是通用的，自动化平台只是盛菜的盘子。工具会换代，平台会更替，但把模糊想法一层层打磨成清晰框架的访谈机制，和八成自动化加两成人工决策的比例，放到任何一个新工具上都成立。

老雷给团队的建议是从一篇开始跑，关键词丢进去，接受四十个问题的采访，看看出来的东西跟你直接下指令的版本差多少。差出来的那部分，就是这条流程真正的价值。