给 AI 一篇范文，让它改成那个味
AI 提取范文风格 DNA
上一篇讲了怎么把一套 435 行的指南扩成一个多风格库，有半佛仙人式的杂谈、卡兹克式的科技口语、虎嗅式的商业拆解，一共六套模板。用户选一套，AI 照着改。这套东西能用，但用了一阵就碰上一个很现实的问题，用户想要的风格，库里没有。
有人喜欢远方青木，库里没有。有人喜欢一个叫「差评」的号，也没有。还有更麻烦的，用户根本说不出自己喜欢谁，就是今天刷到一篇文章，觉得读着真舒服，想写成这样。你让他选风格标签，他选不出来，因为他要的就是那一篇文章的那个味，标签太粗，根本对不上。
那把库做大行不行？六套不够就做六十套，维护成本先炸了。而且风格可以分得无限细，同一个作者不同时期的写法都不一样。我们提炼出来的「半佛仙人风格」，其实是十几篇文章的平均值，每篇自己的节奏和语感，一取平均就被抹掉了。预置风格是从一堆文章里抽出来的，用户想要的那个味却是具体的，就长在他看到的那一篇上。这个 gap，库堆得再多也堆不平。
抄作业这个思路
后来有一天跟一个做公众号的朋友聊，他说他平时练写作，就是看到好文章，照着它的结构和节奏重新写一遍。就是小学老师教的那招，抄作业。
我觉得这个思路是对的。抄的是写法，不抄内容。观点是你的，素材是你的，但节奏怎么走、段落切多长、转折放在哪、金句给多密，这些手艺上的东西照着范文来。
想明白这个，产品该怎么做就清楚了，用户不用从库里选。他拿来一篇自己觉得写得好的文章，AI 现场把这篇的写作 DNA 提出来，再拿这套 DNA 去改他的稿子。就像原来是照着菜单点菜，现在变成你自己带一道菜来，我照着给你做一份。
风格库像照菜单点抽象的平均风格，抄作业模式是自带一篇具体范文让 AI 照着做
流程拆开是三步
说起来简单，做起来有讲究，把一篇文章的「风格」拆出来，比看上去难得多。整个流程大概是这样。
第一步，AI 读范文，把风格 DNA 提出来。用户贴一篇喜欢的文章进来，AI 不管它写了什么，讲区块链也行，讲育儿也行，无所谓，它只看这篇文章是怎么写的。具体看五样东西。先看叙事结构，怎么开的头，是场景代入，是反常识的判断，还是一句骚话把人钩住。再看段落节奏，段落多长，多久转一次，短段和长段怎么交替。然后是语言习惯，口语到什么程度，爱用什么语气词，说白了 你想想 这事儿 这类词出现得多不多。还有金句，长什么样，是「X 不是 Y，X 是 Z」那种重新定义的，还是靠短句连发打节奏的。最后是情绪节奏，分析和情绪怎么交替，每隔几段来一次情绪锚点。这五样提完，AI 输出一份临时的 style profile，就是一份结构化的写作配方。
第二步，拿这份配方去改用户的稿子。AI 把 profile 当系统指令用，读用户的原稿，按范文的节奏和语感重新写一遍。内容、观点、数据、案例都保留，主要动说法，怎么开头、怎么往下推、怎么收尾、在哪放一句让人想截图的话。
第三步，交出改写稿，再附一份风格分析报告，写 AI 从范文里读出了什么。用户看完会发现，哦，原来这篇文章的节奏是这么安排的，原来它的金句都放在转折后面。看这份报告，本身就等于上了一次写作课。
抄作业的三步流程：AI 读范文提取风格 DNA，用配方改写用户稿子，最后输出改写稿加一份风格分析报告
看一个真实的例子
说再多不如看 before/after。用户原稿是那种标准的科技分析文，翻译腔拉满：
近年来，人工智能技术在自然语言处理领域取得了显著进展。大语言模型的出现使得文本生成、翻译和分析等任务的处理效率大幅提升。本文将探讨当前AI写作工具的局限性，并提出改进方向。值得注意的是，现有工具在风格控制方面仍然存在根本性的挑战。
参考范文用的是半佛仙人的一篇文章，讲的事跟这个完全不相干。AI 从里面提出来的风格 DNA 是这样的，开头用场景代入，一两句话一段，转折很密，冷幽默加自嘲，口语化中等偏高，金句放在转折后面。改出来长这样：
你有没有发现一件很讽刺的事？
市面上那些 AI 写作工具，号称能帮你写文章。但你用过之后会发现——它写出来的东西，一股子翻译味儿。
对，帮你写中文的 AI，它自己写的中文就不太行。
这不是模型不够大的问题。GPT 也好，claude 也好，参数量早就够了。问题出在一个更尴尬的地方：这些模型训练的中文数据里，正式文本远多于口语化内容。新闻、百科、论文、翻译稿——这些是它见过最多的中文。
所以你让它"写一篇文章"，它给你的就是一篇维基百科。不是它不会写，是它不知道别的中文长什么样。
但这还不是最要命的。
读起来完全是两个东西。原稿的观点一个没丢，改写稿还顺着补了几句原稿里没写的解释，整篇从论文味变成了聊天味，现有工具在风格控制方面仍然存在根本性的挑战 变成了 帮你写中文的 AI，它自己写的中文就不太行。
为什么提取这一步最难
风格迁移最直接的做法是换词，把 值得注意的是 换成 有意思的是，把 综上所述 换成 所以你看。换词确实管用，第一篇讲过，光一张禁用词表就干掉了 80% 的翻译腔。但剩下那 20% 才是硬骨头。一篇好的公众号文章，哪里埋伏笔、哪里放转折、哪里让读者喘口气、哪里突然加速把情绪推上去，这些都是通篇设计出来的。就跟装修似的，你把家具全换一遍，房子格局没动，那还是原来那个房子。
具体拆开，AI 做风格迁移至少得懂三层。第一层是词汇层，用什么词、不用什么词，这层最简单，一张禁用词表就能搞定。第二层是句式层，句子多长、在哪断、语气词放哪、节奏感怎么出来。第三层是架构层，全文怎么铺开，先给场景还是先给判断，多久转一次，金句放在哪效果最好，情绪的波峰波谷怎么安排。
风格迁移要理解三层：词汇层最简单，句式层次之，架构层是承重墙最难，换词只动表面动不了格局
风格库里的预置模板是从十几篇文章里提炼出来的，三层的信息本来就都有。抄作业模式手里只有一篇范文，AI 得从这一个样本里把三层全读出来，提取这一步做得成不成，直接决定了改出来像不像。让 AI 说一句「这篇文章语气口语化」没用，等于废话。得让它说到这个份上，这篇开头用了场景代入，第一段结尾故意留了个悬念钩子。段落平均 50 到 80 字，每两三段转一次，转折词爱用 但是 和 问题是，不太用 然而 和 不过。金句都在每个模块的最后一段，句式是「X 不是 Y，是 Z」那种重新定义式。说得这么具体，AI 才能真的照着改。
产品到这里齐了
到这一步，Ghost Writer 的三条腿就齐了。第一条是风格库，预置了六套验证过的模板，给那些「我不知道自己想要什么，帮我推荐」的用户。第二条是抄作业，用户自带范文，AI 现场提取风格，给「我就想写成这篇那样」的用户。第三条是个人风格训练，用户交 3 到 5 篇自己写过、自己满意的文章，AI 提炼出一套专属模板，以后所有文章都照这套改，这个给「我有自己的风格，帮我保持一致」的用户。没有偏好的、有明确偏好的、想守住自己风格的，三种人都有得选。
这个系列写到第三篇了，从一份 435 行的指南，到多风格库，再到抄作业模式。做下来我的感受是，AI 写中文，光是生成早就不是问题了，语法对、信息全、逻辑通，每个大模型都做得到。卡住的是「正确的中文」和「好看的中文」中间隔着的那层文化上的东西。翻译腔和公众号文章差的不是用词，是世界观。你是在陈述事实，还是在制造共鸣；是在说服读者的脑子，还是在打动读者的情绪；写出来的是一篇报告，还是一次对话。这层东西模型自己长不出来，得有人把它拆开，写成模型能照着做的规则。
This post is also available in English.
