

最近讀到 Every 的 Mike Taylor 寫了一篇文章:《13 Beliefs About AI Writing》。
文章不長,但我讀完後沒有急著關掉。
因為它真正問的不是:AI 到底能不能寫文章?
當 AI 已經可以把文字寫得夠好了,我們還剩下什麼?
這個問題,我覺得比「要不要用 AI 寫作」重要得多。
先不要急著濃縮:這篇真正有價值的是完整的 13 個信念
我一開始也很自然地想把它整理成三個重點。
但後來發現,如果只留下三點,反而把這篇文章最好看的地方拿掉了。
因為 Mike Taylor 不是在教一套 AI 寫作 SOP,而是把自己實際使用 AI 寫作後,慢慢形成的 13 個判斷攤出來。以下不是逐字翻譯,而是我依照原文順序,保留核心意思後重新整理。
1. 給 AI 的材料,應該比最後要求它產出的內容更多
這是我最喜歡的一點。
作者談的是一種「蒸餾」的概念:好的 AI 寫作,不該是用一句 Prompt 換一千字,而是先把大量資料、觀察、案例、訪談、想法放進去,再請模型幫你濃縮、組織、表達。
換句話說,AI 最適合幫你壓縮已經存在的價值,而不是憑空替你補出價值。
2. 寫那些不在模型訓練資料裡的東西
這一句很殘酷,但也很實際:
如果 ChatGPT 跳過你,就能把這篇文章寫出來,那你存在的角色是什麼?
真正有差異的內容,通常不是網路上已經整理過一百次的知識,而是你做過的實驗、第一手工作現場、只有你拿得到的資料、一次失敗後留下來的判斷,或一個你跟主流不同的觀點。
3. 發文,是為了吸引那些跟你在意同一件事的人
文章的目的不只是把內容「發出去」。
作者把寫作看成一個訊號:你公開一個觀點,是在告訴世界「我在想這件事」。
真正有共鳴的人,才會因此靠近、討論,甚至延伸出合作。
這也讓我重新想了一下,內容 KPI 不一定只有流量。
有沒有吸引到對的人,有時候比吸引很多人更重要。
4. 你有多相信這件事,會決定它有多難寫
很多時候卡住寫不出來,不一定是文字能力有問題。
可能是你根本還沒有想清楚自己要說什麼。
當立場夠清楚,哪些資料該留、哪些段落該刪、標題該怎麼下,都會變簡單。
如果自己都還沒想清楚判斷依據,AI 只會幫你把模糊寫得更模糊。
5. 真正有意思的文章,通常會讓作者有一點不舒服
如果每一句話都安全、正確,而且沒有人可能反對,那通常也不會留下太深的印象。
作者提醒的不是「故意唱反調」,而是真正的觀點必然包含選擇。你決定相信 A,就代表可能有人更相信 B。
這種願意承擔的判斷,才讓文章開始有作者,那也才會有讀者。
6. 素材、舊稿、被刪掉的東西,都不要急著丟
這點乍看像檔案管理,其實跟內容資產很有關係。
訪談逐字、原始資料、舊版本、沒用上的句子、被刪掉的段落,都可能在下一篇文章重新長回來。
作者後來公開自己的寫作流程時,甚至把 Sources、Outline、Monologue、Pitch、Draft 分開保存,連沒有採用的段落也留在草稿區。
這是他後續文章公開的工作方式,也讓「Keep everything」這件事變得更具體。
7. 數字和圖片不是裝飾,是讓觀點落地的方法
一個抽象觀點如果只有文字,很容易停在「聽起來有道理」。
數據可以讓讀者知道你不是只憑感覺;圖片、截圖、流程圖、實驗結果,則讓讀者直接看見你到底做了什麼。
這也是為什麼現在寫文章,不能只想文字。好的視覺,本身也是證據與理解工具。
8. 寫得很辛苦,不代表讀者就會更喜歡
這點我很有感。
我們很容易把「我花很多時間」誤認成「這篇內容比較有價值」。對讀者而言,他根本不知道你花了兩小時還是兩天。
真正要看的還是:這篇有沒有新的想法?有沒有幫他看懂一件事?有沒有值得帶走的東西?
9. 社群短文最好保留一部分自己寫
作者特別把社群短文留在自己手上,這點很有意思。
因為很多想法在成為完整文章之前,最早只是很短的一句觀察、一個不成熟的判斷,或一次和別人對話後留下來的念頭。
如果連這一層都全部外包給 AI,你很可能連「自己的想法是怎麼長出來的」都一起外包了。
10. 好想法,比好文筆更重要
AI 正在快速降低「把一句話寫順」的門檻。
以前有想法但不會寫,是一個很大的障礙;現在這個障礙正在下降。
所以競爭重點也會跟著移動:文字是否漂亮,會越來越像基本配備;真正稀缺的是,你到底有沒有值得寫的東西。
11. 留意哪些事情會讓別人的眼睛突然亮起來
不是所有你覺得重要的事情,別人都想看。
作者提醒自己觀察真實對話:
當你談到某個案例、發現或觀點時,對方突然開始追問,通常就是很好的內容訊號。
比起永遠坐在電腦前猜「大家想看什麼」,真實互動本身就是一種內容研究。
12. 去過一個有意思的人生
這句很像雞湯,但它可能是整篇最重要的一句。
模型可以整理你的旅行,但不能替你旅行;可以幫你描述一次失敗,但不能替你承擔那次失敗;可以整理訪談,但不能替你建立那些關係。
當文字生成越便宜、越快速,真正活過、做過、看過的東西反而越值錢。
13. 模型終於已經夠好了
這 13 點成立的一個前提,就是作者認為今天的模型已經跨過了「到底能不能協助寫作」的階段。
這一點我深表贊同,因為在 2026 年 11 月的當下,我常常被大型語言模型所驚艷到。
所以他真正關心的,不再是 AI 能不能生出一篇像樣的文章,而是:
哪些事情值得交給 AI?哪些東西無論模型多強,都應該留在自己手上?
這也是我覺得這篇文章比一般 Prompt 教學更值得看的原因。
補充:Mike Taylor 在一週後又公開自己的實際寫作流程,包括先定標題、蒐集來源、建立骨架、錄下自己的口述、讓多個模型生成草稿,再自行拼接與重寫。這篇後續文章不是原本 13 點的一部分,但它很清楚地證明,他講的並不是「完全不用 AI」,而是先把人的原料與判斷準備好,再讓 AI 參與製作。

13 點我都喜歡,但我真正停下來的是這三件事
讀完之後,我建議不用把這 13 點背下來。
應該是用你自己的方式把它們重新融合成自己的版本。
其中有三件事情,跟我這幾年使用 AI 的經驗接得特別緊。
第一個:AI 寫作最大的瓶頸,開始從「生成」變成「供給」
第一點說:提供給 AI 的東西,應該比輸出更多。
我覺得這句話看起來像 Prompt 技巧,其實不是。
AI 內容品質的瓶頸,正在從生成能力,轉向素材供給能力。
以前大家會問:「Prompt 要怎麼寫,AI 才會寫得更好?」
接下來更重要的問題可能是:「我要拿什麼餵給它?」
我的案例在哪裡?我的觀點在哪裡?過去做過的專案有沒有整理?客戶真正問過什麼?課堂上同學最常卡在哪裡?我做過哪些測試?哪些事情失敗過?
這些才是真正影響最後輸出的東西。
所以未來比 Prompt Engineering 更值得投資的,可能是另外一件事:把自己的經驗持續變成可以被 AI 使用的上下文 Context。
延伸閱讀:ChatGPT 寫作實戰:別再只叫 AI 幫你寫文章,高手都這樣用
第二個:真正有價值的內容,來自模型原本沒有的資料
第二點我甚至覺得可以直接當成內容創作者未來幾年的檢查標準:
如果 ChatGPT 自己就能寫,我為什麼還要再寫一次?
AI 最擅長的,就是整理大家都已經說過的東西。
所以當 AI 能力越來越好,「整理公開資訊」這件事情本身的價值只會越來越低。
真正開始升值的是:自己做的實驗、客戶現場、公司的數據、學員真正的問題、自己的觀察、做錯之後才得到的結論,甚至是你跟主流意見不同的地方。
這些東西有一個共同特點:模型拿不到。
實作案例:AI 行銷實作|用 MCP 做出復古闖關遊戲的五個心得
第三個:AI 可以代筆,但不能代替立場
這是我讀完之後最想留下來的一條線。
我完全不排斥 AI 幫忙寫。它可以幫我整理、重新組織、改寫、縮短,甚至協助找出比較好的表達方式。
但有一件事情,不建議外包:我到底相信什麼。
文章裡的觀點,我願不願意親自站出來解釋?如果有人質疑,我知不知道自己為什麼這樣想?如果趨勢改變了,我知不知道哪裡需要修正?
Expression 可以外包,Judgment 不可以。
表達,可以交給 AI。判斷,不行。
讀完 13 點,我反而得到了一個原文沒有直接寫出的第 14 點
這可能才是我這週真正想帶走的東西:
內容護城河正在改變
以前我們談內容競爭力,很容易想到文案風格、標題、結構、SEO、排版、製作速度。
但這些能力,現在都正在被 AI 快速拉平。
文章可以寫得很順,標題可以一次生幾十個,摘要、改寫、校稿與排版也都能加速。
「把文字做得漂亮」本身,正在快速失去稀缺性。
那什麼開始升值?我目前會放四個:
- 第一手經驗:你真的做過什麼。
- 自有資訊:你擁有什麼別人沒有的資料。
- 獨立判斷:看到同樣的資訊,你得出了什麼不同結論。
- 明確立場:你最後願意相信什麼,並且為什麼。
內容護城河 = 第一手經驗 × 自有資訊 × 獨立判斷 × 明確立場
AI 可以放大這四件事情,但不能憑空替你擁有它們。
最後,我把這篇文章留下來的東西變成兩個檢查題
Mike Taylor 有 13 個信念。
我最後留下來的是兩個問題:
Q1.如果把 AI 拿掉,這篇還剩下多少只有我才能提供的?
Q2.如果把原文拿掉,這篇還剩下多少是我自己想出來的?

每週選文,不是替你讀完一篇文章
這也是我想開始做「每週選文」的原因。
我不是想每週整理一篇國外文章,那件事情 AI 現在已經做得很好了,你自己也可以做。
我更想做的是:每週挑一篇站在我的角度,認為真的值得讀的內容。
先保留作者完整的思考框架,再問自己:哪一點讓我停下來?哪一點跟我的經驗產生衝突?哪一點可以被我拿來實驗?哪一點最後能夠長成自己的方法?
如果一篇文章最後只剩下一份摘要,它很快就會被忘掉。
但如果一篇文章最後讓你多長出一個自己的觀點,那它才真正變成你的東西。
這一週,我從 13 個 AI 寫作信念裡留下來的,就是第 14 點:
AI 時代真正的內容護城河,不再只是你寫得多好,而是你到底有什麼,是 AI 和其他人都沒有的。
本週原文:13 Beliefs About AI Writing|Mike Taylor/Every
延伸閱讀:Good Writing With AI Starts Before the Prompt|Mike Taylor/Every


