每週選文|AI 寫作的內容護城河,正在從「會寫」變成「你有什麼只有你有」

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。

AI 寫作能力與內容資產對照:文筆、結構與產出速度逐漸普及,第一手經驗、自有資訊、獨立判斷與明確立場更加重要

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?
AI 內容發文前七項檢查題,檢視獨有素材、原料品質、核心觀點、判斷依據與內容護城河

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

分享此內容: