让 AI 采访你，而不是替你写

上个月我用 Agent 写了三篇博客文章。准确说，是我回答了十几个问题，Agent 把我的回答整理成了三篇 2000 字以上的完整文章。

整个过程大概一个小时。如果我自己从零写这三篇，至少需要两到三天。

这件事让我开始思考一个问题：AI 辅助写作的正确交互模式到底是什么？

现有 AI 写作工具的方向问题

市面上的 AI 写作工具基本上走的是同一条路：AI 先生成文字，人再修改。

Notion AI 选中一段文字，点"improve writing"，AI 帮你润色。Jasper 给一个标题和关键词，AI 直接输出一篇文章。Lex 在你写作时提供实时建议。本质上都是在文字层面做辅助。

问题在于，写作中最难的部分不是文字组织，而是想清楚。

一个创始人写不出文章，不是因为他不会遣词造句，而是因为他没时间把脑子里的碎片化想法整理成连贯的逻辑。一个工程师不写技术博客，不是因为他不懂技术，而是因为从"我知道这件事"到"我能讲清楚这件事"之间有一道鸿沟。

现有的工具解决的是后半段问题（文字层面），但前半段问题（思考层面）被完全忽略了。

换一个方向：AI 先提问，人再回答

我做了一个叫 Byline 的 POC，尝试反转这个流程。

核心思路很简单：AI 不是替你写，而是采访你。就像一个记者或者 ghostwriter 做的事情。

流程是这样的：

你给 Byline 一个主题
Byline 先做功课（调研主题背景），然后向你提出 3 到 5 个有针对性的问题
你回答这些问题，这个过程本身就是在梳理思路
Byline 根据你确认过的回答，以你的口吻生成文章初稿

和传统 AI 写作工具最本质的区别在于：观点的来源是确定的。文章里的每一个判断、每一个立场，都来自你的回答，而不是 AI 的编造。

为什么是"采访"而不是"对话"

用"采访"这个词不是为了好听。它背后有一套方法论上的考量。

好的采访和随便聊天有本质区别。采访者在提问之前已经做过功课，他的每个问题都带有目的性：这个问题是为了挖掘你的经历，那个问题是为了挑战你的假设，最后一个问题是为了把你推向更深的反思。

这种有结构的提问方式，在认知科学里有一个经典的理论支撑。Vygotsky 的最近发展区（Zone of Proximal Development）理论认为，一个人在有引导的情况下可以达到比独自思考更高的水平。AI 的提问充当的就是这个引导角色，认知心理学里把它叫做 scaffolding（脚手架）。

苏格拉底两千多年前就在做这件事。他不给学生答案，只问问题。通过问题让学生自己找到答案。这个方法今天叫苏格拉底式提问（Socratic Method），教育学里一直在用。

还有一个更直觉的类比：程序员的 Rubber Duck Debugging。把问题解释给一只橡皮鸭听的过程中，你经常就自己找到了 bug。原理是一样的，解释的过程强制你理清逻辑。Byline 比橡皮鸭好在：它会追问。

这里面的核心设计原则

做 Byline 的过程中，我给自己定了几条红线：

AI 提供方向，但观点必须是作者自己确认过的。

第一，不替作者思考。AI 可以帮你梳理框架，挑战你的假设，但给出的观点必须是你自己经过确认和认可的。这一点在设计上体现为：每个问题的回答都由你手动输入。AI 不会自动填充任何立场。

第二，先做功课再提问。一个没做过调研的记者问不出好问题。Byline 在生成问题之前，会先了解主题的背景知识，结合对作者的了解（身份、专长、写作风格），才能问出有针对性的问题。

第三，输出透明。文章里哪些是作者的原话，哪些是 AI 补充的上下文，应该是可区分的。引用的信息应该有可靠度评估，理想情况下还要经过交叉审查。

第四，整理性的工作交给 AI。找资料、做引用、排版、生成图表，这些不需要创意、只需要执行力的工作，正是 AI 擅长的。

已知的局限

坦率说，Byline 目前作为 POC 还有很多不足。

AI 提问的天花板。 现阶段的 AI 能问出"合格的结构化问题"，但很难问出"让你意外的犀利追问"。它能帮你梳理框架，但还做不到像一个经验丰富的记者那样在你的回答中捕捉到你自己都没意识到的矛盾。

冷启动问题。 我之前和 Agent 共创文章能成功，一个重要前提是 Agent 已经积累了大量关于我的上下文（500 多个历史 session）。对于一个新用户，AI 完全不了解他，提问质量会明显下降。解决思路是通过接入社交媒体、笔记软件、已有的写作作品来 bootstrap 作者画像，但这需要更多的工程投入。

引用的可靠性。 AI 查资料、找引用确实能做，但交叉验证仍然有幻觉风险。MVP 阶段还没有实现引用评分和审查机制，这意味着作者需要自己核实每一条引用。

"代笔"的身份认同。 当文章 70% 的文字是 AI 写的，作者会不会对文章失去归属感？这是一个心理层面的问题。我自己的感受是：只要核心观点确实是我的，文字组织交给 AI 并不影响我对文章的认同。但不同人的感受可能不同。

文字 vs 面对面。 我在之前讨论虚拟用户研究时提到过，真人反馈中最值钱的是那些用户自己都没意识到的信号：微表情、语气变化、犹豫。文字形式的回答不可避免地会丢失这些信息。未来如果能支持语音输入，可能会好一些。

为什么还是值得做

尽管有这些局限，我认为这个方向是对的。

代笔行业本身就是一个存在了很久的市场。很多人有深度思考但没有时间或技能把它变成文章。Byline 做的事情本质上是用 AI 降低了 ghostwriting 的门槛，让每个有想法的人都能用采访的方式快速产出内容。

从斯坦福 CoAuthor 研究（Lee et al., 2022）的数据来看，在人类和 AI 协作写作中，人类平均贡献 72.6% 的最终文字。这个比例说明，在好的协作模式下，人的主导地位是可以保持的。AI 做的是放大而不是替代。

Doug Engelbart 在 1962 年就说过：技术的目标应该是增强人类的智力，而不是自动化它。Steve Jobs 后来把电脑叫做"思考的自行车"。Byline 想做的，就是写作领域的那辆自行车。

我的思考

做 Byline 的过程让我重新理解了一件事：写作的价值不在于文字本身，而在于思考的过程。

如果 AI 能帮你更高效地完成思考（通过有结构的提问），又能帮你更高效地完成表达（通过代笔），那写作这件事的本质就从"我在用键盘组织文字"变成了"我在用对话澄清想法"。

这对"创作"意味着什么？我目前的判断是：创作的核心从来不是打字速度或者文笔好坏，而是你有没有值得分享的洞察。Byline 不会帮一个没有想法的人产出有价值的内容，但它可以帮一个有想法的人把想法更快、更清晰地表达出来。

增强作者，而非替代作者。这是我对 AI 辅助写作的基本立场。

更新（2026-06）：为什么最后做成了一个 skill，而不是一个产品

写完这篇一个月后，我把 Byline 重做了一遍。这次不是一个 app，而是一个开源 skill，叫 byline-skill。形态变了，是因为我把前面那些局限想清楚之后，对"该用什么去增强作者"有了新的答案。

第一，写作是复利的。一篇文章从来不是孤立的，它要站在你过去的判断之上，要和你以前的观点交叉印证。这种复利只在本地长得起来：你的历史文章、笔记、草稿都在自己的机器上，agent 直接读真东西来校准你的声音和立场。一个托管产品做不到这件事，它不认识你，每次都从零开始。本地优先不是为了隐私，是为了让积累真的能滚起来。

第二，大部分有想法的人，手里已经有一个趁手的 agent。与其让他们再学一个凑合的新 UI，不如把"先采访、再代笔"这套 SOP 直接叠加到他们已经在用的工具上。最划算的组合，是一个成熟的 agent 加一套被打磨过的方法，而不是一个为了演示方法论临时拼出来的界面。稀缺的是方法，不是界面。

第三，对个人来说，可定制和可版本管理比"开箱即用"更重要。每个人的文风、发布格式、引用习惯都不一样，这些差异恰恰是一个作者最不该被产品抹平的东西。skill 把它们全外置成几个你自己维护的文件：作者画像、文风、历史作品、发布配置，各是一个 md，随手能改，能用 git 管起来，能看着它一点点变准。这是产品给不了的灵活度。

第四，所以 byline-skill 只做两件事：把核心 SOP 提炼出来，同时把可定制的部分最大限度地还给作者。它不替你决定你是谁、你怎么写、你发到哪，它只守住一条底线（观点必须是你确认过的），外加那套逼你想清楚的提问方法。

这篇最初写于 Byline 还是个私人 POC 的时候。现在它已经开源成 byline-skill，把"先采访、再代笔"这套 SOP 提炼了出来，剩下的可定制部分尽量交还给作者自己。但我想分享的从来不是工具本身，而是它背后那套交互思路。比起做出一个产品，我更在意这个方向对不对，而这一个月的使用让我更确定它是对的。