AI协作写作方法论

v1.0.0

指导如何用多AI协作深化思考,分段写作与校验,提升工作材料的质量和逻辑一致性,避免AI代替人类思考。

0· 98·0 current·0 all-time

Install

OpenClaw Prompt Flow

Install with OpenClaw

Best for remote or guided setup. Copy the exact prompt, then paste it into OpenClaw for yanfenliu9014-spec/ai-writing-craft.

Previewing Install & Setup.
Prompt PreviewInstall & Setup
Install the skill "AI协作写作方法论" (yanfenliu9014-spec/ai-writing-craft) from ClawHub.
Skill page: https://clawhub.ai/yanfenliu9014-spec/ai-writing-craft
Keep the work scoped to this skill only.
After install, inspect the skill metadata and help me finish setup.
Use only the metadata you can verify from ClawHub; do not invent missing requirements.
Ask before making any broader environment changes.

Command Line

CLI Commands

Use the direct CLI path if you want to install manually and keep every step visible.

OpenClaw CLI

Bare skill slug

openclaw skills install ai-writing-craft

ClawHub CLI

Package manager switcher

npx clawhub@latest install ai-writing-craft
Security Scan
VirusTotalVirusTotal
Benign
View report →
OpenClawOpenClaw
Benign
high confidence
Purpose & Capability
技能名称和描述(多 AI 协作写作方法论)与 SKILL.md 中的四步流程、提示词和推荐用法一致;没有声明或要求与写作无关的凭据、依赖或系统访问。引用的相关技能(humanizer、miaoda-web-search)与文中步骤逻辑匹配。
Instruction Scope
运行时指示限定于撰写、校验、并行分段、润色和多模型对比等写作相关操作;没有指示读取任意系统文件、环境变量或把数据发送到未说明的外部终端。唯一需要注意的是它建议调用其他模型/技能(例如 DeepResearch),这在写作场景中是合理的。
Install Mechanism
无安装规范(instruction-only),因此不会在目标环境写入或执行额外下载代码,这是最低风险的情形。
Credentials
技能未声明任何所需环境变量、凭据或配置路径;所需权限与其写作方法论的目的相称。
Persistence & Privilege
flags 显示 always:false 且允许模型调用(平台默认);没有请求常驻或修改其他技能/系统配置的特权。
Assessment
该技能本身只是一本操作手册,内部一致且不要求系统权限,但在实际使用时请注意: - 它建议调用其他技能/模型(如 miaoda-web-search、humanizer),在安装或允许这些相关技能时,先检查它们各自的权限、环境变量和安装方式;这些被调起的技能可能会访问外部网络或要求凭据。 - 避免把敏感或机密信息粘贴到提示词或发给会做网络检索的模型,以防信息泄露。 - 如果你担心自动化行为,注意该技能允许模型调用其他技能(平台默认),如需更严格控制,可在运行策略中禁止某些技能或限制模型的自动调用权限。 总体上,该技能内部自洽且风险低;若要完全放心,请审查并信任将被联动调用的那些相关技能的实现细节。

Like a lobster shell, security has layers — review code before you run it.

latestvk976enae1krsexc4t6ecvm1ym184hzxp
98downloads
0stars
1versions
Updated 2w ago
v1.0.0
MIT-0

AI 协作写作方法论(材料撰写篇)

用多个 AI 协作完成高质量材料撰写。核心思想:不让 AI 替你思考,而是用它放大你的判断力。

触发词

"AI 写材料"、"多 AI 写作"、"用 AI 写报告"、"怎么用 AI 写材料"

适用场景

  • 工作材料撰写(方案、报告、PPT 文字、发言稿)
  • 需要深度思考而非简单输出的内容
  • 高质量要求、有明确观点要输出的场景

四步流程

Step 1:思想对齐与延深

目标:先让 AI 理解背景和目标,再让它帮你检视观点、查漏补缺

操作

  1. 对齐背景:告诉 AI 这份材料的核心目标、读者是谁、要解决什么问题
  2. 对齐观点:抛出你已有的思考碎片(哪怕是大纲或几个关键词)
  3. AI 做判断:哪些角度偏离目标、哪些重要维度被遗漏、逻辑上有什么漏洞
  4. 你做决策:接纳还是保留自己的判断

提示词模板

背景:这份材料的目标是[读者],[要解决什么问题/传达什么核心信息] 我的初步想法是:[你的核心观点或大纲,哪怕不完整] 请帮我做两件事:

  1. 检查我的想法是否偏离了目标?
  2. 找出我忽略的重要角度或逻辑漏洞(不要直接帮我写)

原则:AI 是裁判和镜子,不是执笔者。你先定义目标和观点,AI 才能有效检视。


Step 2:脑暴与讨论

目标:多 AI 对比,汇聚论据和观点雏形

操作

  1. 用 DeepResearch 或强推理 AI 做信息检索和初步整理
  2. 调起第二个 AI(用不同的模型),对它说:"我需要你帮我做批判性分析"
  3. 具体任务:对比不同信息源、PUA 你的初稿、聚类相似观点、做反向提问
  4. 输出:论据列表 + 初步观点雏形

提示词模板

我有一份初步观点:[粘贴你的观点] 请从以下几个角度批判:

  1. 最大的逻辑漏洞是什么?
  2. 哪些论据不够扎实?
  3. 有什么重要角度被遗漏了?
  4. 如果我要反驳这个观点,会怎么攻?

原则:用 AI 的多样性弥补单一 AI 的盲区。不要只问一个 AI。


Step 3:分段完成(可并行)

目标:多 AI 并行工作,各自负责一个模块

操作

  1. 把完整材料拆成独立段落/模块(每个模块有明确的观点 + 事实/目标输入)
  2. 每个模块分配给一个 AI,让它:对比、关联前后文、补充、纠偏
  3. 最终输出:各段落内容初稿

提示词模板

你现在负责撰写材料中的"[模块名称]"部分。 背景:这个材料的目标读者是[读者],要达成[目标]。 我希望传达的核心观点是:[本段观点]。 已有初步草稿:[粘贴草稿]。 请帮我:对比补充、关联前后文、纠正偏差、形成完整段落。 注意:保留我的核心观点,不要过度发挥。

原则:并行能节省时间,但每个模块的输入(观点+目标)必须清晰。AI 不知道你想说什么,除非你告诉它。


Step 4:整体一致性

目标:确保全文逻辑自洽、语言一致

操作

  1. 把所有段落合并,发给 AI
  2. 让它检查:段落与标题逻辑是否自洽、前后语言风格是否一致、过渡是否流畅
  3. 不要让它重写,只做诊断和微调

提示词模板

这是我撰写的完整材料,请帮我检查:

  1. 各段落观点是否与标题核心主题一致?
  2. 语言风格是否统一(术语、人称、语气)?
  3. 段落之间的过渡是否自然?
  4. 有没有重复或矛盾的地方? 请标出具体问题,不要直接修改。

原则:这一步放在初稿完成后,目的是一致性检查,而不是重新生成。


Step 5:润色

目标:让人读起来像人,增加人味和可读性

操作

  1. 把全文发给 AI(用强调"人味"的提示词)
  2. 同时考虑配图建议和文风调整
  3. 最终输出:可直接使用的成稿

提示词模板

请帮我润色这份材料,要求:

  1. 读起来像有经验的人类写的,不要有 AI 痕迹(避免过度使用连接词、三段式列举、"-ing"形式开头的肤浅分析)
  2. 语言简洁有力,避免宣传性语言
  3. 段落长短有节奏,不要均匀分布
  4. 哪些地方可以配图或用数据可视化来增强说服力?

原则:润色是最后一步,做完就定稿。润色不改观点,只改表达。


核心心法

原则说明
你主思维,AI 放大先有观点,AI 才能放大。不能让 AI替你想。
多视角校验用不同 AI 做对比和批判,避免单一 AI 的盲区
输入决定输出给 AI 的输入(观点、目标、背景)越清晰,输出越可用
AI 是镜子和陪练批判性提问比接受 AI 输出更重要
分段并行效率高拆解后并行,各段独立完成,最后统一检查一致性

相关技能

  • humanizer:去除 AI 痕迹,用于 Step 5 润色
  • miaoda-web-search(DeepResearch):用于 Step 2 信息收集

Comments

Loading comments...