前面有人问我一个问题：为什么你每天还有精力写公众号？
这个问题本身就问错了。
我并没有每天坐下来，郑重其事地说：今天我要写一篇公众号。那太累了，也太像任务了。真实情况是，任何问题发生的时候，我都会把它记下来。今天冒出一个想法，走路的时候记。开车的时候想到一段判断，马上说出来。跟人争论完，发现里面有一个值得拆的问题，也记下来。
短的两三分钟，长的十分钟。十分钟已经很多了，足够留下上千字的原始材料。关键不是时间长，而是当下那个念头还热的时候，先把它抓住。等你回家坐到电脑前，很多东西已经冷了，表情也变了，锋利的地方会被你自己磨平。
Summary
持续输出不是自律奇迹，而是把问题发生的现场变成记录入口。
语音不是一个输入功能，它更接近人的发散思维，适合捕捉尚未成型的判断。
AI 写作最怕的是替你总结，最有价值的是遵从你的表达、引用你的历史观点、校验事实错误。
真正的知识库不是收藏夹，而是你过去所有判断、文章、案例和表达方式的可检索沉淀。
风格不是“去 AI 味”，风格来自一个人长期稳定的判断、偏好、脾气和语言节奏。
好文章不是平静总结出来的，很多时候是问题、冲突、反思和现场经验撞出来的。
一、日更不是写出来的，是问题发生时顺手留下的
真正稳定的输出，不靠每天憋一篇文章，而靠每天都不放过问题。
很多人把写作想成一个正式动作：打开电脑，倒杯水，摆好姿势，开始创作。这个动作当然也可以，但它不适合高频输出。因为真正有价值的想法，很少在你宣布“我要思考了”的那一刻出现。它往往出现在路上、会议后、争论里、读书时，甚至是你突然觉得某件事不对劲的时候。
所以我更相信记录，而不是写作冲动。记录的门槛必须极低，低到你不会因为嫌麻烦而放弃。我现在用的是类似 Flomo 这样的轻量记录工具，想到什么就先丢进去，不追求完整，不追求漂亮，也不急着判断它是不是文章。先留下来，后面再让 AI 帮我整理。
这里有一个很重要的差别：记录不是收藏。收藏是把别人的东西放进仓库，记录是把自己的判断放进仓库。收藏多了不一定会产生观点，记录多了才会形成个人材料。因为这些材料不是外部信息，它们带着你的处境、你的语气、你的冲突和你的判断。
二、语音创作不是偷懒，是先发散后收敛
打字天然会让人收敛，语音更容易把还没成型的想法放出来。
我很早就认为，表达这件事最好的入口之一是语音。不是因为语音显得高级，而是因为人在打字的时候会不断删改，会提前过滤，会过早地把自己变得“合理”。很多真正有意思的判断，还没有变成完整逻辑时，就被打字这个动作处理掉了。
语音不一样。你说出来的时候，脑子会边走边想，句子会拐弯，态度会露出来，甚至前后矛盾也会露出来。这些东西看起来不干净，但它们很有价值。因为创作本来就是先发散，再收敛。发散那一刻，你需要速度，需要碰撞，需要允许自己说得不完全对。
很多人只把语音输入理解成“提高输入效率”。这个理解太窄了。语音真正改变的是工作范式：先把脑子里那团东西尽可能完整地倒出来，再交给 AI 去去掉口癖、补顺逻辑、拆出结构。AI 做的是整理，不是替你想。
三、AI 不能替代思想，只能放大已有密度
如果你没有自己的判断，AI 只能把空话写得更像空话。
我用 AI 写公众号，第一条要求永远是遵从我的表达。不是把我的话改成标准文章，不是帮我做一个温顺总结，更不是替我发明一个看起来正确的观点。我的表达本来就有我的节奏，有时候犀利，有时候很直接，有时候不太讨好。没关系，这才是我。
AI 的价值在后面几步。它要引用我历史上相近的观点，看看我过去怎么讲过类似问题；它要补充外部相似观点，帮助这件事不只停留在个人经验；它还要组织语言，让口述材料从一团现场表达变成一篇能读下去的文章。这里最关键的是边界：思想归我，结构和加工可以交给 AI。
很多 AI 味文章难看，不是因为 AI 写得不好，而是因为前面没有人。没有真实问题，没有真实立场，没有真实语气，没有真实取舍。AI 只能生成一种看似完整的东西：开头像行业报告，中间像培训课件，结尾像口号。读者一眼就知道，里面没有一个活人在说话。
四、知识库不是资料堆，是你的历史判断可以被再次调用
真正能帮你持续写的，不是素材多，而是过去的你能回来参加今天的写作。
我每写一篇公众号，都会在本地沉淀一个 HTML。它既是发布稿，也是样本，也是 wiki。为什么是 HTML？因为它好查，好看，结构清楚，也能保留排版、图片、标题、金句和表达方式。后面我再写类似主题时，AI 可以回到这些文件里找我过去的观点，而不是凭空猜我的风格。
这件事很重要。一个人的知识库，不应该只是资料目录，而应该是一个可检索的观点系统。你过去怎么定义流程，怎么理解 Agent，怎么批判工具崇拜，怎么讲产品经理，怎么讲 AI 原生个体，这些都应该留下来。否则每次写文章，都像重新做人，效率当然低。
我更喜欢把它叫个人作战笔记。作战笔记不是给别人看的精美知识管理模板，它是你在真实战场里留下的判断、教训、方法和失败记录。今天一个问题发生了，你记下来；明天 AI 帮你查过去的类似判断；后天它再把这套判断沉淀成新的文章。时间一长，你不是在写公众号，你是在训练一个越来越像你的外部大脑。
五、风格不是去 AI 味，是别让 AI 把你变没了
所谓去 AI 味，最好的办法不是加口语，而是保住人的判断。
我特别讨厌那种大开头：什么“在这个快速变化的时代”，什么“随着 AI 技术不断发展”。这种句子一出来，我基本就不想看了。因为它没有场景，没有对象，没有问题，只是在空中铺一块很大的地毯，然后邀请读者在上面迷路。
我的文章通常不这么开。它会从一个具体问题开始：一个人为什么用不好 AI，一个流程为什么跑不通，一个产品经理为什么必须进入代码上下文，一个企业为什么把 Agent 做成了聊天窗口。先把靶子立起来，再往里打。观点可以激烈，表达可以尖锐，但不能假。
AI 加工时最容易犯的错，是把一个人的现场表达磨成平均表达。它会把锋利处改圆，把脾气改温，把判断改成“也许、可能、我们可以看到”。这对我来说没有价值。因为读者真正愿意看下去的，不是完美语法，而是一个人真的在判断。
六、好观点很多时候不是想出来的，是撞出来的
没有冲突、没有现场、没有角色差异，很多观点只会停留在正确废话。
我的输出来源很杂。工作现场会给我很多问题，但涉及具体项目的部分必须抽象处理，不能把不该说的信息写出来。书会给我框架，各种信息源会给我刺激，不同人会给我反例。真正有意思的是，很多观点来自和人的碰撞。
比如跟朋友争论完，我不会只问谁对谁错。我会回头想：为什么我们会在这个点上冲突？为什么我坚持，为什么他不坚持？为什么同一个问题，产品角色和技术角色会天然看见不同东西？这种复盘一做，问题就不只是一次争吵，而是变成了关于角色、权力、想象力和交付边界的材料。
这也是我一直讲产品经理价值的原因。单纯做东西并不难，技术实现当然重要，但很多时候真正贵的是非理性表达：你要判断一个东西能不能卖出去，能不能被人理解，能不能让用户产生感觉，能不能在看似不合理的想象里找到自圆其说的路径。这个过程很难被纯技术逻辑替代，因为它要承受挑战，要不断推演，还要对人的感受负责。
所以，写作不是把已经想清楚的东西抄下来。很多时候，写作是把冲突重新拆开，把里面真正有价值的判断拿出来。语音记录负责抓住第一现场，AI 负责帮你整理，知识库负责找历史呼应，最后你自己负责判断这件事到底有没有说到点子上。
七、最后真正省力的，不是少想，而是少做低价值加工
AI 提效的目标，不是减少思想密度，而是减少表达搬运。
我喜欢自动化，不是因为我想让机器替我思考。恰恰相反，我不希望 AI 替代我的思想。所有这些记录、争论、读书、工作复盘、产品判断，都是我的思想。AI 真正应该帮我做的，是把这些思想从碎片里捞出来，找到结构，变成文章，再做校验。
我的流程里有几道检查。第一层，看文章是否遵从我的表达，不能写成某种标准公众号腔。第二层，看观点是否和我过去的表达冲突，如果冲突，要么说明变化，要么改掉。第三层，看有没有常识错误，尤其是技术错误。观点可以激辩，但不能犯低级错误。最后再看文字、配图和整体表达，确保它能发布，而不是只在本地看起来热闹。
这套流程听起来复杂，其实它把人从低价值加工里解放出来。人最应该做的是提出问题、捕捉现场、给出判断、承担立场。AI 最应该做的是整理、检索、比对、校验和排版。两者的位置不要放反。放反以后，你会得到一篇很完整、很顺滑、也很无聊的文章。
如果你也想建立这种系统，明天就可以从一个小动作开始：遇到一个让你不舒服的问题，不要急着讲道理，先录三分钟。录完以后，不要马上改漂亮，先给它打一个标签：这是工作问题、产品问题、AI 问题、人的问题，还是一次冲突带来的反思。然后把它丢进你的本地知识库，让 AI 帮你找过去是否讲过类似观点。
等素材越来越多，你会发现写作压力会下降。因为你不是每天临时找题，而是每天都在把真实问题变成资产。公众号只是输出形态，背后真正值钱的是一套个人知识生产系统：现场记录、语音发散、AI 整理、历史观点引用、外部事实校验、HTML 沉淀、下一次继续调用。
最后，别把这件事想成“我要成为写作者”。这个想法太重。你只要先成为一个不放过问题的人。今天哪个问题刺痛你，你就把它留下来；今天哪个争论让你不舒服，你就把它拆开；今天哪个判断突然冒出来，你就趁它还热说出来。真正持续的公众号，不是每天硬写出来的，是每天的真实问题自己长出来的。
资料核查： Stanford News 对一项移动端输入研究的报道显示，普通话语音输入在实验中约为手机键盘输入的 2.8 倍且错误率更低；Clark 与 Chalmers 的 The Extended Mind 提醒我们，笔记和工具可以成为思考链条的一部分；Slamecka 与 Graf 关于 generation effect 的研究也解释了为什么主动生成过的内容，比单纯阅读更容易留下痕迹。这些论据只支撑一个朴素判断：快速记录、主动表达、外部知识库，确实有认知机制基础。