我是如何让AI智能体用我的声音写文章的

说实话，AI写的博客总有一种...味儿。你懂，我懂，读者从第一段就能闻出来。但我的看法是：你可以让AI用你的风格写东西，只是不能用那种“通用”的提示词。

真正对我有用的是一个由三部分组成的智能体技能：一个基于我七篇真实写作样本构建的声音档案、一个AI短语黑名单，以及一个把我的修改变成永久规则的反馈循环。而且有意思的是，你现在读的这篇文章就是这个系统的第一版输出。所以，让我带你看看我是怎么搭建的，你自己判断它听起来像不像真人。

为什么AI写的东西听起来这么...AI？

在解决问题之前，我们先从底层理解一下。一个LLM是在数十亿文档上训练的，所以默认情况下，它的写作风格就像所有这些文档的平均值。这就是为什么会出现“在当今快节奏的世界中”这种短语，以及那些永远不选边的完美平衡结论。不是模型笨，而是百万种声音的平均值等于没有声音。而你的声音恰恰是平均值的反面——是你打破语法规则的具体方式，是你愿意承认而别人不愿承认的事情。

我为包括Keploy、Devbytes在内的多家创业公司写过技术博客，从2023年开始就在Hashnode上写文章了。所以当我让AI用简单的提示词“按我的风格”写文章时，结果总是一样的：语法完美、结构整齐，但绝对不是我。

那么，你真的能让AI用你的声音写文章吗？嗯，可以。但你必须展示给它看，而不是描述给它听。“用友好、对话式的语气写”这玩意儿给互联网上每个人都是同样的友好、对话式语气。你需要的是一个能从真实样本中提取你写作机制的系统，然后像规则一样强制执行。我的系统有三部分。

第一部分：声音档案

我给了智能体七篇我的写作样本：两篇旅程博客、一篇教程、一篇观点文章、一篇对比文章、三个冷开场白，以及一份关于我偏好的小问卷。而且这些不是“随便”的样本——其中三篇是系统从我过去的作品中精选出来的。另外四篇是Fable 5给我的题目，这样它能更好地理解我的写作风格。

但关键点在于，它构建的档案不是一堆形容词。而是机制：

• 我的句子经常以“And”、“But”、“So”和“Now”开头（包括这一段）
• 我的文章通过预判读者下一个问题来推进，然后回答它
• 每个大论点都需要一个带数字的个人证据，而不是模糊的“很多开发者说”
• 每篇文章最多两个“!!”——是的，它真的会数
• 还有一件事：新样本永远比旧样本优先级高。我2023年的写作有一些后来已经改掉的习惯，系统知道当前的声音在任何冲突中胜出

第二部分：黑名单

第二个文件是一个禁用模式列表。我讨厌的所有AI腔都放在这里：

• “delve”（深入探讨）
• “seamless”（无缝）
• “game-changer”（颠覆性）
• 三句排比句式
• 破折号链
• 回避表态的结论
• 表情符号（全部，我博客里不用表情符号，句号）

规则是零容忍。如果草稿中出现禁用模式，智能体不只是删除它，而是按我会说的方式重写整个句子。

第三部分：反馈循环（这才是真正重要的部分）

前两部分大概能解决80%的问题。剩下的20%是所有“像我这样写”工具放弃的地方。我的循环是这样的：

1. 智能体写草稿
2. 我像平常一样修改
3. 第二个技能对比我的最终版本和草稿的差异
4. 每个有意义的修改被归纳成一条规则

如果我删了一次长开头，那是个假设。如果我删了两次，它就升级为确认规则，所有未来的草稿都必须遵守。

而且有30条规则的硬上限。为什么？因为整个系统运行在一个更小、更便宜的模型上，小模型能很好地遵守30条规则，但80条就会淹没。智能在文件里，不在模型里。

但它会从每一次修改中学习吗？嗯，不会。这是刻意的设计决策。一次性的修改（修正事实、重写特定主题的内容）对我的声音没有任何教益，所以它会被记录但被遗忘。只有模式才会变成规则。否则智能体会过度拟合我在某次编辑时的情绪。

还有一条我认为不可妥协的规则：智能体永远不能编造关于我的故事。所有个人事实都存放在一个档案文件中，如果文章需要一个不在档案里的轶事，智能体必须停下来问我。一个AI在已发布的博客中自信地编造个人记忆，比一个无聊的段落糟糕得多。

它真的有效吗？

老实说：我还不完全确定，我也不会假装知道。这篇文章就是第一版草稿。反馈循环到目前为止从我的修改中学到了零条规则，因为在这之前没有修改。你现在看到的是“之前”的照片。如果你能看出哪些句子是我在智能体写完后改过的，请告诉我，认真的！

还有一个诚实的坦白：搭建这个系统花了我比手写两三篇文章更多的精力（我为了这个任务新写了四篇博客，好让LLM能更好地推断我的写作风格）。它的回报只有在累积效应下才有意义——我编辑的每篇文章都让下一版草稿更像我。但方向是对的，显然不是只有我这么想。

开发者社区已经超越了一次性提示：Peter Steinberger的爆款帖子（“你不应该再给编码智能体写提示了，你应该设计循环来提示你的智能体”）在2026年6月获得了650万浏览量，在时间线上烧了一整周。而2026年的Hacker News讨论已经从花哨的演示转向让智能体可重复和可信赖。一个带反馈循环的写作智能体正是同一个想法，只是用在了博客上。

什么是智能体技能？

如果你对这个术语不熟悉，我们先退一步。智能体技能基本上就是AI的入职文档。它是一个markdown文件（通常叫SKILL.md），包含逐步指令，加上它应该读取的支持文件，像Claude Code这样的编码智能体在执行任务前会加载它。可以把它想象成告诉新实习生“写篇博客”和给他们公司完整写作指南的区别。

而且美妙之处在于技能是可移植的和对弱模型友好的。我编排过多个智能体工作流，那里的教训都一样：智能体失败不是因为模型弱，而是因为指令模糊。

常见问题

需要多少写作样本才能克隆你的声音？
七个对我有效，但覆盖面比数量重要。每种内容类型（教程、观点、对比、叙事）各一个样本，比十个同类样本教得多得多，因为你的声音会随着模式变化。

这能在更便宜的模型上工作吗？
这就是关键点。声音档案、黑名单和规则承载了智能，所以小模型只需要遵循指令。把贵的模型留给构建系统，而不是运行系统。

如何阻止AI编造关于你的事实？
一个规范的档案文件，加上硬性规则：如果事实不在文件里，就问人类。永远不要凭空生成个人声明。接受AI不能为你做所有工作，你必须让自己保持在循环中，这创造了差异。

这会取代写作吗？
不会，我也不希望它取代。它取代的是第一版草稿。