我如何用 AI 打造自己的寫作系統，讓它寫出來的東西不像 AI 像自己

TL;DR 我有天走在路上想到怎麼讓 AI 寫出「像我」的文章或是說不要跟別人一樣看起來都是 AI 的形狀。最後測試出一套流程：先讓 AI 大量閱讀你過去的文章，接著產出一份你的寫作風格分析報告，再把報告中的關鍵特徵提煉成一份 System Prompt，最後放進 Claude 的專案裡當作長期記憶。整個過程大概花幾個小時，但之後每次寫作的效率和品質提升非常明顯。這篇文章會把完整流程拆解給大家，附帶一些我過程中發現的有趣結論。

---

起因：AI 寫的東西，一眼就看得出來

老實說，我用 AI 輔助寫作已經一段時間了。從最早用 ChatGPT 幫忙列大綱，到後來讓 Claude 幫我起草一些社群貼文，工具確實越來越強。

但有個問題一直困擾我：AI 寫出來的東西，整個感覺不太行。

不是說內容有錯，邏輯通常都沒問題，該有的重點也都有。但讀起來就是有一股很明顯的「AI 味」。過度工整的段落排列、每段都差不多長、很愛用「不是 A 而是 B」這種句型、動不動就「值得注意的是」開頭、以及那個無處不在的「首先⋯⋯其次⋯⋯最後⋯⋯」三段式結構。

說白了，AI 寫出來的東西像是一篇很標準的範本，而這範本也不像作文，就是大量條列式，完全不像一個活生生的人寫的。如果直接拿去發，圈內朋友一看就知道這不是我的風格。

我如果不用 AI 純手寫也不是不行，以前就常寫，但你的產出效率會比不上別人，但我又不想像網路看到的那些文章，全都是 AI 的樣子，看起來很 low，也會活得像那些自己看不慣的人，這會讓我覺得痛苦。

所以到底有什麼方式讓「我的文章」讀起來像「我寫的」，但又可以有效率，有利用到 AI 的方式，所以就有了這篇。

---

第一步：讓 AI 把你的舊文章全部讀一遍

我的做法是這樣的：既然要讓 AI 模仿我，那它首先得知道我到底是怎麼寫東西的。光靠一句「請用輕鬆的語氣寫」是遠遠不夠的，因為每個人的「輕鬆」定義都不一樣。

我大概回顧過去，我有兩個平台的內容可以一次餵給 AI 分析：

1. Medium 部落格：上面大概有二十幾篇我這幾年寫的長文，主題從 DeFi 科普、會議心得、創業分享到產品介紹都有。
2. Facebook 個人頁面：我在臉書上發了非常多的短文和評論，從 2010 年到現在累積了幾千篇。

為什麼要兩個平台？因為 Medium 上的文章代表我「認真寫」的模式：有結構、有鋪陳、經過思考。而 Facebook 上的貼文則代表我「隨手寫」的模式：口語、即興、更接近我平常說話的方式。兩者合在一起比較可以完整呈現我的寫作人格。

以我自己的經驗，如果你只餵長文，AI 學到的會偏正式；如果只餵社群短文，又會太碎片化。所以兩個都來。

我怎麼讓 AI 爬我的文章：用 Claude Cowork

這邊要講一下具體的操作方式。我這次用的工具是 Anthropic 的 Claude Cowork，它是 Claude 桌面應用程式裡的一個功能，目前還在 Research Preview 階段。

Cowork 厲害的地方在於它可以直接操作瀏覽器。你不需要自己把文章一篇一篇複製貼上，也不用手動匯出什麼 JSON 檔，你只要給它你的 Medium 和 Facebook 網址，它就會自己打開瀏覽器，進到你的頁面，然後一篇一篇地讀。

實際操作大概是這樣的：

Medium 的部分，我把 https://medium.com/@wilsonhuang 這個網址丟給 Cowork，它會先進到我的 Profile 頁面，自動把所有文章的連結收集起來，然後逐篇打開、讀取全文內容。我的 Medium 上有二十幾篇文章，它大概花了十幾分鐘全部讀完。有些比較舊的文章因為 URL 結構不同（有些是被收錄到 publication 底下的），它找不到的時候會自動從 Profile 頁面點進去，還蠻聰明的。

Facebook 的部分稍微複雜一些，因為 Facebook 的動態牆是無限滾動的，沒辦法一次看到所有貼文。Cowork 的做法是不斷地往下滾動頁面，每滾一段就自動擷取新載入的貼文內容。我要求它至少讀到 2019 年的貼文，最後它滾了非常久，收集了超過四百篇也沒有到 2019 年，但我想說就算了，400 多篇也應該夠用，雖然沒有到上千篇。

整個過程我基本上是放著讓它自己跑，偶爾看一下進度。它會自動處理各種狀況，像是頁面載入超時就重試、文章 404 就跳過、Facebook 動態牆需要等待載入就自動等。不需要你寫任何程式碼或腳本。

如果你沒有用 Cowork，其實也有替代方案：

• 手動複製貼上：最土砲但最可靠的方式，把文章內容貼進一個文字檔，再餵給 Claude
• 匯出功能：有些平台有資料匯出功能（例如 Facebook 的「下載你的資訊」），可以拿到結構化的資料
• 瀏覽器外掛：市面上有一些文章擷取的外掛，可以批次匯出
• OpenClaw Profile：我在這之後有嘗試用龍蝦去試試看，但跟滑推特一樣，大概 10 - 20 篇之後就跟你說 TIMEOUT 的問題沒辦法解決，所以 Cowork 支援本機端 macOS 的應用還是蠻強的。

Cowork 的好處是它不只是擷取文字，它同時在閱讀和理解你的內容。所以當它讀完之後，它已經對你的寫作風格有了初步的認知，後面做分析時會更精準。

實作建議

不一定要像我一樣搞得這麼大陣仗。如果手邊沒有幾百篇文章，至少準備以下素材：

• 5-10 篇你最滿意的長文（部落格、Medium、電子報都算）
• 20-30 則你的社群貼文（Facebook、Twitter/X、Threads 都可以）
• 如果有的話，工作中的 email 或 Slack 訊息也很有參考價值，因為那代表你最不修飾的溝通方式

素材的時間跨度越長越好。我這次其實也只涵蓋了 2021 到 2026 年的內容，可以看到自己寫作風格的演變軌跡，這個發現本身就很有趣（後面會講）。

---

第二步：請 AI 產出一份寫作風格分析報告

素材準備好之後，下一步是請 AI 做一份系統性的分析。不是隨便問它「你覺得我的文章風格是什麼」，而是要求它從幾個具體維度來拆解。

我當時要求分析的三個維度是：

1. 口吻：我說話的語氣是什麼？是正式還是口語？有沒有特定的幽默模式？
2. 寫作方式：我的文章結構長什麼樣？開頭習慣怎麼起？結尾怎麼收？
3. 用字習慣：我有沒有常用的詞彙、片語、口頭禪？有沒有特殊的語言模式？

AI 的分析結果讓我相當驚訝。有些特徵我自己從來沒意識到，但回頭一看確實一直在用。

舉幾個例子：

我超愛用 TL;DR 開頭。 幾乎每篇 Medium 長文的開頭都有一段 TL;DR 摘要。我以為這只是偶爾為之，結果是一個非常固定的 pattern。

我的中英文混用有一套隱性規則。 技術名詞用英文、情感表達用中文、短評論偶爾整句英文。我從來沒有刻意規劃過這套規則，但數百篇文章看下來，這個 pattern 極其穩定。

我有一堆口頭禪自己完全不知道。 「不外乎」、「根本就是」、「說白了」、「共勉之」：這些詞我幾乎每隔幾篇就會用到，但如果你直接問我「你寫文章有什麼口頭禪」，我根本答不出來。

我的自嘲頻率比我以為的高很多。 分析報告指出我在表達觀點時經常加入自我調侃的元素，用來避免說教感。例如分享一個投資觀點後補一句「但我還是手忙腳亂沒做到」。我以為自己的文風偏專業分析型，結果自嘲太多根本不太嚴肅。

這個分析過程的價值在於：它讓你第一次用「第三人稱視角」看到自己的寫作。我們平常寫東西都是 autopilot 模式，很難抽離出來觀察自己的慣性。AI 的分析就像一面鏡子，照出你沒注意到的那些微表情。

實作建議

請 AI 分析時，要求它做到以下幾點：

• 要有具體的文字引用（「你常用『不外乎』這個詞」比「你的用詞偏口語」有用一百倍）
• 要有反面案例（「你幾乎不用『值得注意的是』這種官方表達」）
• 要有跨時間的觀察（「你 2019 年的文章比較認真，2022 年之後明顯更輕鬆」）
• 如果可能的話，讓 AI 比較你在不同平台上的風格差異

分析報告不用太長，但一定要夠具體。模糊的結論（「你的風格是輕鬆且專業的」）幾乎沒有實用價值。

---

第三步：把分析報告提煉成 System Prompt

這是整個流程中最核心的一步。你要把分析報告裡的發現，轉化成一份 AI 可以直接遵循的指令集，也就是 System Prompt。

這份 System Prompt 的結構我建議分成以下幾個區塊：

區塊一：身份背景

告訴 AI 你是誰、做什麼的、在什麼產業。這不是虛榮心作祟，而是因為你的專業背景會直接影響你的用詞和視角。一個 DeFi 創業者和一個食品業 PM 的寫作風格，即使同樣是「輕鬆口語」，出來的味道也完全不一樣。

區塊二：語氣規則

把你的口吻特徵寫成具體的「Do」和「Don't」。

例如：

• Do：用「我」開頭，可以穿插「老實說」、「說白了」
• Don't：不要用「筆者」、「本文」、「值得注意的是」

這裡要越具體越好。不要寫「語氣要輕鬆」，要寫「語氣像一個產業老手在跟朋友聊天，不是教授在講課」。

區塊三：用字清單

列出兩份清單：

1. 你會用的詞和片語（口頭禪清單）
2. 你絕對不會用的詞（禁忌清單）

第二份清單其實比第一份更重要。因為 AI 天生就有一些慣用的表達方式（「深入探討」、「全面解析」、「不僅⋯⋯更⋯⋯」），如果你不明確告訴它「這些詞我不用」，它就會自動塞進去。

我自己的禁忌清單裡有一條特別有意思：我之前在 Facebook 上吐槽過 LLM 超愛用「你的 XXX 不是 YYY，而是 ZZZ」這個句型，所以在 System Prompt 裡直接寫死了「絕對不要用這個句型」。結果效果奇好，AI 的輸出一下子自然很多。

區塊四：文章架構模板

把你最常用的文章結構寫下來。不同類型的內容可以有不同的模板。

以我為例：

• 長文：TL;DR 開頭 → 背景交代 → 分段論述（由淺入深）→ 前瞻性結尾
• 社群短文：一句話觀察、分享+短評、段落式反思
• 產品公告：個人化開場 → 重點資訊 → 行動呼籲

區塊五：核心信念

這個容易被忽略但超級重要。你的價值觀會影響你對任何主題的論述方向。如果 AI 不知道你的信念，它可能會寫出觀點跟你相反的內容。

我在 System Prompt 裡列了幾條核心信念，例如「教育和知識分享是產業進步的基礎：相信寫作和分享能推動整個產業往前。」、「獨立思考比追隨群眾重要：會鼓勵讀者多方查證、自己消化，而不是盲從任何 KOL。」。這些看起來很抽象，但會直接影響 AI 在寫投資相關內容時的立場和措辭。

區塊六：寫作禁忌

最後來一份「Anti-AI-味」的 checklist。把你觀察到的 AI 通病全部列出來，告訴它不要犯。

我列了十條，包括：不要每段都等長、不要過度使用轉折詞、不要用對稱排比句、段落長短要有變化等等。這份清單本質上就是在告訴 AI：「我知道你的壞習慣，請戒掉。」

---

第四步：放進 Claude 專案，開始迭代

System Prompt 寫好之後，去 Claude 建一個新專案，把 Prompt 貼進 Project Instructions 裡面。之後在這個專案裡的所有對話，Claude 都會自動套用你的寫作風格。

但這不是結束。

第一版的 System Prompt 一定不完美。你會發現 AI 有時候抓到了你的語氣，有時候又滑回 AI 模式。這時候就需要迭代。

我的迭代方式是：每次 AI 寫出來的東西讀起來「不對」的時候，我會停下來想：「到底是哪裡不對？」然後把發現的問題加回 System Prompt 裡。

舉個實際的迭代例子。最初幾次 AI 寫的文章，結構都太工整了，每個章節都有漂亮的開頭、中間、結尾，段落長度均勻得像是拿尺量過，有夠北七。但我自己的文章不是這樣，我的段落有時候就是一句話，有時候是一大段；有時候會突然插入一個短短的個人感想，打斷論述的節奏。

發現這個問題後，我在 System Prompt 裡加了一條：「段落長短要有變化，有時一句話一段，有時五六句一段，不要每段都等長。」加完之後效果明顯改善。

這個迭代過程根本就是在 debug 你自己的寫作風格，每次找到一個描述不夠精確的地方，修正它，然後重新測試。和寫程式 debug 的邏輯很像。

---

過程中學到的幾個有趣發現

做完整套流程之後，除了得到一個好用的寫作助手，我還收穫了一些意料之外的 insight。

你的寫作風格比你以為的穩定

我原本以為自己的寫作風格變化很大，畢竟從 2017 年寫到現在，人也經歷了很多。但 AI 分析完之後告訴我：你的核心語氣和用字習慣在這七八年間幾乎沒有大的改變。變的是主題和深度，但「你說話的方式」從頭到尾都是同一個人。

這個發現挺有意思的。就像每個人的聲音會隨著年紀改變，但音色特徵是不變的。文字也是一樣。

最好的 Prompt 是「禁止清單」

正向指令（「請用輕鬆的語氣」）的效果遠不如負向指令（「不要用以下這些詞」）。因為 AI 對「什麼是輕鬆」的理解跟你可能差很遠，但「不要用某個詞」是非常明確的、沒有模糊空間的指令。

所以如果你只能寫一份很短的 System Prompt，把篇幅留給禁忌清單。

你的社群短文比長文更能代表你

長文經過反覆修改、結構化、潤飾，已經離你的「原始說話方式」有一段距離了。反而是 Facebook 或 Twitter 上那些隨手發的短文，因為沒有經過太多加工，更接近你真實的語言節奏和用詞習慣。

如果你要餵給 AI 分析的素材有限，優先選社群短文。

「像你自己」是一種可以被量化的特徵

在做這件事之前，我一直覺得「寫作風格」是一個很玄的東西，很難被具體描述。但做完之後我發現，所謂的風格其實就是一堆可量化的特徵的組合：你用什麼詞、不用什麼詞、段落多長、比喻多頻繁、自嘲多不多、中英文怎麼混、結尾習慣怎麼收。

把這些特徵全部列出來，就得到了你的「寫作指紋」。而且這個指紋是可以教給 AI 的。

---

這套流程適合誰？

說白了，任何需要頻繁產出文字內容的人都適合。

自媒體創作者、企業創辦人、社群經營者、電子報作者⋯只要你的讀者期待的是「你」的聲音而不只是「正確的資訊」，這套方法就有價值。因為在 AI 產出的內容越來越氾濫的時代，讀者能認出「這是某某人寫的」這件事本身，就是一種護城河。

你花半天建好這套系統，之後每次寫作都會受益。而且 System Prompt 是活的，會隨著你的使用不斷迭代、越來越精準。

如果你想要更進一步，還可以針對不同類型的內容（產業分析、社群短文、正式文件）建立不同的 Prompt 變體。但第一步是先把你的「基礎人格」建起來，後面的延伸都是在這個基礎上加調味料而已。

---

最後

整套流程走下來，最大的收穫其實不是得到一個好用的 AI 寫作助手。而是透過這個過程，我第一次被迫認真審視自己到底是怎麼寫東西的。

我們每天都在用文字溝通，但很少有人真的停下來分析過自己的寫作模式。這件事本身的價值，搞不好比最後那份 System Prompt 還大。

以前有人說過：「如果你無法清楚地解釋一件事，代表你還不夠理解它。」同樣的邏輯，如果你無法清楚地描述自己的寫作風格，代表你對自己的理解還有很大的空間可以挖掘。