← 返回全部情报
Every 撰稿人把写作流程做成插件:Fork「Compound Engineering」改出 Compound Writing,让 Vonnegut、Hitchcock 当审稿技能 的封面

·Every·播客收录 2026-09-29

Every 撰稿人把写作流程做成插件:Fork「Compound Engineering」改出 Compound Writing,让 Vonnegut、Hitchcock 当审稿技能

Compound Writing上下文工程写作插件CodexAI 写作

一句话结论

Katie Parrott 的 AI 写作方法是「先搭厨房,再带新鲜食材」:受众、差异化、风格指南等可固化的东西沉淀成上下文文件和插件流程(头脑风暴→大纲→初稿→实质编辑→逐行编辑→终审),每篇只由人补上模型没有的一手经验和数据;她把 Every 的 Compound Engineering 插件 fork 成 Compound Writing,并把名家写作框架做成审稿技能。

打开原文 Every|AI & I:How an Every Staff Writer Developed Compound Writing

背景与理念

这期 Every 的 AI & I 播客(2026-09-02 发布)由 Every 咨询负责人 Natalia Quintero 主持,嘉宾是 Every 撰稿人 Katie Parrott,同时预告了她做的实验性插件 Compound Writing——它受 Kieran Klaassen 的 Compound Engineering 启发,目的是让外部读者「像 Every 内部那样用 AI 写作」。Katie 的起点并不光鲜:两年前她被一家加密公司裁员(在那里做编辑和代笔),当时付不起一小时 150 美元的职业教练,于是用每月 20 美元的 ChatGPT 当职业教练,外化思考、被追问、被挑战。她当时写下的一句话成为全集的底色:清晰不会被数字助手包装好送上门,得一个问题一个问题、一条提示一条提示地挖出来。

她对 AI 写作的核心判断是「最后一公里」:模型有知识截止日期,也不在真实世界里,人要补上的是截止日期之后和现实中发生的一手经验、独有数据和洞见。只让模型「写一篇关于风格指南的文章」,得到的就是同质化内容。她用厨房作比:模型是厨房,大纲是切配,成稿是烹煮,但食材必须新鲜。

具体做法

一、上下文先于文字规则。2025 年初做自由职业时,她一度在两周内接下 8 篇博客、3 本电子书、24 条 LinkedIn、24 条 X、16 条 Instagram 等内容。办法是做后来被称为「上下文工程」的准备:沿用内容营销里写风格指南的套路,先写清受众是谁、痛点是什么、产品如何对应痛点、竞品是谁、差异点在哪。最初没有 Projects,只能把这些常驻文档放在 Google Doc 里手动粘贴;Claude Projects 出来后,她给每个客户、每个专栏各建一个项目,用项目文档加自定义指令固定下来。她强调顺序:先有数据、受众画像和框架,再谈「用哪些词、避开哪些词、什么阅读难度、什么语气」。

二、职业教练升级为 Codex 项目。现在它有关于她本人与岗位的档案,有 Every 市场负责人 Douglas 给的品牌定位资料,帮她排优先级、做项目管理、维护看板。文件夹包括:evidence(她定期把内容管理系统的数据抓到表格里,了解文章表现)、读者反馈、她称为「validation」的好评收集夹(让模型知道读者喜欢她什么)、references(岗位定位)、季度 OKR 等。这些文档大多不是她手写的,而是让 AI 采访她生成的——「问我问题,把我对这件事的想法引出来」,这个技巧来自同事 Alex Duffy。日常交互基本靠 Every 的语音输入工具 Monologue。

三、Compound Writing 插件。所谓「复利」,是每条反馈都回流进系统,同一条意见只需给一次。她把 Compound Engineering 插件拉下来,直接跟 Claude 说要把它改成写作版:工程版有头脑风暴、构思、计划、执行、评审;写作版对应头脑风暴、大纲、初稿、评审,但评审关注的是结构、语气、证据而非代码规范。她要求两种编辑:看全局结构与论证的实质编辑,和看具体句子的逐行编辑,最后再加一道达到可发布状态的终审。插件结合了 Compound Engineering 和 Dan Shipper 的 agent-native 架构指南,现在她写每篇稿都用它,工作地点从聊天窗口换成了 Claude 或 ChatGPT 桌面应用,常驻上下文仍是风格指南和范文。插件已在 Every 的 GitHub 上公开。

关键数据/例子

  1. 审稿技能:把 Kurt Vonnegut 的故事结构原则做成 skill(如「尽量从接近结尾处开始」「每句话都要挣到自己的位置」「给读者一个能支持的角色」);把 Hitchcock「桌下炸弹」的悬念原则做成检查「是否让读者前倾、想知道接下来发生什么」的 skill;另有 Sorkin,以及用于幽默的 Sedaris。她说这不是让作家的灵魂来审稿,而是借用可提炼的框架;她把插件比作「健身房」。
  2. 「电脑跑腿」:她拖了约三年没约家庭医生,后来让 Codex 去找附近接受她保险、仍在收新病人的医生,直接约上。她还用 Codex 做了自动化,定时告诉她收件箱里哪些邮件需要亲自回复,「收件箱焦虑彻底解决了」。主持人补充自己第一次按时报销保险,因为 Codex 在帮她填报销。
  3. 安全教训:她给自己做的 Tastemaker 应用(从欣赏的文章里摘片段、提炼成风格指南)加了一个 MCP,Claude 顺手就建好了;后来让 Codex 审查,指出了 5 个安全漏洞——当时她用的 Compound Engineering 版本还没有更完善的安全检查。
  4. 她将于 11 月 5 日在 Every 的 Thesis 大会(Pioneer Works)演讲,观点是「教育与获取渠道将比以往更重要」。

创新点

第一,把「写作流程」而非「提示词」产品化:阶段、评审类型、终审标准固化在插件里,个人偏好沉淀为可复用技能。第二,把名家方法论拆成可调用的审稿视角,让作者按需「召唤」不同编辑。第三,上下文文件由 AI 采访人生成,降低搭建成本。第四,明确分工:可固化的交给系统,一手经验和数据由人提供。信息缺口:Every 网站上的文字稿对非订阅用户只开放开头部分,本条细节依据 Every 节目页的时间轴和 YouTube 视频自动字幕;字幕中个别产品名(如邮件工具)识别不清,已略去。

可否复用

  1. 给经常要写的每类内容(情报摘要、周报、对外文章)各建一份文档作为「厨房」,写清受众是谁、他们关心什么、作者自己的独特视角、3 篇范文、禁用表达;每次写作时把它连同本次的一手材料一起喂给模型。
  2. 让 AI 采访你来生成这些文件:直接说「请一次问我一个问题,帮我梳理这个专栏的受众和差异化,问够 10 个问题后整理成风格指南」。
  3. 把写作拆成固定阶段并各配一条指令:大纲 → 初稿 → 实质编辑(只看结构和论证)→ 逐行编辑(只看句子)→ 终审(事实、数字、链接逐条核对),不要一步让模型「写好」。
  4. 做 2–3 个审稿技能:比如「从接近结尾处开始、每句话都要有用」的精简审稿,「读者是否想读下去」的悬念审稿,以及「每个数字和引语是否有原文出处」的事实审稿,写完依次跑一遍。
  5. 建一个「复利」习惯:每次你手动改了 AI 稿里的同一类问题,就把它补进风格指南或审稿技能,下次不用再改。
  6. 自己用 AI 搭的小工具(尤其带 MCP 或对外接口的),上线前换另一个模型专门做一次安全审查,要求列出漏洞和修复建议。

笔记会在输入时自动保存。