用 AI 寫作最值錢的一步不是提示詞，而是把改稿反饋沉澱成複利
Katie 把 AI 從職業教練一路用到寫作插件：先為模型裝好上下文，再把每次改稿意見存回系統等它複利。對她來說，AI 的價值不止提效，也是幫她穩住情緒、繞過執行難關的支持系統。
核心論點 · 點時間戳可跳到原聲
請 AI 當教練，圖的是被追問不是被代想
在加密公司做編輯和代筆時被裁後，Katie 試過甲方、乙方和自由職業，仍覺得靠自己的想法已經走到頭。請真實職業教練太貴，她估算約 150 美元/小時，於是改用 20 美元/月的 ChatGPT。她沒有找人代想，而是把它當作外化思考的對象：講出自己的處境、讓它追問和反駁，尤其在她容易災難化時把她帶出自己。這套做法後來被她稱為「思考工具」。她甚至用它判斷是否接受 Every 的專欄邀約——當時 ChatGPT 建議她先試，結果她一路走到了現在。
— Katie Parrott一個人交付五個渠道，靠上下文不靠手速
2025 年初 Katie 自由職業時嚴重超額承諾：兩週期限內要交付 8 篇博客、3 本 ebook、24 條 LinkedIn、24 條 X、16 條 Instagram。能跑完不靠寫得快，而是她後來才意識到叫 context engineering 的做法：先把公司的品牌信息、產品細節、受眾和差異化一條條寫清楚，再讓模型生成。她前期搭這些上下文時很費力，但地基一旦搭好，後面的生產速度會變得非常快。她承認六個月後又重複了一次超額承諾——這套方法並沒有治好她的 overcommit 毛病。
— Katie Parrott沒有底層信息，風格約束只是空轉
項目裡該先放什麼，Katie 的觀點很明確：不是先規定「用這些詞、別用那些詞」「閱讀難度要低」，而是先給模型關於讀者是誰、痛在哪、產品怎麼對應痛點、競爭者和差異點的基礎檔案。她說這些是她做 content marketing 時寫 style guide 的本能，只是現在餵給了 AI。根基資料備齊後，才會輪到語氣、措辭和句法層面的約束。她對「風格」這件事的定位是：措辭問題會永遠糾纏下去，但沒有底層信息，風格約束只是空轉。
— Katie Parrott模型是廚房，新鮮食材只能靠人帶進來
她說的「數據」不是泛泛背景，而是模型知識截止日期之後發生、或在真實物理世界裡才有的一手材料：公司自己做的研究、第三方報告、具體的個人經歷。若只讓模型按它已經會的東西寫「style guide」，產出的都是 commoditized information。所以她要人負責的是「最後一英里」：把模型沒有的新資料帶進系統。她的比喻是模型是廚房、流程是切煮，但新鮮食材必須由人帶進廚房——輸入端的質量和新鮮度最終決定一篇稿子是不是值得讀。
— Katie ParrottAI 當支持性技術，和當生產工具一樣強
Katie 講了很少公開說的一層：她患有 bipolar disorder，會經歷高能量期，也要面對很長很長的低谷。在她這裡，AI 的價值不只是「高產」，更在降低日常生活摩擦，讓她更容易做成一個能正常運轉的人。她拖延了三年沒有預約的家庭醫生，最後讓 Codex 自動找到附近、接受她保險且收新患者的醫生並約好；收件箱也交給自動化先篩出真正需要她回覆的信，而不是讓她每天去翻一堆訂閱通知裡有沒有「炸彈」。她自己的說法是：AI 作為支持性技術，和生產性技術一樣強大。
— Katie Parrott職業教練不是一句 prompt，而是一個項目
當年那個「幫我做職業教練」的簡單 prompt，如今已經變成 Codex 裡的一個獨立項目：裡面有她自己的檔案和崗位定位、Every 的品牌定位情報、從 CMS 導出的文章表現數據、一個專門收集讀者好評的 validation 文件夾，以及 Q2/Q3 的 OKR。很多資料不是她手動整理的：她學 Alex Duffy 的辦法，讓 AI 採訪自己，把腦中想法問出來並整理成文檔。她現在越來越多直接用語音「自言自語」跟它對話，讓它排優先級、做項目管理、維護看板。她甚至已經忘了看板裡有什麼，只會在需要時問一句某個交付物的截止日期。
— Katie Parrott寫作也該像工程：同一個問題只糾正一次
Compound Writing 的起點是 fork Kieran 的 Compound Engineering：工程裡系統應記住每次反饋，同一個問題只糾正一次，下次自動做對；寫作也該如此。她把工程版的 brainstorming、planning、working、reviewing 映射成寫作的頭腦風暴、提綱、草稿和審稿，並設計了三種 review：substantive edit 看整體結構與論點，line edit 逐句打磨，最後再做一遍 publication-ready 的終檢。她現在不再開網頁 chat 窗口，而是用 Claude 或 ChatGPT 的桌面端跑這套系統，風格指南、示範文章等上下文都在裡面，人只需要把新鮮信息帶進去。插件在錄製時已經可以從 Every 的 GitHub 下載。
— Katie Parrott這個插件是健身房，不是代筆機器
她管這個插件叫 gym，目標是讓使用者變強而不是讓 AI 代筆。她把喜歡的作者拆成可調用的 reviewer skill：馮內古特講「儘量貼近結尾開始、每句話都要掙得自己的位置、給讀者一個可以支持的角色」；希區柯克講「桌下炸彈」——如果先讓觀眾看見倒計時，一秒鐘驚嚇就變成五分鐘懸念。她把這些框架直接做進編輯步驟，寫完可以 invoke Vonnegut、Hitchcock、Sorkin、Sedaris 來看自己的稿子。她認為非職業寫作者甚至更容易受益，因為沒有「我原來怎麼寫更好」的存量執念擋路。
— Katie Parrott原話 · 已逐字校驗
Clarity, it turns out, doesn't arrive gift wrapped from a digital assistant or even a human coach. It's something I had to dig out for myself, question by question and prompt by prompt.
事實證明，清晰不是由數字助手甚至人類教練包裝好送來的；它必須由我一個問題一個問題、一段提示一段提示地自己挖出來。
Natalia Quintero5:13
But when you have that environment set up, you can just kind of run and like run fast.
一旦環境搭好，你幾乎可以撒腿就跑，而且跑得很快。
Katie Parrott10:28
So the data is the unique insight, the data point that the model doesn't have access to yet, the personal experience, all of those things that are working are ultimately going to make the writing unique.
所謂數據，就是模型還沒有的獨特洞見、它夠不到的數據點，以及個人經驗；這些真正參與進來的東西，最終決定一篇寫作是否獨特。
Katie Parrott17:45
AI is just as powerful as a supportive technology.
AI 作為「支持性技術」的力量，和生產性技術一樣強大。
Katie Parrott22:50
So compounding is the idea that every piece of feedback that you give to AI should feed back into the system to improve the next output.
複利的意思是：你給 AI 的每條反饋，都應該回流進系統，用來改進下一次輸出。
Katie Parrott32:09
if there's a bomb under the table and it explodes, that's a one moment of surprise. But if you have people sitting around the table and you show the audience the bomb under the table and say this bomb will go off in five minutes, now you have five minutes of suspense.
如果桌下有顆炸彈而且爆炸了，那只是一瞬間的意外；但如果讓觀眾看到桌下的炸彈，並告訴他們五分鐘後會炸，你就擁有了五分鐘的懸念。
Katie Parrott40:19
what I want to challenge the AI community with is thinking about how we can expand those kinds of opportunities to more people and more kinds of people in more different places.
我想拋給 AI 社區的挑戰是：我們能不能把這些機會，擴展到更多地方、更多種類的更多人手裡。
Katie Parrott46:32
數字與實體
| Katie 當時對比的真實職業教練成本與 ChatGPT 訂閱成本 | 約 150 美元/小時 vs 20 美元/月 | 4:12 |
| 拖延了多久才去預約家庭醫生 | 3 年 | 23:53 |
術語
- Compound Engineering複利式工程
- 讓 AI 記住每次反饋，同一條糾正只給一次，之後自動應用，輸出持續變好。
- Compound Writing複利式寫作插件
- Katie 把複利式工程移植到寫作流程，沉澱風格、結構和審稿反饋的插件。
- context engineering上下文工程
- 在讓模型寫作前，先把品牌、受眾、競品等背景信息裝進系統，給 AI 設定邊界。
- supportive technology支持性技術
- AI 不負責產出內容，而是降低生活與執行阻力，讓人更容易把該做的事做完。
- MCP模型上下文協議
- 連接模型與外部數據、應用的通用接口標準，Katie 用它讓小應用與自己所用工具聯動。
收聽指南
做內容、寫公眾號或深度稿的記者與編輯，以及把 AI 當成個人生產力系統來搭的獨立開發者；尤其適合卡在 AI 產出同質化、想建立自己工作流的人。
1:04 前的預告和 21:48 的贊助口播可跳過；主體內容從 8:26 一直有價值到結尾。