灵感式写作

「捕捉灵感碎片」

我之前提出过一个概念：编程式写作。

用Claude Code来处理写作任务，给它精简的上下文资料、明确的指示，然后由它来制定工作计划，先写提纲，再写全文，模块化地完成整个工作。

这个方法本身很简单，但问题在于，很多人仍然在问我：怎么用AI来写作？怎么编程式写作？

之前的编程式写作方法有个重大缺点，门槛比较高。

你要使用Claude Code，首先需要注册Claude账号。然后要学会使用一个IDE，像Cursor或者VS Code。你还要能管理终端、理解本地环境。对于非技术背景的人来说，这个学习成本太高了。

但这个问题也很好解决。

我发现了一个完美的解决方案：在Cherry Studio里调用Claude Code，同时把模型切换成Kimi的K2 Thinking。

Cherry Studio是一个的开源第三方模型客户端。它最近上新了编程Agent的功能——集成了Claude Code的SDK，还支持任意的模型切换。

这意味着，你现在可以在Cherry Studio里直接方便地使用Claude Code，不用再去注册Claude账号，不用再去管终端，不用再管什么本地环境。所有这些复杂的操作都消失了。

而K2 Thinking的思维链能力对处理复杂写作任务更有帮助，更重要的是国产，全过程不给邪恶Anthropic爆一分金币。

让我用一个具体的案例来演示这整个流程。

昨天我写的文章，就是完全用新的写作方法写出来的。

01

灵感式写作

第一步：捕捉灵感碎片

首先，怎样产生文章的想法？

我花了两三天的时间，密集地阅读彼得蒂尔的文章和播客。

在这个过程中，每次看到关键内容，我脑子里就会产生很多想法。但这些想法都是零散的、不完整的。每个想法本身都很好，但它们都只是碎片。

那怎样记录这些零散灵感呢？

我用了钉钉A1的录音卡片。这个录音卡有一个非常好的语音备忘录按键。你按下这一个按键，它就开始记录。松开按键，它就把录音自动发送到钉钉的聊天窗口里，再手动点一下转文字（谁给无招说一下，能不能改成自动转文字）。相当于一个实体版的微信语音按键。

所以我的准备流程是这样的：一边看彼得·蒂尔写的这些文章，一边随手用录音卡片，记录我的想法。

最后把所有这些想法汇总到一个文档里，彼得·蒂尔资料.txt。这个文件里面包含了原文的大量摘录，也包含了我相应的零散想法，还有AI的精辟回答。原文和想法混在一起，形成了一份混杂的资料。

第二步：建立项目文件夹

接下来，我创建了一个项目文件夹，用来存放这个写作任务的所有相关资料。

这个文件夹里最核心的参考资料是彼得·蒂尔资料.txt。同时我还收集了：一篇彼得·蒂尔之前写的文章、他创办的VC对技术停滞的完整论述、他和扎克伯格的邮件通信、他最近接受的一次专访。

以及文风参考。我放入了一篇我之前写的文章，作为AI学习我写作风格的范本。

还有一个具体的案例。我对一个案例印象非常深刻——Uber创始人对中国公司竞争能带来创新的论述。我专门去找到了这期播客，把这段话摘录下来，要求AI在文章中引用这个具体案例。

第三步：给AI明确的指令

准备好项目文件夹之后，我非我给了AI比较清晰的指令：

我的核心观点：彼得·蒂尔是一个媒体老师，因为他只能发现问题，但无法解决美国衰落这个最根本的问题。

我的重点参考资料是：你要重点参考彼得·蒂尔资料.txt这个文件作为整个文章的主要逻辑基础。

我的文风要求是：参考我之前写的炒作仙人孙宇晨文章的风格。

我的具体要求是：要引用Uber创始人对中国公司竞争的这个具体案例。

我的工作流程是：先建立项目文档，再写提纲。

我希望你首先把这一切更新工作计划。然后按照工作计划呢模块化的逐步的执行写提纲这个工作。

当然，这些指令是我口述的，由转录APP（闪电说，名字有点土炮，但是端侧模型，比Whisper快，好用）输入，所以，讲清楚自己的意图，说清楚你的具体要求和禁止事项，还是一个比较方便的事情。

第四步：模块化写作

提纲确认后，我让AI开始模块化地写作。这是核心步骤，因为Claude Code会自动确保每个部分都只有三四百字。这种任务拆解模式有什么好处？完全避免了幻觉问题。每一个小部分AI都能准确处理。

当然，写作过程说起来简单，但也不是一步到位的。中间也有几个修改过程。

比如标题就改过。我最初的标题是「彼得·蒂尔是一个媒体老师」，但写完全文后，我想把标题换成「彼得·蒂尔是中国的辱追梦男」。标题一换，我就让Claude Code根据新标题重新修改文章中的相应表述，确保核心观点被反复强调了。

中间还遇到过一个技术问题。

因为Cherry Studio现在还是测试版本，不太稳定，我遇到了一次上下文过长引起的API报错。我用了/clear命令清除了上下文，从头开始。好玩的是，因为我一开始就建立了完整的项目文档和提纲，AI重新根据这些清晰的文档来写，反而写出来更清晰了。

这给了我一个启发：AI也需要遗忘，就像人需要睡觉一样。清空冗余的上下文记忆，重新根据核心文档来执行，有时候效果会更好。

最后，AI自动把所有部分整合成一篇完整的文章。

成文大概5000字，整个写作过程花了两小时，主要是我写写停停，刷刷知乎

这篇文章的总成本约10块钱，我用的K2 Thinking Turbo高速版本，输出速度挺快，号称最高速度100 token/s，实际上执行一次比较复杂的任务也就花个一两分钟时间。

如果用普通版K2 Thinking，API成本会降到1/3，也就是3块多钱，一瓶冰红茶了属于是。

使用下来，K2 Thinking的文风模拟能力挺不错。

我给出的文风参考只有一篇我写的讲孙宇晨的文章，但最后的AI成文，我基本没有修改字词。只是删除了几个内容重复的段落，增加了一两句整活的表述。整篇文章读下来，仍然是非常明显的我的风格。

02

灵感>执行

更重要的其实是写作思路的改变。

之前我讲的编程式写作方法，要求你先完整地表达想法。你需要对着录音APP至少喷个十几分钟，把想法充分表达出来。这对表达能力是有比较高要求的。绝大部分人就是很难连贯性的说十几分钟话。

现在不需要了。

现在你可以随时随地的录音，把你的想法记录下来。

这些想法不需要完整，灵感碎片就行。你看某篇资料的时候，脑子里闪过一个想法，你就把它记录下来。这个想法可能只是半句话，可能只是一个观点，可能只是一个数据或者一个比喻。只是一个电光火石般的灵感。

然后，你把这些零散的想法放进一个文档里，喂给编程Agent，让AI来帮你梳理出一个连贯的逻辑，写出完整流畅的提纲，再让AI根据提纲来进行写作。

这进一步地降低了编程式写作的门槛。不需要表达能力，只需要零散的、不完整的想法。

创意工作就应该是这样的。

灵感比执行更重要，灵感比完整表述更重要。你不需要自己先想清楚再讲，只需记录闪现的想法。AI来帮你把灵感碎片串联成完整的叙事。

灵感往往是闪现的。当你在看资料、思考问题的时候，很多灵感就冒出来了。但如果你要求自己先把这些灵感组织成完整的二十分钟的表述，你反而会压制灵感的流动，憋久了容易忘记初心。

捕捉灵感碎片，后续交给AI来整理。这更符合创意工作的本质。

03

Just Download It

那怎样自己开始进行这种灵感式写作呢？非常简单，只需要两步前置准备。

首先，下载Cherry Studio（www.cherry-ai.com），在里面添加一个编程助手。

点击左上角-助手-下方的+添加助手

其次，去Kimi开放平台（platform.moonshot.cn）申请一个API密钥，然后把它填入Cherry Studio的设置里，选择K2 Thinking模型。

然后准备你的项目文件。这里有个很重要的原则：精要地给资料，而不是尽可能多地给资料。很多人的误区就在这里——想把所有相关的资料都塞进项目文件夹，结果AI的上下文变得非常复杂，反而写得更差。

你只需要三类文件放进项目文件夹。

首先是最核心的你的想法汇总。你阅读这些资料时产生的思考和灵感，把原文摘录、你相应的思考、AI精辟的回答，都放进这个文档里。

其次是背景资料。不是所有的相关资料，而是真正能驱动你写作的关键资料。比如彼得·蒂尔这篇文章，我没有把他所有的文章都扔进去，只选了一篇他本人写的文章、一篇近期采访和一份他和扎克伯格的邮件记录。

第三是一篇你满意的参考文章，让AI学习你的文风。就这三类，不需要更多。

准备好之后，打开Cherry Studio的Claude Code助手，充分讲清楚你的意图：要写什么、篇幅多长、核心观点是什么、重点参考哪个文件。让AI去扫描资料、建立提纲、制定执行计划。

关键是要让AI做结构化的工作，你只需要提供灵感、资料和明确的意图。

新的写作方法，关键在于思考流程的改变。

之前的AI写作方式，要求你先把想法完整地表达出来。你需要对着录音APP至少喷十几分钟，一次性地讲清楚你的想法，然后才能交给AI去执行。这对表达能力有很高的要求，而且会压制灵感的自然流动。

新的编程式写作方式是，你看到资料时脑子里冒出什么，就把什么记下来，不需要组织，不需要完整。

这些零散的想法混在一起，看起来很混乱，但恰恰是因为这种混乱，它们保留了最原始的、最有生命力的灵感。

然后，你把这些碎片交给AI去整理。AI来帮你梳理出逻辑、生成提纲、执行写作。

灵感往往就是在这种自由流动的状态下产生的。人不被要表达完整的压力束缚，反而能产生更多、更好、更新鲜的想法和创意。

（本文配图由 ChatGPT 生成，Claude Code within Cherry Studio +K2 Thinking 辅助写作）