AI 自動寫文章第一週：我們發現 AI 在捏造，然後做了 9 件事

「讓 AI 每天自動寫 5 篇文章，最難的部分是什麼？」

不是寫文章。是讓它停止說謊。

6/8 我把自動發文系統跑起來了。 Claude Opus 定時觸發，讀章節，生文章，git push 上架。 理論上：每天五篇，全自動，不用介入。

然後我仔細讀了那些文章。

其中一篇有這句：「根據最新研究，AI 創作者的收入提升了 340%」

我回去查原始資料。沒有這個數字。根本沒有。 AI 自己生出來的——因為它覺得「這裡放個數字比較有說服力」。

這不是筆誤。是環境設計的問題。

坑 1：數字是假的

沒有來源的百分比、研究引用、金額——AI 把「看起來合理」的數字填進去。 我沒有設定「不能自己發明數字」，它就填了。

坑 2：角色跑錯站

五個站台各有各的主理人設定。 有一篇把 A 站主理人的名字和事蹟，混進了 B 站的文章。 對讀者來說：「這個人說自己在做 AI 音樂，但文章講的是 AI 畫圖」——可信度直接崩掉。

坑 3：開場讓人想關掉

「本文將介紹如何利用 AI 工具提升效率，以下是三個步驟……」 說明書語氣。沒有人想讀。 讀者讀完第一段就關掉了。

這三個問題的來源是同一個。

我給 AI 的工作環境，沒有設清楚邊界。

就像你叫一個人去幫你做事，但沒告訴他「什麼不能做」「什麼一定要查」「什麼算失敗」——他就會用自己覺得合理的方式填補所有空格。

這件事叫做 Harness Engineering：設計讓 AI 工具表現最好的工作環境。

問題不是 Claude Opus 不夠強。問題是我的環境設計太鬆了。

P1 章節排程（只讀今天的，不讀全書）

以前：AI 自己決定今天要從哪裡找靈感，容易失焦或重複。 現在：建 30 天章節表，每天只讀今天指定的範圍——約 5,000–12,000 字，不是全書的 103,000 字。Token 省了 95%，論點來源也能追溯。

P2 寫作模板庫

從真實好文章萃取技法，整理成模板庫。每篇動筆前先讀，套 2–3 個（結論先行、具體數字、作者判斷）。不從空白開始。

P3 開場公式 A / B / C

強制開場必選一種：

• A型：描述讀者的一個日常動作 → 點出背後問題 → 「這不是你的問題」
• B型：直接點名一個說不出口的感受 → 「有人看見了」
• C型：問一個反直覺的問題 → 給出反常識答案

說明書式開場？一出現直接重寫。

H1 術語橋接（翻成讀者的語言才動筆）

五個站台讀者群不同，同一個概念要用不同說法。 動筆前，必須先把核心概念翻成該站讀者的日常語言，才能開始寫。

H2 查詢滲漏測試

準備階段會宣告「今日目標查詢」，那是給自己看的 meta 資訊，不能進正文。 現在 git push 前，搜尋文章本體確認它不存在。

H3 反虛構鐵律（這個最重要）

文章裡所有數字——百分比、金額、時間、人數——必須來自原始章節，或主理人的真實紀錄。 沒有出處的數字一律刪掉，改用具體對比： 「以前要 3 小時，現在 20 分鐘」。有畫面，是真的。

H4 發布前 5 點自查

git push 之前強制停下來確認：

□ 角色身份屬於本站？
□ 所有數字有原始出處？
□ 開場用了 A/B/C 公式？
□ 準備階段 meta 資訊沒進正文？
□ 結尾有今天能執行的具體動作？

5 點全過才能推。有一點不過就修，不能跳過。

H5 反例庫（知道什麼是 Fail）

把第一週真實出現過的失敗句子整理成一個檔案。每次執行前都要讀。 不只知道「要做什麼」——也知道「做這個就是直接 Fail」。

H6 角色鎖定（零容忍跨站混淆）

建明確的對應表：哪個主理人只屬於哪個站。 跨站混淆是嚴重錯誤。不是「小疏漏」——是零容忍。

這 9 件事都進了 AGENTS.md——自動化系統的作戰手冊。 每次執行前都要讀，不讀不能動筆。

第一週讓我意識到一件事：

讓 AI 自動運作的難點，不在教它寫文章，在設計讓它無法做錯的環境。

模型夠聰明了。幾乎所有問題都是環境設計問題。

今天能做的一件事：

如果你也在用 Claude Code 跑任何自動化—— 去看看你給 AI 的指令裡，有沒有「沒說不能做就會做」的空隙。 把那個空隙寫成明確的禁止規則，放進去。

這就是讓自動化系統跑穩的基礎。