读完不会一夜爆款。会有一套越跑越顺的流程。爆款是流程跑顺之后的副产品。
第一步：选题来自你已经在做的事
最稳的选题不是去追热点，而是去找你已经在做的事情。我自己每条稿子都来自三个池子：
- 池子 1：日常工作——写代码、做 AI 项目、踩过的坑
- 池子 2：个人爱好——折腾设备、买东西、群里吹牛、散步胡思乱想
- 池子 3：聊出来的真实问题——朋友抛过来的具体困惑
为什么必须从这三个池子里挖？因为只有这些题目你能持续输出。热点会变化，你的兴趣不会。一个题目今天能写、半年后还能补充、明年回头看还有新角度，才是可持续选题。
光从兴趣里挖还不够，还要让 X 的算法帮你推。方法是把热点叠进去：
- 热点关键词：claude、agent、ai、gpt 这类词
- 人设方向：实战派、AI 博主、健康博主、心灵导师
- 真实经历：我又发现了一个 AI 小技巧、我朋友最近遇到一件事
同一个热点，别人用一行字蹭，你用「人设 + 真实经历 + 选题池子」蹭，效果完全不一样。
搞清楚你写给谁看
这一步 90% 的人会跳过，直接开始写，然后发现自己的稿子谁都不想读。每次发稿前我都会问自己两个问题。
Q1：你想吸引同频的人，还是不同维度的人？他们要的是什么？
举我自己的例子。我做 AI 工程相关工作，跑过的工具栈、踩过的技术坑，在 X 上保守估计排前 1%——稍微有点资本吹牛。
但如果我每篇都为这前 1% 写——讲底层、讲源码、讲推理优化——读者池小到爆款都难。真正能让你破圈的是另外那 99%——对 AI 感兴趣、还没把 AI 用顺、想看真人怎么实操、希望降低自己学习成本的那群人。
换句话说：用前 1% 的技术认知，写给 99% 的好奇者看。
Q2：你扮演什么角色？
我试过几种人设，最后只有「坦诚型」走通了。有一条评论我现在都记得原话：「实践哥？你这个东西还没有实践过，叫个毛的实践哥瞎评论？」
我盯着屏幕看了很久，气过、想反驳、想骂回去。最后我做了件事：把那篇删了——确实没实操，写得心虚。当时还是憋了挺久。但回头看，那是负反馈，比正反馈还重要。从那篇之后，我的选题方向真的变了。
第二步：写法跟着平台逻辑走
X 上没有读者，只有路过的人。
我有个朋友，公众号能写 10 万+。她兴冲冲把同一篇原文搬到 X，一共 7 个转发——其中 5 个是她自己的小号，1 个是我帮她转的。她以为是粉丝池没起来，但根本原因是平台底层的传播机制完全不同。X 主要靠转发和二次扩散，而不是关注关系做内圈分发。
这意味着写法上要刻意调整：
- 段落短，断行多——移动端为主，长段在 X 上根本读不下去
- 首条钩子要硬——前两行决定有没有人滑下去看完
- 结构要可截图——让二转的人有抓手
我每周复盘看三件事：
- 爆的稿：哪几篇阅读 / 转发明显高于平均？爆的那条共性是什么？
- 沉的稿：哪几篇明显低于平均？是题目错了还是写法错了？
- 用户画像：来读我的人有没有变化？
我自己后台数据里，移动端读者占 76.4%。这一条是整套流程里最关键的反馈——它决定了你写每一段时脑子里要装的设备形态。
第三步：写完先放一放，再润色
写完一篇稿子，不要立刻发。
这是整套流程里最反直觉、也最有用的一条。新手期我经常犯一个错误：写完就发，那一小时里我以为这篇会破 100。结果第二天醒来再读，自己都皱眉。
我现在有个硬标准：写完至少放 2 小时，最好睡一觉、散个步再回来读一遍。
之前发出去后悔率大概每 3 篇有 1 篇，加了这 2 小时之后接近 0。
为什么必须等？我喜欢拿大模型的上下文做类比。LLM 在 context 里搞不清谁好谁差，你也一样。你刚写完的稿子，脑子还热着，所有的语义、所有的脉络都跟稿子绑在一起，你读它的时候是在「补全」，不是在「评判」。给自己一段「clear context」的时间，是写作里最便宜的杠杆。
读者读到的是你的第二版或第三版。你写完就发，读者读到的是你的第一版——一个连明天的自己都还没认可的版本。忍住马上发射的冲动。
把流程封装成一个 skill
每篇发稿前，确定三件事：
- 定角色——一句话：「我是那个 __ 型博主」，半年别换
- 找受益人——「谁会因这篇受益」，答不出具体一类人就重写
- 冷一冷——至少放 2 小时，让读者读到的是第二/三版
90% 的博主连这 3 件都没做齐，所以爆了不知道为啥爆，沉了不知道为啥沉。
手动过一遍很容易偷懒。把上面这套规则写成 prompt，丢进 Claude / Codex / DeepSeek 创建一个 skill，每次写完丢给它跑一遍。用法很简单：
写完 → 丢进 skill → 改一版 → 等 2 小时或睡一觉 → 再发
skill 的核心是把「角色一致性、目标读者覆盖、可读性、首条钩子、平台适配」这几项变成可机械检查的清单，让你在最热乎的那几分钟里听机器的话，而不是听情绪的话。
审稿模型选择
skill 做完之后，审稿这种活其实没必要每次都掏旗舰模型。每次审稿都开新上下文很贵。我自己现在的组合是：用 Claude 做 skill 创建，用 Claudian + Ling-2.6-1T 做日常审稿，在同级别模型里属于 SOTA，定位就是给「读文档 + 调脚本 + 跑循环」这种 agent 工作流用的，跟写作 skill 这种重复跑的场景非常贴合。
跑了一周下来最直观的感受：写长稿不会写到一半逻辑跑偏——这点对做长内容的博主特别重要。它通过 Novita Labs 在 OpenRouter 上线，目前还有一周免费试用。
大多数人卡的不是选题，也不是写法，而是「写完不敢发」或者「发完就后悔」。把流程交给 skill 之后，决策成本会显著下降——你不再需要每次都在脑子里跑一遍清单，机器替你跑就好。
今天就能动手的最小动作：把第三步的 2 小时冷却写进你的发稿习惯里，明天再来看你昨天那篇稿子，你会想改的地方比你以为的多得多。