让 Conversationalist 当 30 天私人编辑器，我删了 70% 的开头
番茄投稿稿第一版 4200 字，反问 5 轮后剩 1280 字。这不是 AI 写的，是我写的——AI 只是反问。Conversationalist 模式的核心不是 prompt，是节奏。
一句话总结：Conversationalist 模式跟 Commander 完全相反——不是发 brief 等结果，是来回问 5 轮。它不替你写，它反问你为什么要这样写。30 天后我发现：最难删的稿子，AI 一问就明白该删哪儿。
任务源头
《妖管局》第 1 章番茄投稿稿，第一版 4200 字（超过 3000 字上限 40%）。我自己觉得「还行」——开场有钩子、中段有冲突、结尾有悬念。但投出去前我想再打磨一遍。
按以前的做法，我会让编辑朋友看一遍，等 3 天，反馈 5 个模糊意见（“节奏可以更紧”、“主角立得不够”），然后我自己消化 2 天再改。
这次用 Mavis（Conversationalist 模式）——AI 不替我改稿，它反问我为什么这样写。这一字之差，是关键。
下面是 5 轮反问的真实记录。
5 轮反问时间线：约 90 分钟
| 轮次 | 我抛什么 | AI 反问什么 | 我回答 |
|---|---|---|---|
| 1 | 「这是开场 800 字，帮我看看」 | 「主角第一句话在自我介绍还是制造悬念？」 | 「自我介绍多一点」 |
| 2 | 「嗯，我想着先让读者认识他」 | 「4200 字里有多少字是『让读者认识他』的？算一下」 | 「大概……2000 字」 |
| 3 | 「2000 字有点多，但我觉得都需要」 | 「如果删掉『让读者认识他』的 50%，第 1 章还能立住吗？试删一版给我看」 | 「试一下」 |
| 4 | 「删后 2800 字」 | 「现在还有 1800 字是『背景设定』。主角的钩子在前 800 字里出现了几次？」 | 「呃……2 次」 |
| 5 | 「够了，结尾我重写」 | 「好。重写时记住一件事：主角的钩子在前 800 字里要出现 3 次」 | 「明白」 |
净 90 分钟。其中 30 分钟是我在消化反问、试删、重写。AI 的输出只有 5 句话——它只反问，不建议。
最终稿：1280 字
比第一版 4200 字少了 2920 字，删了 70%。前 800 字里主角钩子出现 3 次（开头 / 第 350 字 / 第 720 字）。
删掉的不是废话，是「我以为读者需要的信息」。原来我默认读者不了解妖管局的世界观，花 2000 字铺垫。AI 反问后我才意识到：番茄读者 7 秒就划走，前 800 字没钩子，后面写得再好也没人看。
决策点 1：什么时候听 AI 的反问、什么时候坚持
5 轮反问里我有 2 次想坚持：
- 第 1 轮：被问「主角第一句话是自我介绍还是制造悬念」时，我本能想辩解「我的开头是钩子啊」
- 第 3 轮：被问「能不能删 50%」时，我本能想反驳「这些都需要」
我的判断标准：
如果 AI 的反问指向「具体的技术问题」（节奏、密度、钩子频次）→ 听 如果 AI 的反问指向「主观判断」（你这样写好不好）→ 自己决定
第 1 轮指向技术（钩子 vs 自我介绍）→ 听 第 3 轮指向技术（能不能试删）→ 听
如果 AI 反问「你觉得这样写有情感吗」——这是主观问题，我不会听，因为我自己知道有没有。
决策点 2：多轮对话的上下文怎么管
Conversationalist 模式最大的坑是上下文污染——第 4 轮它忘了第 1 轮的钩子定义，重新问一遍。
5 轮里我用了 3 个方法防止：
- 每轮开头复述约束：「记住，我们这一章是 3000 字以内，主角钩子要出现 3 次」
- 关键判断存到外部：第 1 轮的「自我介绍 vs 钩子」判断我写到了 Notion 里，第 3 轮 AI 跑偏时我能引用
- 每 2 轮做一次 summary：第 4 轮开头我贴了「第 1-3 轮共识：删 50% 设定字，钩子前 800 字 2 次」
没有这些机制，第 4 轮它会忘记第 1 轮的钩子定义，开始质疑我已经删过的内容——Conversationalist 模式不是「让它自由聊天」，是「给它一个 5 轮的对话剧本」。
决策点 3：反问的颗粒度
AI 反问的质量决定一切：
| 反问类型 | 例子 | 我的反应 |
|---|---|---|
| 模糊型 | 「这段写得不够好」 | 没用 |
| 建议型 | 「建议把第 2 段删掉」 | 没用（它是 AI 不是编辑） |
| 数据型 | 「主角钩子在前 800 字出现几次」 | 触发我自查 |
| 选择型 | 「开头是自我介绍还是制造悬念」 | 强迫我选一个 |
5 轮里 AI 全部用了「数据型 + 选择型」——这是 Conversationalist 模式的精髓。
我的 prompt 模板（每次对话开头贴）：
# 任务
我是网文作者，正在打磨第 1 章投稿稿。
# 你的角色
Conversationalist 编辑。反问我为什么这样写，**不替我改**。
# 反问原则
- 用数据反问（"前 800 字钩子出现几次"）
- 用选择反问（"这段是 A 还是 B"）
- **不要**给我建议
- **不要**给我改稿
# 当前稿子
[粘贴文本]
最后一行最关键：「不要给我建议」。AI 一旦开始给建议，Conversationalist 就退化成 Commander——它会开始替你决策，你的判断力就被污染了。
token 账单
5 轮反问的 API 花费：
| 阶段 | 输入 token | 输出 token | 费用 |
|---|---|---|---|
| 第 1-2 轮（让它理解稿子） | 22k | 4k | $0.34 |
| 第 3 轮（试删 2800 字版本） | 18k | 8k | $0.34 |
| 第 4-5 轮（钩子密度分析） | 14k | 3k | $0.22 |
| 合计 | 54k | 15k | $0.90 |
同样 90 分钟让编辑朋友看：3 天等待 + 5 个模糊意见 + 自己消化 2 天 = 5 天。AI 帮我省了 5 天，前提是 prompt 里写清「不要给我建议」。
给也想用 Conversationalist 的朋友的 3 条建议
1. Conversationalist 模式只对「你自己已经写过一遍」的内容有效。如果第一稿还没写，让 AI 反问什么？——它只能问你”你想写什么”，那是 Commander 干的活。
2. 反问的颗粒度决定上限。模糊反问（“写得好不好”）= 没用的反馈。数据反问（“钩子几次”）= 触发你自查。选择反问（“A 还是 B”）= 强迫你决策。prompt 里写死这三种格式，AI 才会用。
3. 每 2 轮做一次 summary，写到 Notion 里。Conversationalist 模式的失败模式就是”第 5 轮它忘了第 1 轮的判断”。我每次总结 3 句话：删了什么 / 改了什么 / 还剩什么。第 5 轮 AI 跑偏时我能引用第 1 轮的判断。
现场
对比图：
| 维度 | 第一版 | 第五版 |
|---|---|---|
| 字数 | 4200 | 1280 |
| 前 800 字钩子次数 | 1 | 3 |
| ”我以为读者需要”的设定 | 2000 字 | 0 字 |
| 自己觉得”还行”的部分 | 80% | 30% |
关键数据：第二版（删 50% 设定后 2800 字）我自己读还是觉得”挺好”。AI 反问后才意识到——好不是”我读着舒服”，是”读者 7 秒内会留下来”。这两件事不一样。
附：30 天里我用 Conversationalist 模式打磨过的东西
《妖管局》第 1 章：4200 → 1280 字（70% 删除）
MOCHA MILE 首页 hero 文案：3 稿反问，第 2 稿通过
怪招本 v3 type 命名 brief：反问 3 轮后定了 5 个 type
给团队的内部分享大纲：反问 4 轮后砍掉 40% 内容
共同模式：所有东西都先”我写了一版” → 反问 3-5 轮 → 删 30-70%。AI 不替我写，它反问我为什么。
下一篇写 Supervisor——它跟 Conversationalist 的差别不是 prompt，是视角。Conversationalist 反问作者，Supervisor 反问别人。
— 怪招本 #007 · 2026-06-28