工具再聪明，提示词再花哨，也替代不了你对行业的嗅觉。现在不少人用AI写稿，一天能水几十篇，但读者看完啥也记不住。全是AI咀嚼过的二手信息，没一点人味。
以前看到贝斯特发公告说人形机器人业务半年营收22万，老编辑第一反应是去查它到底卖给了谁，是不是在蹭热点炒股价。现在把这公告丢给大模型，它只会给你总结一句公司提示业务规模较小存在不确定性。AI能帮你秒提炼财报数据，但判断这公司是不是在割韭菜，还得靠你混迹圈子里的直觉。
再看苹果折叠屏那个料，郭明錤说初期出货700万到800万部，转售溢价50%到100%。AI写出来就是苹果折叠屏手机预计供不应求。但你稍微懂点供应链就知道，这大概率是上下游在提前放风测试市场反应，甚至是在为后续的高定价找借口。这种对行业水深的体感，大模型那几行代码算不出来。
把机械的拼凑活儿交给AI，把省下来的脑细胞用来做深度判断。别把脑子全交给机器，留点时间去做那些AI做不到的事。去跟供应商喝个茶，去车间里摸摸实车的接缝，去戳破那些公关稿里编造的伪需求。机器能帮你把稿子写得像个人，但能不能写得像个懂行的媒体人，决定权始终在你手里。用AI写科技汽车快讯，每天多睡两小时
AI 写作教程
AI写作
科技媒体
资讯撰写
提示词技巧
效率提升
科技和汽车编辑的日常，往往被海量的发布会通稿和融资快讯淹没。文章开头直接用“每天扫300篇通稿，能写出带个人态度的稿子不到3篇”的事实切入，直击痛点。本文不讲虚的，直接分享如何用AI大模型快速处理像吉利银河TT首秀、贻如科技融资这类复杂素材。从参数提取、亮点挖掘到去AI味润色，提供一套可复制的实操流程。适合需要高频产出资讯、又想在字里行间保留个人态度的媒体同行，帮你把机械劳动交给机器，把时间留给真正的深度思考。
每天一睁眼，几十个PR群的几百篇通稿就砸过来了。吉利发新车、大模型又升级、某某生物基材料公司拿了超亿元融资。一天扫完300篇，最后能写出带点个人态度的稿子不到3篇。大部分时间咱们都在做无情的打字机，把公关稿换个说法再发一遍。
以前纯靠人力去抠那些长宽高、电池容量、融资金额，纯属浪费生命。现在用AI把这些繁杂的资讯素材嚼碎了处理，效率能翻好几倍，每天真能多睡两小时。但机器写出来的东西，往往一股子塑料味。怎么把大模型当成你的素材处理外挂，同时保留媒体人的态度，把机器味洗掉，才是科技写作的核心壁垒。
先说怎么喂素材。别直接把整篇通稿扔给大模型，然后甩一句帮我写篇快讯。你得教它抓重点。拿吉利银河TT首秀那篇来说，满屏的4999毫米车长、245千瓦电机、四种电池容量，AI一看就晕。你要给它设定个清晰的框架，让它先提炼面向年轻人的核心卖点，再结合工信部申报信息做客观补充。工具推荐直接用千问或者混元这类国内主流大模型，处理中文长文本和车圈黑话很顺手。
然后就是去机器味。大模型最喜欢用各种连接词和四平八稳的句式。你得在提示词里直接封死这些套路，要求它用短句，多用动词。把那些假大空的形容词全删了，换成具体的对比数据。
工具再聪明，也替代不了你对行业的嗅觉。把机械的拼凑活儿交给AI，把省下来的时间留给深度判断和犀利吐槽，这才是咱们这行不被淘汰的底气。
拿吉利银河TT首秀和贻如科技超亿元融资这两篇通稿来说。以前看到这种稿子，脑子第一反应就是提取长宽高、电池容量、融资金额，然后拼凑成一篇毫无灵魂的简讯。现在你把素材扔给大模型，得换个喂法。
别让它只做摘要。拿银河TT来说，满屏的4999毫米车长、245千瓦电机、四种电池容量，AI一看就晕，写出来肯定是报流水账。你得让它做信息降维。直接给指令：忽略那些凑字数的颜色配置，把245千瓦电机和2920毫米轴距结合起来，算算推重比，提炼出C级纯电运动轿车到底运动在哪。顺便用通义千问的长文本功能扫一遍工信部申报信息，把底盘和电池布局的隐藏点抠出来。这样写出来的东西，车迷才愿意看。
再看贻如科技这篇融资稿。通篇都是合成生物学、微生物发酵这种劝退词汇。这时候你要让大模型做商业逻辑翻译。别让它复述创始人说了什么，直接让它抓取核心数据：真皮成本三四百米，他们做到了80到150元。让AI把这个成本优势跟传统皮革的碳排放和ESG压力做个对比，点透资本市场为什么愿意掏钱。技术名词留给极客，媒体人要的是商业壁垒。
工具再聪明，也只是个高级计算器。把机械的数据提取和逻辑梳理交给AI，把省下来的脑细胞用来判断这车到底好不好开、这材料到底能不能量产。机器能帮你榨干素材的剩余价值，但判断素材有没有新闻价值，还得靠你自己的直觉。
素材榨干了，但大模型吐出来的初稿往往还是那股熟悉的公关味。满篇的“不仅提升了续航，还优化了座舱”，看着就让人想打哈欠。想把干瘪的参数变成带人味儿的快讯，提示词配方得下点狠手。
先给AI立规矩，封杀它的端水习惯。在提示词里直接写明，禁用“值得一提的是”、“不仅而且”、“全面升级”这类废话连接词。要求它全篇使用短句，动词前置。以前写吉利银河TT的内饰，AI会写“环抱式座舱设计带来沉浸式体验”，现在你得让它改成“坐进车内，四块屏幕直接怼在脸上，Flyme Auto 2代系统支持三屏联动，操作跟玩平板一样顺滑”。
然后注入点媒体人的情绪基调。大模型默认是个没有感情的端水大师，你得在系统提示词里给它设定个人设。告诉它，你现在是个看了十年车圈通稿、有点审美疲劳的老编辑。写贻如科技融资，别让它复述“降低碳排放80%”，让它直接点破：“当别人还在用蘑菇皮搞概念联名时，这家公司把生物基皮革成本压到了真皮的一半，难怪鄂尔多斯愿意掏钱”。这种带点犀利和洞察的句子，才是读者想看的。
工具方面，通义千问和腾讯混元在处理这种风格化指令时表现很稳。特别是混元，对中文语境里的媒体黑话理解得很到位。你可以把温度值稍微调高一点，让它生成的句子更活泼些（温度值调高能增加文本随机性）。
去机器味不是让AI学会说脏话，而是让它学会说人话。把冷冰冰的数据翻译成带体温的句子，是提示词的功劳，但那种一针见血的行业洞察和不留情面的吐槽，还得靠你自己把关。机器能帮你把稿子写得像个人，但能不能写得像个懂行的媒体人，决定权始终在你手里。
工具再聪明，提示词再花哨，也替代不了你对行业的嗅觉。现在不少人用AI写稿，一天能水几十篇，但读者看完啥也记不住。全是AI咀嚼过的二手信息，没一点人味。
以前看到贝斯特发公告说人形机器人业务半年营收22万，老编辑第一反应是去查它到底卖给了谁，是不是在蹭热点炒股价。现在把这公告丢给大模型，它只会给你总结一句公司提示业务规模较小存在不确定性。AI能帮你秒提炼财报数据，但判断这公司是不是在割韭菜，还得靠你混迹圈子里的直觉。
再看苹果折叠屏那个料，郭明錤说初期出货700万到800万部，转售溢价50%到100%。AI写出来就是苹果折叠屏手机预计供不应求。但你稍微懂点供应链就知道，这大概率是上下游在提前放风测试市场反应，甚至是在为后续的高定价找借口。这种对行业水深的体感，大模型那几行代码算不出来。
把机械的拼凑活儿交给AI，把省下来的脑细胞用来做深度判断。别把脑子全交给机器，留点时间去做那些AI做不到的事。去跟供应商喝个茶，去车间里摸摸实车的接缝，去戳破那些公关稿里编造的伪需求。机器能帮你把稿子写得像个人，但能不能写得像个懂行的媒体人，决定权始终在你手里。
工具再聪明，提示词再花哨，也替代不了你对行业的嗅觉。现在不少人用AI写稿，一天能水几十篇，但读者看完啥也记不住。全是AI咀嚼过的二手信息，没一点人味。
以前看到贝斯特发公告说人形机器人业务半年营收22万，老编辑第一反应是去查它到底卖给了谁，是不是在蹭热点炒股价。现在把这公告丢给大模型，它只会给你总结一句公司提示业务规模较小存在不确定性。AI能帮你秒提炼财报数据，但判断这公司是不是在割韭菜，还得靠你混迹圈子里的直觉。
再看苹果折叠屏那个料，郭明錤说初期出货700万到800万部，转售溢价50%到100%。AI写出来就是苹果折叠屏手机预计供不应求。但你稍微懂点供应链就知道，这大概率是上下游在提前放风测试市场反应，甚至是在为后续的高定价找借口。这种对行业水深的体感，大模型那几行代码算不出来。
把机械的拼凑活儿交给AI，把省下来的脑细胞用来做深度判断。别把脑子全交给机器，留点时间去做那些AI做不到的事。去跟供应商喝个茶，去车间里摸摸实车的接缝，去戳破那些公关稿里编造的伪需求。机器能帮你把稿子写得像个人，但能不能写得像个懂行的媒体人，决定权始终在你手里。