《拆解100个内容高手》001 · 李尚龙
“作为一个作家，我为什么决定出国读AI？”
这是李尚龙2024年一篇图书自序的开头。自序原文
一个讲AI的人，先讲自己的职业选择。读者还没接触技术名词，已经有了一个疑问：作家为什么要跑去学AI？原来的积累怎么办？
这个开头值得拆。但往下读时，我也会问另一个问题：一个人把自己的经历讲得很有吸引力，我们是不是就容易相信他接下来的判断？
我研究李尚龙的表达，不代表我认可他的所有观点。这个系列如果只挑优点，最后很容易变成人物推荐。
让人愿意听，与值得相信，要分开评价。这一篇，我想把两件事一起讲清楚。
他怎样让读者跟着往下看
这篇自序从个人转向切入，再串起观察、写作、视频、课程和书。它给读者安排了一条路线：为什么出发，接触了什么，又怎样把这些东西讲给别人。
这套安排的好处，是读者不必先懂AI，也能跟上一个人的选择。抽象的话题有了具体入口，后面的信息才容易放进去。
还有一个细节：开头提出的问题，能给后面的材料划出范围。读者想知道他为什么做这个选择，作者就需要解释选择前后的变化。我们写文章时也可以据此检查：这一段是在回答开头的问题，还是只因为手头有材料就塞了进来？一个有用的开头，既吸引读者，也约束作者。
普通创作者可以学这一点。
比如，你要写AI帮你做周报。如果上来就是一串功能，读者很难知道和自己有什么关系。换成“初稿三分钟就出来，为什么我又改了半小时”，问题就具体了。那半小时是在核对事实、补充遗漏，还是删掉看起来正确的空话？把这些过程写出来，才有东西可讲。
不过，故事顺畅也有一个需要警惕的地方：几件事被接在一起，很容易让人觉得它们已经互相证明了。
去学习过，所以判断准确；接触过企业，所以理解行业；讲得很清楚，所以方法有效。这样的推断，读者可能在不知不觉中就完成了。
叙述可以把经历连起来，证据还得一件件看。我能分析这篇自序怎样组织材料，但不能因此替里面的经历和结论背书。
我愿意听，也会继续追问
先说经历介绍。
在同一篇自序中，李尚龙自述2023年获得多伦多大学录取，赴校攻读人工智能相关研究生课程。文中没有给出具体英文项目名称，也没有说已经取得学位。
所以，读到这里，我不会把它顺手改写成“多伦多大学AI硕士毕业”。如果学历被用来支持专业判断，项目性质、学习阶段和取得的资格就应该说清楚。这篇自序不足以完成独立核验，信息没写清的部分，也不能靠猜测补成事实。
再说实践。
36氪2021年的报道提到他参与创办考虫，以及飞驰学院推出199元读书课，包含52本书的解读和52场直播。这些是已经有报道的内容产品经历，不能一笔抹掉。
但从出版图书、制作课程，到独立开发技术产品，再到证明一种教育方法有效，中间各有需要回答的问题。看见前一项，不能默认后面几项也成立。
这里是「浩哥AI实验室」。这次拆解关心的是：AI参与创作以后，哪些工作可以交出去，哪些判断还得自己做？
越可能影响别人花钱、学习和职业选择的建议，我越在意它的依据。
讲一个AI工具好用，能不能展示实际任务、操作过程和失败的情况？谈一种教育方法，能不能说明适合什么学生，怎样实施，结果如何，有没有研究或教学记录支持？
一段成功经历可以提供线索，但读者照着做，条件可能完全不同。教育建议的检验重点应当落在方法和结果上，私人生活不是必须公开的证明材料。
这也是我看这类内容时最想保留的距离：我可以欣赏一个问题讲得清楚，同时要求作者把结论的适用范围讲清楚。
还有观点是否随语境变化的问题。
判断一个人是否前后矛盾，得把不同时间的完整原话摆在一起，看看讨论对象、条件和依据有没有变化。新证据出现后修正观点，是合理的；面向不同听众换了结论，却不交代原因，就值得追问。
目前这几份材料还不足以做这种逐条对照，我不会拿一个印象当成结论。这个问题值得继续查，查到哪一步，就说到哪一步。
最后是付费。
收费本身不能说明内容好坏。真正影响我评价的，是购买前承诺了什么，购买后交付了什么。课程如果承诺可操作的方法，就该让人看到过程、练习和适用条件；如果承诺某种结果，就需要更充分的依据。
把一个人讲得有魅力，不能代替把一项服务交代清楚。这条标准，也应该用在我们自己的内容上。
AI可以帮忙写，判断要自己负责
2026年4月的环球网专访，新浪转载里，李尚龙介绍了自己的AI创作方式：先有点子或框架，让AI参与资料、文字、结构和校对，再加入个人体验。
这是一个可以借鉴的分工思路。但采访中的自述，还不足以让我们知道每篇成稿具体经过了怎样的核验。
如果把这套方式用在自己的公众号上，我更在意最后一道检查。
拿本文来说，AI可以迅速把自序改写成一段很完整的人物介绍，也可能让原文没有交代的学历细节，在流畅的句子里变得像已确认的事实。读起来越顺，越容易漏掉这一步。
所以我会把稿子里那些听上去很确定的句子挑出来，回到原文看：作者到底说了什么？这是他自己的描述，还是有别的材料证实？这句话是在介绍经历，还是已经替一个方法下了判断？
案例也一样。AI找到一个很适合文章的故事，先别急着留下。出处能不能查到？有没有删掉关键条件？换一个条件，结论还成立吗？
如果一段话还核实不了，就先让它留在待查材料里。别让AI反复润色以后，把“不确定”磨掉了。等资料足够，再决定它适不适合进入正文。与其急着把每个空缺填满，我更愿意留下一条读者能够顺着查回去的线索。
这些检查有时会让文章少一点痛快，多几句限定。但如果读者要据此花时间、花钱，限定就是有用的信息。
AI提高写作速度，也要求我们更认真地检查自己写下的判断。
回到李尚龙。我们可以学他怎样给话题找到入口，怎样把材料组织成别人愿意听的故事，也可以试着借鉴他公开谈过的AI分工。
至于某个科技判断、某项教育建议、某门付费课程是否值得信任，需要各自的证据。
我希望这个系列拆到最后，留下的不只是更会表达的方法，也有更清楚的判断：我为什么被说服？对方给出的依据，真的足够吗？