# 如何用AI模仿葬爱咸鱼
**作者**: nene
**日期**: 2026-04-16T10:39:03.000Z
**来源**: [https://x.com/liu10102525/status/2044727263019864491](https://x.com/liu10102525/status/2044727263019864491)
---

我用 YouMind 模仿潘乱的风格写了一篇文章《Manus 没有国籍》,各平台加起来有10W+阅读。连潘乱本人看完之后说了一句:完全看不出是 AI 写的。


这两天又模仿了知名 AI 臭嘴锐评家葬爱咸鱼的文章风格写了一篇:《Hermes Agent不如缝纫机一台》,纯属自娱自乐就没发出,但光看截图也知道,咸鱼味也挺冲的。

打开社交媒体,也能看到都是“用 AI 模仿鲁迅写外卖差评”“用 AI 模仿余华写离职信”。
但是如果想用 AI 模仿一个人的风格来写一篇认真的、可发布的文章,你会发现,绝大多数人做出来的东西都是四不像。
所以:为什么大多数人用 AI 做风格仿写失败了,而我却成功了?
多次实践后,我发现了秘诀:风格模仿的本质是精准控制样本输入。
(潘乱老师和咸鱼老师的语言风格的详细的文档,我放在文章结尾,有需要可以免费取用。)
## 失败的 AI 仿写,就是在玩梗
AI 写作是在玩概率游戏。你让它“用潘乱的风格写作”,哪怕已经给了它一堆潘乱的文章,AI 做的事情也仅仅是从这些文章里找到高频共现的表达模式,然后拼起来。高频共现放到人的世界里,叫刻板印象。
也就是说,拙劣的 AI 模仿,仿的是梗,不是风格。
你可能会想,那我把风格总结成规则,喂给 AI 不就行了?
知名 AI 臭嘴锐评家葬爱咸鱼曾经在他的公众号文章里,列出了自己的“写作风格”:
但拿着这套指令给到 AI,用屁股想都知道出来的结果惨不忍睹,不能说和咸鱼的风格一模一样,只能说毫无关系。
不管是喂原文让 AI 自己提取,还是手动总结规则清单,出来的东西都有同样的毛病:看起来金句频出挺犀利,但底下没有真正的判断和立场,只是在模仿犀利的语气,完全的情绪假体感。
蹦出一些金句,你看着好像被模仿对象的,但伪人感非常严重。就是为了模仿而模仿。
这些失败,症状不同,病因一样:你给 AI 的全部信息就是一个名字、一个话题、几篇所谓的参考文章。
AI 根本无法判断你让他模仿的究竟是什么。
而风格模仿其实是一个信息密集型任务。风格是分层的:表达是皮肉,思维是骨架。
你不能只学一个人怎么说话,你还得学他怎么想问题。这两层都得分别找到、分别喂给 AI,它才能真正模仿出来。
接下来,我把做这件事的完整过程拆开来讲。
## 准备素材,定位参考文章
模仿他人的风格之前,先得确定自己到第要写啥。
是想论证一个观点、还原某个事件、还是通过讲述故事来引出更深层的问题。
在决定模仿潘乱之前,我就已经确定了要写一个以 Manus 两位创始人近期滞留国内的新闻事件为引子,去拆解为什么 Manus 会走到今天这个地步的故事。
所以第一步,我先让 AI 把与之相关的所有公开信息整理出来:事件事实、创始人背景、融资发展历程、争议问题等等。确保我有对事件的前因后果有足够的了解。

事实到手后,就是找到想要进行风格仿写的目标文章。
这里有一个常见的误区:既然是要模仿一个人的写作风格,那么给到 AI 的参考文章就应该越多越好,最好把这个作者的所有文章都扔进去,让 AI 学个够本儿。
但这个做法是错的。
就算是同一个作者,他也不可能用同一个叙事和思考逻辑写所有文章。如果把他所有文章混在一起,不同时期作品的逻辑互相抵消,AI 最后只能提取最表层的语言习惯,而这就会导致仿写的产出充满了矫揉造作的“情绪假体感”。
去年,Bucknell 大学的一篇研究论文就指出,仅仅几个写作样本就能使 LLM 的风格还原度比基础输出提高约 23 倍。也正说明了 AI 仿写,样本的数量并不在多,而在准。
那么要如何找到少量但正确的参考文章呢?
## 第一步:找叙事同构的样本
叙事同构的样本,解决的是“怎么组织故事”。
这一步需要先抛弃对仿写对象的执着,一定要从自己要写的东西出发来思考。
还是以我写的 Manus 故事为例。在准备阶段,我已经对该事件有了一定的了解。大概知道整个 Manus 僵局的出现,是源于:
> 一个主体声称自己是 A,但结构性的力量迫使(或令其主动)成为 B。
这是 Manus 事件的核心张力。
然后我隐约记得,似乎潘乱写过类似的故事。但记不清楚是哪一篇了,所以就把潘乱的 4 篇代表作都收入了 YouMind。
接下来,我选中这些文章,问了 YouMind 这个问题:
> Manus 事件的核心叙事是「一个主体声称自己是 A,但结构性的力量迫使(或令其主动)成为 B。」,这 4 篇文章里有哪篇的叙事逻辑和它最接近?

YouMind 在阅读了这 4 篇作品后,认为《腾讯没有梦想》和 Manus 的故事有相同的叙事引擎,最值得作为叙事同构的仿写对象。原因是:
> 腾讯说自己是产品公司,实际上成了投资公司;Manus 是中国公司,却试图切割来路呈现“无国籍”状态。并且,当年潘乱写的不只是腾讯、也是一个时代的结构性困境。 而是当一家公司大到一定程度、当中国互联网进入存量竞争时代,投资逻辑压倒产品逻辑就成为了宿命。而 Manus 事件也表明,当中国 AI 公司试图参与全球竞争时,它也必然需要面对地缘政治、数据合规、信任壁垒、叙事权的争夺的等结构性困境。

当然,我能定位到这 4 篇,主要还是因为经常拜读潘乱老师的作品。所以虽然具体某一篇是什么结构我记不清了,但印象中隐约觉得这 4 篇离我想要的叙事结构应该相对接近。就人为的做了个「缩圈」。
如果你对模仿对象作品的熟悉度并不高,那完全可以一股脑把 ta 所有的作品都丢进来,让 AI 来帮你找到和你叙事最接近的那一篇。
既然已经明确了样本目标,紧接着就是对其叙事风格的进一步解构。指令:
> 对 @腾讯没有梦想 这篇文章做叙事逻辑的解构,明确他的叙事风格,以便于后续在进行 Manus 故事写作时可以对其进行仿写。

YouMind 整理出了一份包括可复用框架在内的详细的拆解文档。如此,我提取出来就是潘乱写这篇文章时侯所用的「思维方式」,如何讲述、推进一个故事,并通过故事,引出更宏大的叙事与更清晰的观点。
## 第二步:找表达同构的样本
思维层解决了“怎么组织故事”,表达层解决“怎么说话”。
这需要另外找一篇语言风格最稳定、最具代表性的文章,专门用来提取语言指纹。而在写作 Manus 这个故事时,我选择了《百度没有梦想》作为语言风格的重点参考。
当然,如果仿写对象的样本太多,一时间无法挑出语言风格最显著的一篇,你还是可以用 AI 偷个懒。
我们这里用葬爱咸鱼的锐评系列举个例子。具体操作是:选中他的全部文章,让 AI 总结所有文章里作者表达习惯的共性、并由 AI 挑选出将该共性体现得最淋漓精致的一篇,作为重点参考。指令:
> 对选中文本,从以下五个极其微观的维度提取作者的‘文字 DNA’:词汇偏好:作者高频使用的意象、动词类型(是具象动作还是抽象状态?)、形容词的密度,以及是否有特定的口癖或方言痕迹。句法结构:观察长短句的比例。作者倾向于使用紧凑的短句,还是层层嵌套的长从句?句子的节奏感(呼吸感)是急促的还是舒缓的?叙事视角与语气:作者是以冷峻的旁观者视角,还是充满情感的介入者视角?语气是讽刺的、悲悯的、平实的,还是华丽的?修辞习惯:作者如何处理隐喻和类比?他喜欢用逻辑推导,还是直觉性的感官描写?标点与留白:观察标点符号的特殊用法(如频繁使用破折号、省略号),以及段落切换的逻辑。功能词:观察作者在潜意识中对高频虚词(如‘的’、‘了’、‘但’、‘其实’、‘本质上’、‘就是’)的操纵规律。注意这些词的去中心化、重音化、特定搭配,以及梗化/抽象化的语气词用法。请最终总结出一份《作者风格说明书》,以便我能完美模仿这种风格

然后你就会得到一份咸鱼味十足的语言风格说明书。

多说一句,风格研究里有个概念叫 stylometry,研究者发现,最能标识“这是谁写的”的 文章中的 stop words。也就是“的”“了”“但是”“其实”这些最不起眼的功能词。这些词的使用频率和搭配方式是潜意识决定的。
但这些词,人类在阅读的时候很难留意到,而 AI 就能准确识别,从而提升语言风格分析的精准度。
潘乱老师和咸鱼老师的语言风格的详细的文档,我放在文章结尾,有需要可以免费取用。
## 开始仿写
现在,你的手上有三样东西:
- 对要写作的目标事件的研究资料
- 叙事仿写的样本
- 风格仿写的样本
选中这三个文档,让 YouMind 先写一个大纲,或者先让 ta 给你出一个「写作方案」。大纲出来之后,你能看清楚叙事引擎是否在结构上得到了充分展开。结构错了,改起来伤筋动骨;大纲阶段发现问题,成本最低。
大纲没问题后,就可以让 AI 开始正式的写作了。如果前面的工作都做的比较扎实,这一步出来的东西,大概率 70% 以上可用。
但在 YouMind 给出《Manus 没有国籍》第一版初稿的时候,我还是作为编辑,对叙事顺序和结构提出了修改意见。

为什么要多此一举?AI 并不知道你的读者是谁、他们是带着什么预期点开这篇文章的。比如,初稿会按照「叙事参考样本」从创始人小时候写起,但你作为编辑知道,读者是被今天的热搜吸引来的,他们想先吃主菜。这种对叙事优先级的微调,还是人的判断更为准确。
YouMind 很好的一点是,文档修改可以完全做到「指哪儿打哪儿」。我也不用费劲巴力选中某一段、指定修改。直接口喷就好,YouMind 可以自行判断需要修改的位置并执行执行。

## 事实核查
《Manus 没有国籍》这篇文章涉及大量的资金数字、年份、人名、事件时间线,这些硬事实不能出错。所以成稿之后,我会让 AI 把文章里所有关键数据和事实重新核对一遍,逐条找出对应的信源。
但这类基于事实的叙事演绎,不可避免会遇到一个问题:公开信源本身就有出入。
举个例子。Manus 创始人的出生年份,有的地方说 1992,有的地方说 1993,是信源本身就对不上。但对叙事来说,这个差异很关键——选 1992,“两个 1992 年的人,前半生走在完全不同的路上,最后汇聚到 Manus”这种宿命感才成立;选 1993,这条叙事线就断了。
所以在 YouMInd 的建议下,我最后的处理方式是:选择叙事上更合适的版本,但在文末加脚注,说明信源存在分歧,并注明选择理由。
最后,我请 YouMind 生成了封面图、也优化了排版。从启动到发出,耗时不到半小时。
半小时换到全网 10 万曝光,很值得。
## 输入决定输出
所以为什么大多数人用 AI 模仿风格都失败了?
还是那句话:风格是分层的表达是皮肉,思维是骨架。你必须分别找到它们,分别喂给 AI,它才能真正模仿出来。而在这个过程中,从选择样本、拆解结构、调整叙事顺序到核查事实,每一步都是人的判断在驱动。AI 负责执行,但决定输出质量的,是输入。
最后多说一句:别太执着于风格。大 V 的风格之所以好,是因为他先成了大 V,风格才受人追捧。比起追求风格,不如追求独特的立场、视角和洞察,风格难以被公众识别,但观点和洞察可以被一字不差地转述。
“金句”不就是这么回事儿么。
《飘》的作者玛格丽特就没什么显著的文体风格,那不妨碍她笔下的斯嘉丽和一众角色,跨越世纪依然熠熠生辉。
潘乱·作者风格说明书 https://youmind.com/s/iWQUuebDWKhXPZ
葬愛咸鱼·作者风格说明书 https://youmind.com/s/1rNh2ScPCIRAzC
How Well Do LLMs Imitate Human Writing Style? https://youmind.com/s/jRWyJqNNv74PbN
## 相关链接
- [nene](https://x.com/liu10102525)
- [@liu10102525](https://x.com/liu10102525)
- [5.7K](https://x.com/liu10102525/status/2044727263019864491/analytics)
- [https://youmind.com/s/iWQUuebDWKhXPZ](https://youmind.com/s/iWQUuebDWKhXPZ)
- [https://youmind.com/s/1rNh2ScPCIRAzC](https://youmind.com/s/1rNh2ScPCIRAzC)
- [https://youmind.com/s/jRWyJqNNv74PbN](https://youmind.com/s/jRWyJqNNv74PbN)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [6:39 PM · Apr 16, 2026](https://x.com/liu10102525/status/2044727263019864491)
- [5,755 Views](https://x.com/liu10102525/status/2044727263019864491/analytics)
- [View quotes](https://x.com/liu10102525/status/2044727263019864491/quotes)
---
*导出时间: 2026/4/17 00:16:16*