两层规则栈：Claude vs ChatGPT 交叉对比总表

以下为模型输出的原始 Markdown，未做内容改写。用于审阅规则本身是否成立，以及后续提炼共同规则。

# 两层规则栈：Claude vs ChatGPT 交叉对比总表

## 结论

规则应该分成两层使用：

1. **AI 味禁用规则**：解决文章像机器、像报告、像 PPT 的问题。
2. **10 万+规则**：解决选题、标题、第一屏、传播理由和收藏价值的问题。

两层不能混在一起。AI 味规则是“不要怎么写”，10 万+规则是“为什么值得写、怎么让人读完和转发”。

## 第一层：AI 味禁用规则

### Claude 和 ChatGPT 的共同结论

- 禁用机械反转：`不是 A，而是 B`、`不仅是 A，更是 B`、`看似 A，实则 B`。
- 禁用机械导览：`先看 A，再看 B`、`本文将从三个方面`、`让我们`。
- 禁用空降洞察：`真正的问题在于`、`核心在于`、`归根结底`、`本质上`。
- 禁用报告连接词：`值得注意的是`、`不难发现`、`可以看到`、`由此可见`、`综上所述`。
- 降低抽象词密度：`赋能`、`闭环`、`底层逻辑`、`范式`、`生态`、`势能`、`心智`等必须翻译成钱、人、动作、数字。
- 开头不能铺背景、下定义、列大纲，要直接进入具体问题或反常识事实。
- 结尾不能升华成口号，要落在观察变量、判断条件或下一步可核查指标上。

### Claude 更强

- 规则短、硬，适合直接塞进写作 prompt。
- “人话替代写法”更直接。
- 对句子节奏、段尾回扣、第一人称判断的处理更像编辑。

### ChatGPT 更强

- 分类更完整，适合做审稿扫描库。
- 对事实密度、判断质量、谁付钱/谁受益/谁承担风险讲得更系统。
- 更适合做自动检查表。

### 合并用法

- 写作前：用 Claude 的短版禁用模块压住语气。
- 审稿时：用 ChatGPT 的长版扫描库查句式、抽象词、事实密度和判断质量。
- 最后一遍：按 Claude 的人话原则重写残留的报告腔。

## 第二层：10 万+规则

### Claude 和 ChatGPT 的共同结论

- 10 万+不是写完后润色出来的，必须先用于选题。
- 选题要有公共性、反常识、利益相关、时间窗口、误解纠偏、身份表达、收藏价值。
- 标题不能标题党，但要有具体对象、冲突、问题意识和读完收益。
- 第一屏 200-300 字不能铺背景、下定义、自我介绍，要直接给反常识事实、明确判断或场景冲突。
- 正文要有信息阶梯：拆误判、给机制、举例子、写反方或约束、留下工具。
- 研究类文章也要有情绪线，但情绪应该是“被点醒”“原来如此”“可以转给别人”，不是焦虑和仇恨。
- 传播理由要明确：替我说清楚、帮我解释给别人听、展示判断力、以后会用得上。
- 结尾要有收藏价值，最好留下变量表、检查清单、观察路径。
- 传播性不能牺牲可信度和合规边界。

### Claude 更强

- 更像公众号编辑判断。
- 对读者为什么转发、转给谁、哪句话可转述讲得更准。
- 更适合改标题、第一屏和中段传播点。

### ChatGPT 更强

- 更适合流程化评分。
- 对选题评分、标题评分、第一屏评分、正文递进、可信边界有更完整表格。
- 更适合变成本地写作系统里的打分器。

### 合并用法

- 写作前：先用 ChatGPT 的评分表过滤题目，再用 Claude 的读者转发理由判断传播上限。
- 写作中：用 Claude 的第一屏和可转述句规则提高阅读动力。
- 写作后：用 ChatGPT 的评分表检查结构递进、信息密度、可信边界和传播理由。

## 最终工作流

1. 用 10 万+规则做选题评分。
2. 过线后，用 RAG/IG 库取证和找大师视角。
3. 首稿生成时加载 AI 味禁用规则。
4. 二稿用 10 万+规则强化标题、第一屏、中段传播点和结尾工具。
5. 三稿用 AI 味扫描库和合规清单清理残留问题。

## 对当前 Claude V3 的判断

Claude V3 已经明显好于 V1/V2：

- 标题更有冲突；
- 第一屏更快；
- “公司质量和价格是两个判断”更容易转述；
- 结尾六项检查有收藏价值；
- AI 味明显下降。

剩余问题：

- 10 万+改写会把“买进去/买进”等交易口吻带回来；
- 所以合规清洁必须放在最后一闸。