分享一下我处理文章时一般使用的模型，老是会有朋友问到这个点，这篇文章简单解释下。
一般在做文章处理的时候，我基本上就文案整理这一步会使用 AI 模型，前面的内容基本上都是手动在做。
比如最初的关键词调研，我会在谷歌表格里维护一个比较全面的素材库，用来管理关键词的信息、话题的信息。
那根据这些信息，我会决定这个关键词到底要不要去写成一篇文章，或者到底要不要根据这个话题进一步延伸来做一些内容呈现到我自己的网站上。
这些过程基本上都是手动在做，顶多会查询一下数据分析工具，看看对应关键词、对应话题的搜索量与竞争难度。
当我决定要针对某个话题去输出内容时，则进行到第二步，也就是搜索结果页面的调研。
这一步其实也是纯手动在做，一般我会把这个关键词或者话题拿到搜索引擎上去实际搜索，重点关注前五页里面的结果。
在做信息搜寻的时候，我会有一个固定的模板，比如说搜索结果页面有几个弱势对手、有没有竞争对手在投放广告、有没有 AI overview 的结果、PPA 数据是什么样的。
过程中看到的一些竞品内容，也会逐个点开去仔细阅读，并认真记录好这些竞品内容的优势点、劣势点。
等这些细节信息都收集完毕之后，基本上这个选题在我的脑海里便有了一个大致的行文方向，下一步就是整理一个初步的内容大纲了。
在这一步，我会先梳理出我想要的大纲结构，然后再与 AI 模型沟通这个大纲的优劣势，或者需要删除哪些内容、增加哪些内容。
说实话在这种大纲整理阶段，市面上几款主流模型的最新版本，其处理结果的差异并不大。
我自己是有做过实际的对比，国内的 Deepseek、国外的 ChatGPT、Claude Code，其大纲输出效果的差异并不大。
注：Claude Code 使用的是中转节点，没办法账号被封了。
那一番操作下来，文章的大纲便基本可以确定了，下一步就是往大纲里面填细节内容。
比如这篇文章你想要传递什么事实、想要陈列什么数据，或者整段文案想要什么样的语气，等等这些信息都需要在这个阶段明确好。
这部分工作的处理其实并不简单，需要你了解自己的产品，了解产品的生产制造工艺，而且还需要你了解你的竞争对手。
所以，这也就是为什么上一步的信息调研很重要的缘故了。
像我自己做一篇这样的信息调研与信息填充，基本上都需要五六个小时甚至更久。
过去有段时间我也想着用 AI 来提高效率，把这个信息调研与信息填充的工作全部交给 AI 去做。
但实际体验下来，会发现 AI 产出出来的东西真的没办法达到自己的要求，要么论点太贫瘠，要么数据太简单。
至于最后的文案初稿的整理，那就可以让 AI 去做了，毕竟我的信息整理已经做得比较完善了。
每一个部分我都有明确列出需要什么语气语调，需要注意什么样的用词，以及这个部分需要重点强调什么事实。
市面上的这几款主流模型我都测试过，结果差异也并不怎么大。
目前，我的文案处理基本上就是用国内的 Deepseek 加上国外的 ChatGPT，也没怎么折腾其他的模型，或者折腾什么自定义的配置。
我觉得没有必要，重点还是前期的数据调研要做完善，毕竟我的文章得传递出我想表达的内容，而不是 AI 想表达的。
