写作训练主要包含以下几个步骤：

1. 数据收集：收集大量的文本数据，涵书、文章、网页等，以提供丰富的训练素材。

2. 数据预应对：对收集到的文本实清洗、分词、词性标注等预解决操作，增强数据优劣。

3. 模型选择：选择合适的自然语言应对模型如循环神经网络（RNN）、长短时记忆网络（LSTM）或生成式对抗网络（GAN）等。

4. 模型训练：将预解决后的数据输入到模型中实训练，使模型学会从输入文本中提取特征和模式。

5. 模型优化：通过调整模型参数，如学率、批次大小等，以及采用正则化、dropout等技术，增进模型的泛化能力。

6. 评估与测试：采用验证集和测试集评估模型的性能保障模型具有良好的写作能力。

7. 模型部署：将训练好的模型部署到实际应用中，如自动写作、文本生成等任务。

8. 持续迭代：按照实际应用中的反馈，不断优化模型提升写作品质。