创建一个简单的AI写作工具需要结合自然语言处理（NLP）技术。这里提供一个基于Python的简单示例，使用Hugging Face的Transformers库来生成文本。这个例子展示了如何使用预训练的语言模型（如GPT2或Bert）进行文本生成。

首先，确保你已经安装了必要的库：

bash
pip install transformers torch

下面是一个简单的代码示例，展示如何使用Hugging Face的Transformers库生成文本：

python
from transformers import GPT2LMHeadModel, GPT2Tokenizer

加载预训练模型和分词器
model_name = 'gpt2' 使用GPT2模型
tokenizer = GPT2Tokenizer.from_pretrained(model_name)
model = GPT2LMHeadModel.from_pretrained(model_name)

def generate_text(prompt, max_length=50):

使用GPT2模型生成文本。

参数:
prompt (str): 输入的提示文本。
max_length (int): 生成文本的最大长度。

返回:
str: 生成的文本。

对输入的prompt进行编码
input_ids = tokenizer.encode(prompt, return_tensors='pt')

使用模型生成文本
output = model.generate(input_ids, max_length=max_length, num_return_sequences=1)

解码生成的文本
generated_text = tokenizer.decode(output[0], skip_special_tokens=True)

return generated_text

if __name__ == __main__:
用户输入的提示
user_prompt = The future of AI is

生成文本
result = generate_text(user_prompt)

print(Generated Text:)
print(result)

说明：
1、模型选择：在这个例子中我们选择了GPT2作为生成模型。你可以根据需要选择其他模型，比如更强大的GPT3（需要API访问）或其他语言模型。

2、分词器：`GPT2Tokenizer`用于将输入文本转换为模型可以理解的形式。它会将文本分割成单词或子词单元。

3、文本生成：`generate()`函数负责从给定的输入开始生成新的文本。你可以通过调整参数如`max_length`、`temperature`等来控制生成文本的质量和多样性。

4、运行程序：当你运行这段代码时，它会根据提供的提示生成一段新的文本。

扩展功能：
用户交互：可以增加循环让用户多次输入提示并查看生成结果。
模型微调：如果你有特定领域的需求，可以考虑对预训练模型进行微调以更好地适应你的数据集。
多语言支持：如果需要支持多种语言，可以选择支持多语言的模型，例如mBART或MarianMT。

希望这个例子能帮助你入门AI写作！如果有更多具体需求或者想要深入了解某一部分，请告诉我。