很多人拿AI稿子和人写的稿子比,比的是通顺、比的是用词,比完发现差距不大,就以为差不多了。真到要发出去、要签名字、要担责任那一步,差别才冒出来。这篇不讲怎么调教模型,只讲一件事:判断一篇稿子该人写还是该AI写,看哪几个地方。看完你能自己分出哪些活可以交出去,哪些必须自己扛。
很多人拿 AI 稿子和人写的稿子比,比的是通顺、比的是用词。比完发现差距不大,就以为差不多了。真到要发出去、要签名字、要担责任那一步,差别才冒出来。文笔这事儿,模型早就够用了;不够用的是别的东西。
这篇不讲怎么调教模型,只讲一件事:判断一篇稿子该人写还是该 AI 写,看哪几个地方。看完你能自己分出哪些活可以交出去,哪些必须自己扛。
第一个岔口:这句话错了,谁去认
AI 写出来的句子结构往往没问题,问题在于它对句中每个事实都不负责。它给的是最像样的说法,不是核对过的说法。这两者读起来几乎一样,错的时候也错得很体面。
人写作时会被追问。写错一个数、写错一个名字,第二天就有人来问。这份压力才是人写稿的底层约束。它不是道德水平高,是有人在背后看着。你把稿子交给模型,背后的那个人还在,压力却留在了你身上——所以核对这活儿只能自己来。
判断方法不复杂:把稿子里的断言逐条圈出来,凡是圈出来之后你答不上「我凭什么这么写」的,就不能直接发。答得上来的,说明你心里有底;答不上来的,要么去查,要么删。
- 数字:凡是带单位、带规模、带比例的地方,逐个回溯来源,找不到出处的换成定性描述
- 名字:公司名、产品名、人名,一个字母都别凭印象写,容易记混的更要单独标出来
- 「据说」「业内普遍认为」这类软断言,最容易混过去,要么给出处要么砍掉
- 因果句:把「因为 A 所以 B」挑出来,很多其实是相关不是因果,AI 特别爱这么写
什么情况下不适用?纯格式性的活,比如把会议记录改成通顺一段话,事实本来就在你手上,交出去问题不大。反过来说,只要稿子里有你不掌握的事实,就别让它替你做主。
第二个岔口:写着写着发现方向错了,谁能掉头
人写到一半会觉得「这个角度不对」,然后推翻重来。AI 不会。你给它一个前提,它只会顺着往下写得更漂亮。
所以 AI 稿子最常见的毛病不是写错,是整篇都在一个错前提上做得很完整。读着顺,方向全偏。这种稿子最难查,因为每一句都像对的。
做法很简单:动笔前先用一句大白话把前提写下来,比如「这篇是给没买过的人看的,不是给老用户看的」。写完回头对一遍,看整篇是不是还在服务这句话。前提自己都写不清楚,就先别写正文。
什么情况下不适用?短文案、改名、改语气这类不需要动前提的活,可以直接交给模型。前提越是固定、越是局部,越适合外包;一旦要重新想「这篇到底为了什么」,就得人来。
| 迹象 | 大概率的毛病 | 怎么处理 |
|---|---|---|
| 读着很顺,但读完不知道重点 | 前提没定,模型在凑完整 | 回头补一句前提,整篇重写 |
| 每段都对,合起来方向不对 | 前提本身错了 | 换角度重来,别在原文上打补丁 |
| 开头很带劲,中间开始飘 | 模型顺着语气走,忘了目的 | 把目的句贴在最上面,逐段对照 |
| 什么场合都能用 | 读者没指定,写成通用稿 | 补上读者备忘,见下一节 |
第三个岔口:谁知道这篇是写给谁的
读者是谁,往往不在提示词里,在你脑子里那些说不清的东西:上次谁抱怨过、老板最烦哪种腔调、这个客户上次因为什么没签。这些信息不写进提示词,模型就按「普遍的读者」写。结果是谁都能看、谁都不觉得是说给自己的。
- 建一个三行的读者备忘写清「给谁看、他已经知道什么、他最不想看到什么」。每次写作前贴进对话开头,别嫌麻烦,这三行比一堆调参管用。
- 写完拿备忘反查开头三句开头是不是对着具体某类人说的,还是对着空气。不合格就重写开头,正文先不动。
- 定期删掉过期的条目备忘超过三行就没人维护了,最后变摆设。每次用完顺手删掉已经不适用的那行。
交稿前过一遍这五条,再决定署谁的名
前面三节讲的是岔口,这一节是收口。稿子写完,花五分钟过一遍,再决定这篇署谁的名、敢不敢发。
- 断言核对:文中每个数字、每个名字、每个「据说」,有没有出处;出处是站内哪一页,能说清就行
- 前提核对:整篇的出发点是不是你本来想说的那个,一句话复述得出来才算过
- 读者核对:开头三句是不是对着具体某类人说的,还是对着空气
- 语气核对:读一遍出声,有没有你自己平时不会说的词,比如那种四平八稳的过渡句
- 责任核对:这篇发出去出问题,你愿不愿意在上面署名;不愿意,说明还有活没干完
最后一条最狠也最好用。愿意署名,说明前面四条你心里有底;不愿意,别硬发,回去补。署名这事儿没有中间状态,要么扛,要么不挂。
顺带说一句:这不是让你别用 AI。格式、扩写、换语气、列提纲,这些交出去没心理负担。真正要留手的是判断和核对,因为那两样东西没法外包给一个不承担后果的东西。
人类写作和 AI 写作最大的对比,不在文笔,在你敢不敢为这句话负责。下一步:把判断标准变成手上的资料光有清单还不够,核对事实时得有地方查。官方 API 的价格和模型资料可以到 /sites 对照,需要看不同渠道的可信度就顺手翻一下导航里的检测说明,别拿一个没核过的数字去冒署名风险。→
常见问题
AI写的稿子通顺得挑不出毛病,为什么还是觉得假?
通顺是语法层面的,假是信息层面的。它把每句话都写得四平八稳,但句与句之间没有取舍痕迹——人不这么写,人会重点写一件事、略过三件事。你读着觉得假,多半是因为整篇没有轻重,不是因为有错字。
那是不是重要的稿子就完全不能用AI?
不是。可以拆开用:找资料、列提纲、把口语整理成书面、检查错别字,这些交给模型很省时间。真正要自己来的是定前提、定读者、下判断、签名字这几步。分界线在于这一步出错你要不要担责。
怎么快速判断一篇AI稿能不能直接发?
做个三十秒测试:把稿子从头读一遍,遇到每个具体说法就问一句「这个我核过吗」。圈出来的地方超过三处答不上来,就别发。这比看通顺不通顺有用得多。