AI写作：矿石与精炼的艺术

Photo by Steven Weeks on Unsplash

一位纽约时报的记者读了我最近的文章，说它很棒。 不是“AI帮忙写的里面算好的”，就是很棒，没有任何附加条件。3000字，大部分由机器草拟，这样的夸奖本该让我高兴，但事实却让我震惊。

每个人都以为自己能识别AI写作。写得差的时候确实一眼能看出来——那种令人厌烦的“正确感”，段落围着主题绕圈子却不落地。网上大部分内容就是这种水平。人们从成千上万个糟糕例子中练出了直觉，很少失手。

但他们的直觉无法判断的是：经过一小时提示词打磨、反复修改和最后人工润色后，同样的工具能产出什么。几乎没人见过那个版本，因为几乎没人愿意投入那一小时。

如果一位时报记者读我的文章却看不出破绽，要么是标准已经低到地板以下，要么是我用AI做了大多数人跳过的事。

我倾向于后一种解释，而且这个解释与我们常听到的叙事相反。那种叙事说：模型负责写文章，你问它答，才华在机器里。

我的经验恰恰相反。模型递给我的是矿石。任何值得读的东西，都来自我后续的精炼。人们脑补的是按一次键、喝一杯咖啡，实际的工作发生在接下来的一小时里。

第一步是写好提示词。 我已经知道文章想说什么、想达到什么目的。提示词写错，后面的工作全部白费。如果我无法说清论点该是什么、落脚点在哪里，模型就会用流畅空洞的内容填补空白。一个好的提示词等于大部分思考提前完成。模型写得快、写得还行，但在我明确告诉它之前，它根本不知道我想要什么——精确地告诉它，这才是第一步。

初稿出来了。 读起来还行——这正是陷阱所在，因为“还行”就是大多数人停下的地方。草稿有文章的形状，但灵魂像一篇公关稿。在这个阶段发出去，等于给读者端上生矿石。

第二遍是我补充模型漏掉的东西。 我让工具加入另一个组件或线索，以增强基础叙事。缺哪条线索？这是编辑的工作。这一轮我是编辑，冷眼审视合作者的草稿，带着机会主义的目光。

接下来是事实核查。 除非你要求，否则模型不会主动做这件事。如果不加干预，这些模型会用同样淡定的自信说出正确和错误的事实。让它们查一遍，它们会回查每一个名字、日期、数字和引用，承认哪些查不到。这一步没有商量余地，也是大多数AI辅助写作翻车的地方。

然后我让模型去掉它的标志性写法。它有一些习惯性动作会暴露自己。大家多半已经知道：三个一组排比句、为了装深刻而用的“不是X，而是Y”句型、那些一旦学会识别就能在所有输出里看到的常用词。（比如这段就是一个三连排比句。）

模型喜欢有规律的节奏，因为人类喜欢，而它是跟人类学的。我在提示词里一一指出这些习惯，让它删掉，然后自己再过一遍稿子，把漏网之鱼清除。

投入产出比最高的步骤来了。 我拿清理过的稿子，打开一个新聊天窗口，让模型给它打分——带着批评的眼光。AI对自己没参与写的文章的评判能力相当好。它会列出一个清单，通常十条到十五条问题，大部分都在点子上。然后我翻转开关，让它根据刚发现的问题重写整篇文章。返回的结果比进去的更好。

这一轮抓的是清晰度和写作技巧。但日期错误或论证漏洞就不一定能抓住了——所以事实核查必须单独做一轮，而且得前置。如果把两件事合在一起，你可能会得到一句信心满满、精修过但实际错误的句子。

最后一轮也是最难的一轮：精炼。 我设想三位早期读者，他们的不满会让我无地自容。我有意让三人各不相同：一位是写作老师，能瞬间听出僵死的句子；一位是顶级专家，对主题了如指掌；一位是持怀疑态度的人，一开始就不信我的论点。

然后我让模型用这三个人的口吻给出诚实反馈。指定你真正不想辜负的人，以及他们各自会挑的毛病——然后这些意见就开始见血了。

接着我把所有反馈交还给模型，要求再重写一版，因为整个过程就是：改、再改、继续改。

现在，我有一份不错的草稿了。 最后的工作是任何提示词都无法完成的，它大概占据最终作品的25%。这一步完全属于人类，我亲手来做。

我默读稿子，寻找那些“死点”——句子语法正确但没有脉搏。把僵硬的词换成鲜活的词。删掉靠惯性勉强存活下来的分句。一直改到它读起来像一个人在写作，而不是AI在写作——因为这两者不是一回事。