周三下午，一份两千字的行业稿摆在屏幕上。句子干净，逻辑通顺，从头到尾没有语法错误。问题在于，我读了两遍，没记住任何一句。这不是第一次遇到这种情况。过去一年，类似的初稿越来越多，它们看起来都合格，却很难让人产生“这篇值得转给别人看”的念头。
通顺只是起点
模型生成的段落有个共同特征：句与句之间衔接得很顺，读完却抓不住重点。原因不难理解——它按概率挑选下一个词，倾向于最常见的表达。常见意味着安全，也意味着平庸。一篇稿子如果每句话都在预料之中，读者就没有理由继续往下看。
我把这类文字叫“无摩擦文本”：没有错，也没有棱角。它适合做产品参数页、流程说明、会议纪要，但放进需要观点的文章里，就像往汤里加水，看着还是那锅汤，味道淡了。
改稿的重心变了
以前编辑改稿，多在语句层面动手：调整语序、压缩冗词、把长句拆开。现在打开一份模型初稿，要先做另一件事——判断哪一段值得留。
- 删掉只起连接作用的段落，它们不承载信息；
- 让作者补上具体的时间、地点和动作，把悬浮的叙述拽回地面；
- 逐条核对其中的说法，模型给出的解释常常大体正确、细节含混；
- 把埋在中段的核心判断提到前面，别让读者等到最后一行。
这些动作加起来，比从零写一篇更费神。写是从无到有，改是在一堆看似成立的说法里挑出真正成立的。前者消耗体力，后者消耗判断。
把它放进流程的中段
我用得顺手的场景有三类：把录音整理成要点、把长文压成三百字摘要、针对同一主题生成几个不同角度的开头供挑选。这三件事有个共同点——我清楚自己要什么，模型只负责变换形式。AI内容创作真正省力的地方不在“生成”，而在“整理”。素材散乱时，它能快速给出一个可修改的骨架。
反过来，一上来就让模型“写一篇关于某话题的文章”，结果通常要重写。因为它不知道读者是谁，不知道这篇文章要解决什么疑问，也不知道哪些话在这个场合不该说。把这些前提交代清楚，再让它动笔，废稿率会低很多。
还有一种用法我觉得被低估：让它扮演挑剔的读者。写完一段，让它指出哪里读起来含糊、哪里像是套话。它提的意见未必都对，但常常能照出自己没注意的地方。
稀缺的东西换了位置
AI内容创作把“写出来”的成本压得很低，一段文字从想法到成稿可能只需要几十秒。成本下降之后，瓶颈自然移到别处：判断什么值得写，判断哪句话站得住，判断读者读到这里会不会走神。涉及一手经验、需要承担责任的结论，工具帮不上忙，也不该让它帮忙。
所以编辑更忙了，不是错觉。忙的不是敲键盘，是不断做选择。工具越顺手，可选项越多，选错的代价也越明显。下次打开一份流畅的初稿，我大概还是会先问一句：这里面有哪一句，是只有真正了解这件事的人才写得出的？