晚上十点，一份三千字的初稿放在屏幕上，读起来通顺、结构完整、语气得体。问题恰恰在这里——它太得体了，像一件熨得没有褶的衬衫，找不到可以抓住的地方。这大概是很多人接触 AI内容创作 之后的共同体验：第一稿来得比以往快得多，但要把它变成能发出去的东西，花的时间并没有减少。
快的是产出，慢的是判断
过去的流程里，卡点在“写”：找角度、搭骨架、把句子磨顺。现在这层被大幅压缩，模型几秒钟就能给出一个不算难看的版本。卡点随之后移，落在“读”上——判断哪一段是真的成立，哪一句只是听起来成立。
这种判断没法外包。一段文字是否站得住，往往取决于它对具体语境的贴合程度：读者是谁，这句话放在这个位置会不会引起误解，这个说法有没有超出可支撑的范围。模型可以生成一个看起来合理的答案，但它并不承担后果。承担后果的是署名的那个人。
同质化的味道从哪来
用得多的人大概都有一种直觉：某些句子读起来有股相似的味道。不是错，是“平”。这种平来自训练过程对共识的靠拢——它倾向于给出多数情况下都不会被指责的表达，于是折中，于是模糊，于是每一句都留了退路。
AI内容创作 最容易滑向的地方，就是这种“不会错但也记不住”的中间地带。要摆脱它，靠的不是换一个更花的提示词，而是在输入阶段就把只有作者才知道的东西放进去：一次具体的观察、一个真实的约束、一段不那么漂亮的经历。这些东西模型没有，只能由人提供。
几个容易被忽略的成本
- 事实核对。流畅的表述会降低警觉，读起来顺的段落更容易被放过。核对的工作量不一定减少，只是从写转移到了查。
- 一致性。多轮生成之后，同一篇里前后口径可能悄悄漂移，尤其是涉及范围、程度、时间的表述。
- 风格磨损。长期依赖同一套生成习惯，作者的语感会被慢慢磨平，这属于隐性损耗，短期内看不见。
它不适合替你做的那部分
有些内容，代笔本身就是问题的一部分。需要署名的观点、需要承担判断的评论、需要为具体的人负责的说明，这些地方如果交给模型起稿，读者感受到的那点“不确定”很难被措辞掩盖过去。这并不是说不能用，而是用到什么程度要清楚：用它整理材料、列提纲、找反例，和用它直接交付一段立场，是两件不同的事。
把工具放回它该在的位置
比较务实的做法，是把它当成一个反应很快、但不知道边界的合作者。让它先写，然后逐段问自己：这句我敢不敢负责？这个例子是不是真的？如果删掉这段，读者会损失什么？答案常常指向那几个必须自己动手的地方。
AI内容创作 真正改变的不是写作这件事的难度，而是它的重心。过去大部分精力花在把话写出来，现在更多花在决定哪些话值得写出来。前者可以加速，后者很难。所以那份十点的稿子最后还是改到半夜——不是因为工具不好用，而是因为判断这件事，本来就没有快捷键。