晚上十一点，文档里已经有三千多字。从按下回车到初稿出现，中间隔了不到一分钟。读第一遍觉得还行，读第三遍开始觉得别扭——每一段都成立，每一段也都可以删掉。这种说不清哪里不对的感觉，大概是很多人接触AI内容创作之后最先遇到的东西。
变便宜的是初稿，不是稿子
从零到一那一步确实被压平了。以前写作者卡在开头，盯着空白页想第一句话怎么写；现在卡的位置往后挪，挪到第三段之后——那里需要决定哪一版能用、哪一句站得住、哪一段该留。
一天生成十版初稿不难。难的是从十版里挑出一版，并且说清楚为什么是它。这个动作靠判断力，而判断力不会因为工具变快就跟着变快。于是瓶颈从“写”移到了“选”和“改”，这两件事恰好都不显眼，做完也看不出工作量。
平均化表达是从哪来的
模型做的事情是预测下一个词。语料里出现得多的表达，被选中的概率就高，落到纸面上，句子会自然往四平八稳的方向靠。“值得一提的是”“在当今这个快速变化的时代”，这类话不算错，只是它们放在任何一篇文章里都成立，放在某一篇具体的文章里就显得空。
有个粗笨但管用的检查办法：把一段话搬到另一篇不相干的稿子里，如果照样读得通，它多半没承担什么信息。真正带着现场感的句子有根，挪不动。这也是AI内容创作最难自察的地方——它不会写错，只会写得像所有人。
返工的时候，我常盯几个信号：
- 每段结尾都挂一句总结性的话，像怕读者看不懂；
- 形容词比名词密，情绪比事实多；
- 转折只用“然而”“不过”，却说不清转折两头分别是什么；
- 举例停在“某个平台”“某家公司”，具体不到可以核对的程度。
这些毛病改起来费时间，因为删比加难。加一句，文档变长，看着像在干活；删一句，得先判断它到底有没有用，而判断本身没有产出。
有些活还是别递出去
AI内容创作在几件事上确实省事：把散乱的笔记理成提纲，把一段绕口的话拆成短句，用几种语气试写同一个开头，看看哪种更像人在说话。这些都是草稿阶段的活，成本低，改坏了也不心疼。
有些部分不太适合交出去。需要亲自去看、去问才写得出的段落，需要署上自己名字的判断，需要具体到时间、地点、人物动作的细节——模型给不了这些，它只能给一个看起来像的版本，外表齐整，里面是空的。更不容易察觉的是另一层：当你连“这篇值不值得写”也一起交出去，写这件事就只剩执行了。
我现在养成了一个习惯，让它先写，然后关掉窗口，自己把开头两段重写一遍。这两段往往决定了后面还要不要留——如果重写时发现没什么可说的，那三千字也就没有存在的必要。