晚上十点，文档停在第一段。输入框里已经躺着一版由模型生成的稿子：句子完整，逻辑顺滑，连小标题都排好了。可越读越像一份会议纪要，正确，却没有人在场。那一刻我意识到，AI写作最先改变的，未必是产量，而是我们判断“哪里需要人改”的方式。
先看它把空白变成了什么
面对空白页，模型确实能降低启动成本。给一个主题、几项约束，它很快能铺出结构，列出常见角度，甚至替你补上过渡句。对经常写说明文、邮件、初稿的人来说，这更像把“从零到一”改成“从一到二”：先有一个可删可改的东西，再决定哪些句子值得留下。
问题也出在这里。草稿太顺，容易让人误以为思考已经完成。读起来没有磕碰，不等于观点成立；段落之间接得严丝合缝，也不等于因果真的清楚。
语气和事实是两道门
很多人把问题归为“像不像人写的”。更实际的分歧在两层：语气层和事实层。语气可以调，加例子、换句长、删形容词，模型能给出可用版本；事实层却需要外部核对，尤其是时间、数字、出处、人物关系。模型不会天然知道哪句话该谨慎，它只会把语气做得像知道。
所以我改稿时先看事实边界：哪些判断有依据，哪些只是顺滑的推测。再看语气：这段是否过于整齐，像把三句话压成一句口号。AI写作在这一步更像一个提醒器，逼我把“我知道”和“我以为”分开。
筛选开始变贵
有人担心长期依赖会削弱写作能力。这个担心有道理，但更隐蔽的变化是：当生成变得便宜，筛选会变得昂贵。你要读得更快，删得更狠，还要能说清为什么删。模型给出十条方向，真正的工作是判断哪一条值得写下去，哪一条只是听起来合理。
这也解释了为什么有人用了工具，稿子反而更空。不是句子不够多，而是取舍没有发生。编辑的判断力被放大了：原来要花时间想开头，现在要花时间识别哪些开头只是安全，哪些开头真正带着问题。
别把整篇轻易交出去
- 需要承担责任的对外说明：措辞、承诺、事实口径必须有人确认。
- 高度依赖现场感的叙述：气味、停顿、人物的小动作，模型容易写成通用描写。
- 需要明确取舍的评论：观点不是句子的排列，而是你愿意为哪句话负责。
这些边界并非拒绝工具，而是决定把工具放在哪一环节。把AI写作放在资料梳理、结构试排、语气变换上，通常可控；直接交终稿，风险会上升。尤其当文章要对外署名，最后一遍必须有人读事实、读语气、读责任。
现在我仍会先让模型写一版，但不再从第一句开始改。我先圈出事实，再删掉那些“看起来都对”的句子，最后补上只有现场才知道的细节。稿子是否由模型起草并不重要，重要的是读到最后一句时，是否还有人愿意为它签字。