上周五下午，一篇产品更新说明要赶在下班前发出去。我把几段背景材料交给模型，几十秒后拿到一版草稿：结构齐整，句子通顺，读起来像那么回事。真正花时间的是后面两个小时——把“赋能”“闭环”“全新体验”这类词一个个删掉，把没有出处的形容词换成能核对的动作，把挤在一起的三段重新拆开。写只花了一分钟，改花了一下午。
这并不是在说工具不好用，而是想指出一件容易被忽略的事：AI写作把生成这一步压缩到几十秒，成本就转移到了别的地方。
它给的是平均值，而平均值常常是空的
语言模型做的事是预测下一个词。这个机制决定了它会倾向最常见、最不容易出错的表达。少见但准确的词，它未必敢用；具体但需要有人负责的说法，它更愿意绕开。于是草稿读起来四平八稳，落到信息层面却是“提升了效率”“带来了改变”——这类句子放到哪篇稿子里都成立，也就意味着它没有指向任何一件具体的事。
改稿的难处往往不在句子不通。恰恰相反，通顺才是最麻烦的部分：它让人误以为已经写完了。我现在的习惯是逐句问三个问题——这句是谁说的，依据是什么，删掉会不会少东西。三个里有两个答不上来，这句就得重写。
派上用场的时候，是你不知道怎么开头
把散乱的会议记录压成几条要点；给一段拗口的话换个语序；同一个意思写五个开头，挑一个往下接；把长文缩成摘要，用来核对有没有漏掉关键信息。这些事有个共同点：它们都是加工，不是创作。原料要你给，方向要你定，出来的东西你还得认。
我也见过相反的用法：把 AI 写作理解成“输入一句话，拿走一篇文章”。结果通常不算差，但也不像有谁非写不可。稿子没有立场，也看不到取舍的痕迹，读的人很难判断作者到底关心什么。
它很少说“我不知道”
遇到空缺，它不会停在那里，而是顺手填上——一个看起来合理的年份、一句像是原话的引语、一个大概齐的数目。这些东西在语感上毫无破绽，恰恰因此更难被发现。我在流程里加了一条要求：凡是具体到可以核查的事实，一律回到原始材料，找不到就删掉，或者改成谨慎的表述。宁可写得模糊一点，也不留一个查不到的细节。
关于 AI 写作的争论，很多集中在“像不像人写的”。我的体会是，像不像并不重要，能不能核对才重要。
我现在怎么用它
把AI写作当成一台草稿机，而不是一个作者。草稿机不需要灵感，也不该被赋予署名权。它负责把空白页填满，我负责判断哪些句子该留、哪些该扔、哪些要重新写一遍。决定一篇稿子成色的，还是那几个老问题：写给谁看，想让他记住什么，有没有一句话是非说不可的。
所以现在我打开文档的第一件事，是坐着想清楚这篇东西到底要交给谁看，然后再决定要不要让它先出一版。想清楚了，它写不写，其实没那么要紧。