凌晨改稿时,我曾把一段散乱的笔记丢给写作工具,请它整理成通顺段落。几秒后返回的文字干净、连贯,甚至带着一点耐心解释的语气。读一遍很舒服,再读却发现问题:删掉那些过渡句,信息并没有少。它替我补齐了语气,却没有替我增加判断。这个瞬间让我对AI写作多了一层警惕:顺手,不等于可信。
流畅感的来源
语言模型做的事情,本质上是根据上下文预测接下来可能出现的词。它见过大量文本,因此很擅长常见搭配、解释性句式和稳妥的过渡。也正因为如此,它输出的文字往往符合阅读习惯,却不一定对应具体事实。一个句子读起来顺,可能是因为它在无数类似文本里出现过;一个观点显得完整,也可能只是结构被补全了,论据仍然悬空。
这不是说工具没有价值,而是要把“生成”和“核实”分开。生成阶段可以快,核实阶段不能省。把两者混在一起,常出现的不是明显错误,而是那种看起来很对、细看没有落点的段落。
把AI写作放回流程里
我现在倾向于把AI写作放在流程的前段:把采访笔记整理成提纲,把零散观点归并成几个方向,或者让同一段话换一种克制的语气。这些任务有明确的输入和输出边界,也方便我逐条检查。反过来,涉及事实陈述、引用来源、因果判断的部分,我会自己写,或者逐句回到原始材料核对。
有一个简单的检查办法:读一段生成文字,问自己“这句话如果被追问,我能给出依据吗?”如果答不上来,就把它降级为表达建议,而不是内容结论。另一个办法是看删掉形容词和过渡句之后还剩什么。剩下的信息密度,值得单独看一眼。
怀疑不是否定
对AI写作保持迟疑,不是拒绝工具。工具确实缩短了从空白页到初稿的距离,也降低了整理材料的体力成本。但编辑和创作者的核心工作,本来就不只是把句子写通。判断哪些信息值得留下、哪些因果关系成立、哪些表达会误导读者,这些环节需要有人负责。工具可以给选项,不能替人承担选择。
所以,一种实际的态度也许是:让AI写作负责“把话铺开”,让人负责“把话收住”。前者追求效率和可读性,后者追求准确和取舍。两者混在一起,效率会显得很高,风险也会被藏得很深。保留一点迟疑,不是姿态,而是流程里该有的检查点。