上周帮朋友看一份产品说明，通篇顺滑，读到第三段才发现“三年质保”和“两年质保”同时出现在里面。我问是谁写的，答：先用模型出初稿，自己只改了标题。这类情形如今很常见——文字越来越像样，问题藏在细节里。
这并非模型退步，而是它的工作方式决定的。语言模型做的是预测下一个词最可能是什么，给出统计上通顺的表达，而非经过核对的陈述。所以它能一口气写出八段像样的段落，也可能在同一篇稿子里把日期、单位、名称写成两个版本。
省下的时间去了哪里
很多人把AI内容创作理解成“写作加速”。用上一阵会发现，省下来的时间并没有变成空闲，而是挪到了别处：核对事实、统一口径、判断某句话该不该说。写作的成本结构变了，从“从零开始组句子”变成“审一份看起来已经完成的稿子”。
后一件事更难。空白页会让你警惕，一份读起来通顺的稿子却容易让人放松。审阅要的是另一种力气：不顺着语感走，而是逐条追问依据。
- 数字、日期、专有名词前后是否一致；
- 有没有把推测写成了确定；
- 有没有为了让句子漂亮，补上原文里并不存在的因果；
- 语气是否和一贯的说话方式对得上。
风格容易被模仿，判断不容易
让模型模仿某种语气，现在几乎不成问题。短句、克制、带点冷幽默，描述清楚就能得到。但这篇内容里真正值钱的部分——为什么这时候说这件事、哪些话先不说、这个结论自己能不能承担——并不在语气里。这些判断依赖对场景的了解，而模型能看到的只是你给它的那点上下文。这也是AI内容创作里最容易被高估的一环：产出看着像专家，决定却仍然得由人来下。
于是出现一个反差：越是容易生成，越需要有人负责。稿子可以十秒出一版，签字的人还是只有一个。
有些活适合交出去，有些不必
我的经验是，结构性、重复、不需要署名的部分交出去比较划算：提纲的几种排列、同一段话的几个长度版本、把长文压成摘要、把口语整理成书面语。这些工作有明确的验收标准，好坏当场能看出来。
反过来，涉及承诺、涉及具体的人、涉及“我们为什么这么做”的段落，最好自己写。不是为了纯粹，而是这类文字一旦含糊，后面要花更多力气去解释。
我见过一些团队在AI内容创作上走弯路，原因不在工具，而在起步时把它当成了替代品，用久了才发现它更像一个反应很快、但不知道边界的合作者：你给的信息越具体，它越有用；你不检查的地方，它就自由发挥。
所以每次要发出提示词之前，我现在会先问自己一句：这篇东西发出去，署名的人愿意为每一句负责吗？如果答案不确定，那就说明还不到交给模型的时候。