光标在空白文档左上角闪了很久。有人把需求丢给模型，几秒钟后拿回三段工整的文字，读一遍，觉得“差不多”，就贴进文档。这个动作如今很常见，也很少有人停下来想：刚才省下的那二十分钟，后面会不会以别的形式还回来。
初稿变便宜之后，判断变贵了
AI写作真正改变的，不是“能不能写出来”，而是“写出来的成本”。过去卡在开头的人，现在有了一个可以随手推翻的起点。问题在于，起点多了，需要做的判断也多了。一段通顺的文字最容易让人放松警惕——它没有语法错误，逻辑连接词齐备，读起来像那么回事，于是审稿的人容易从“检查”滑向“点头”。
我的判断是：文字生产的瓶颈从“写”移到了“认”。你得认得出哪句其实没有实际内容，哪句其实没回答问题，哪句读着顺但经不起追问。这种识别能力不会因为工具能力提升而自动获得，反而因为产出变多而更加吃紧。
它为什么总能写得像那么回事
语言模型做的基本动作是预测下一个词。它见过大量文本，学到的是词与词之间常见的搭配和展开方式。所以它擅长的是“接着往下说”——给一个开头，它能顺着语势铺陈；给一段材料，它能换几种说法。
这也解释了它的短板：语势会推着文字走，走到一个听起来合理、实际没有立场的位置。它不承担后果，因此不必选边。而很多写作恰恰难在选边——要不要说这句不讨喜的话，要不要承认这个方案有代价。这类决定，工具替不了。
把它当对手，而不是当手
比较实用的用法是反过来的：先自己写，再让它挑。让它指出哪一段论证跳步了，哪个词反复出现，哪些句子删掉不影响意思。它做这类机械而琐碎的活儿很稳，也不会因为指出你的问题而尴尬。
另一种用法是给它材料而不是给它题目。只丢一句“写一篇关于某某的文章”，拿回来的多半是平均值；把手头的笔记、访谈记录、真实发生的细节喂进去，输出才会有具体的棱角。空手要东西，只能拿到空的东西。
- 需要事实准确的内容，逐条回原始材料核对，别信它复述的数字和引文；
- 需要立场的内容，自己写结论段，让它只做前面的铺陈；
- 需要风格的内容，给它两三段你认可的样本，比列十条形容词管用。
边界在哪里
有些场景我一直觉得不该交出去。道歉信、悼词、给同事的反馈，这些文字的重量不在措辞，而在“是我说的”。AI写作能帮你把话说圆，但说圆和负责是两件事。读者能感觉到差别，哪怕说不清差别在哪。
反过来，那些以信息传递为主、格式相对固定的文本——会议纪要整理、材料归类、同一份说明改写成不同长度——交给它节省的时间是实打实的，而且风险可控。
回到开头那个闪烁的光标。工具没有让人变懒，它只是把懒惰和勤奋都放大了：敷衍的稿子更容易产出，认真的稿子也能更快打磨。中间那道分界线，还是落在用的人身上。