晚上十点，文档里停着一段两百字左右的开头。读一遍，通顺，语法没错，逻辑也接得上，可我说不出哪一句是必须由我来说的。这段话是几秒钟前生成的。我删掉它，又觉得可惜；留着，又像是在替别人签字。
这类犹豫最近出现得越来越频繁。「AI写作」被说得很大，落到日常，多数时候就是这样一个具体的小动作：把一段空白交给机器，然后面对一堆还行的文字，决定拿它怎么办。
通顺是最容易达到的标准
模型读过大量文本，学到的是语言的中间值：什么说法稳妥，什么句式不容易被挑错，什么词放在一起读者不会卡住。所以它给出的东西往往平滑、平衡、没有棱角。这不是缺陷，是它的工作方式。问题在于，平滑的文字很容易让人误以为已经想清楚了。
读一段没有明显毛病的稿子，人会自动放低警惕。真正该被追问的东西——这句话到底成不成立，这个结论有没有前提，这个例子是不是恰好相反——都被通顺遮住了。于是审稿的人退成了校对的人，只盯着错别字和标点。
省下的是敲键盘，花掉的是筛选
生成一段初稿的时间成本已经接近于零，但判断一段初稿值不值得留下，成本没变，甚至更高了。面对一版稿子，你知道哪里不对，能指出来；面对十版都还行的稿子，你得先说服自己为什么选这一版。
有些环节确实适合交出去：
- 把已经想好的要点扩成段落，再自己改回去；
- 同一段话换几种语气，看看哪种更贴近读者；
- 把冗长的表述压短，或把过于干瘪的句子补顺；
- 检查前后说法是否打架、术语是否统一。
这些活有个共同点：判断标准在动手之前就已经存在。你清楚什么样算好，机器只是把路走得快一点。
而观点怎么形成、事实怎么核对、涉及具体人具体事的段落怎么写，标准往往是在写的过程中才逐渐清晰的。这部分交出去，等于把思考也一并交了出去，拿回来的是一段听起来像结论的东西。
平均的语感，写不出具体的现场
有个现象值得注意：机器生成的内容，单看每一句都成立，连起来却常常缺少一个“在场”的人。它不说错话，也不说只有某个人才会说的话。写风景是通用的风景，写困扰是通用的困扰，写行业是通用的行业。读者读完点头，然后忘掉。
这不是靠多堆细节就能解决的技术问题，而是来源问题。具体的东西来自具体的经历、具体的对话、具体的一次失败。这些材料机器没有，也很难凭空补上。所以「AI写作」更适合被当成一道工序，而不是一位作者。
一个可以随时用的自查
写完一段，问自己一句：这段里有没有一个只有我知道的东西？可以是一个时间点，一次对话里的原话，一个别人不太会注意到的细节，或者一个我明确反对的判断。如果找不到，那这段大概只是通顺。
通顺本身不是坏事，它只是不够。把生成按钮关掉，先写三句自己完全确定的话，再决定要不要让机器接着往下走——顺序换一下，结果往往差得很远。