下午四点，一位编辑把一句模糊的需求丢进对话框：写一段关于新功能上线的说明，语气别太硬。三十秒后，屏幕吐出一篇结构齐整、段落匀称的稿子。他删掉两句，换了个标题，点了发布。整个过程顺滑得几乎没有摩擦。
问题恰恰藏在这份顺滑里。写作原本是有阻力的：找一个准确的动词要试几次，说清一段逻辑要先想明白自己到底信什么。这些卡顿不讨喜，却是判断发生的地方。当阻力被抹平，我们得到的是速度，交出去的可能是那个思考的瞬间。
完备的文本，未必是想清楚的文本
AI内容创作的输出有一个共同特征：完整。每段都有主题句，每个转折都有过渡词，结尾还要收一下。这种完备感很容易骗过眼睛，读起来没有缺口，就默认背后有判断。但缺口有时候不是被想法填上的，而是被句式填上的。把那些“总而言之”“值得注意的是”抽掉，剩下的东西有多少是自己想说的，需要逐句去问。
我的做法是反向检查：先不看正文，只看小标题，问自己这些标题之间有没有真正的递进关系。如果标题连起来像一份目录，而不是一条思路，那多半是模板在走路。
同质化不是从模型开始的
关于AI内容创作的讨论里，常听到一种担心：机器写多了，文字会越来越像。这话只说对了一半。模型确实倾向于输出“平均”的表达，因为它学的是已经写出来的东西。但在此之前，人的惰性已经先一步制造了同质化：选题会上挑安全的角度，稿约里照着上次的框架填，标题往常见句式上靠。机器只是把这种惯性放大，并且加速了。
所以真正值得警惕的，不是某一篇稿子像不像机器写的，而是写的人有没有在动笔前就想好，这篇跟上一篇的区别在哪。这个问题，模型回答不了。
审稿这一步反而变重了
流程上有个变化值得注意：生成变便宜了，审稿就变贵了。以前编辑的时间花在催稿和改错字上，现在更多花在辨别上。几个还算实用的做法：
- 要求作者标出“哪一句是自己的判断”，标不出来的段落优先删。
- 把生成和判断分成两段时间，不要边生成边定稿，人容易顺着模型给的框架走。
- 允许稿子留一点不圆润的地方，那些毛边往往是个人才有的痕迹。
还有一点常被忽略：AI内容创作真正省下的，其实是“从零到一”的心理成本。面对空白文档的焦虑被消解了，人可以从一个已有的草稿开始改。这是好事，但前提是改的时候真的在改，而不是只做润色。
哪些该交出去，哪些不该
结构的梳理、资料的归类、同一段话换成另一种语气、把长文压成摘要，这些交给模型是合适的，因为它们有明确的判断标准，做得对不对一眼能看出来。
需要个人经验的判断、需要署名的表态、需要在信息不全时做取舍的部分，交出去就要付代价。稿子发出去了，责任还在人这边。这一点不会因为工具变强而改变。
回到那个下午四点的场景。也许可以给自己加一道很小的工序：在把提示词写完整之前，先手写一段，哪怕只有三句话，说清这篇东西到底想讲什么。如果这三句话写不出来，生成再快也只是在填补空白。