下午四点，编辑打开一份刚生成的稿件。段落齐整，过渡顺滑，连小标题都像提前排好。读了两屏，他停下来，把鼠标移到第三段：这句话没有来源，却在用一种很确定的口气下判断。
这不是孤例。AI写作 进入日常内容生产后，常被感知到的不是“写得像不像人”，而是“读起来太顺”。顺到让人忘记追问：谁说的，凭什么，适不适合放在这里。
先别问能不能写，先看它替谁写了
把 AI写作 当成代笔，容易把问题简化成“生成得好不好”。但在编辑流程里，它更像一个不疲倦的初稿工：能快速铺开结构，把散乱笔记整理成段落，也能把一段术语密度过高的说明改得易读。问题在于，初稿工不承担署名后的责任。
所以编辑检查时，先看事实锚点。时间、地点、人物、因果关系，凡是模型可能顺手补全的部分，都要回到原始材料。接着看语气：一份内部说明和一份面向公众的公告，句子的松紧不同。模型常常用同一种平稳腔调覆盖所有场景，读起来没有错，却也没有位置感。
- 把模型生成的内容当作待核对的草稿，而不是可直接发布的成稿。
- 让模型列出它不确定的句子，编辑逐条对照材料。
- 保留人工修改痕迹，尤其是删改理由，方便后续复盘。
它负责铺路，决定路径的仍是人
一个可操作的用法是分工：先由人确定文章要回答的问题、读者是谁、哪些话不能说；再让 AI写作 生成几个不同组织方式，比如按时间线、按问题拆解、按对比展开。编辑从中挑一个骨架，填入自己的判断。这样做的成本不在生成，而在前期把问题说清楚。
另一个边界是事实密度高的段落。模型可以改句式，但不适合替作者补事实。遇到不确定的信息，先把表述收一收，流畅可以稍后处理。编辑可以要求它把断言改成待确认项，把“显然”改成“目前看”，把没有出处的数字标出来。这些动作不显眼，却关系到稿件能不能经得起追问。
交稿前那十分钟，检查的是责任
回到开头那份稿子。编辑删掉了两句没有来源的判断，把一段过于顺滑的过渡改成直截了当的说明，又在文末补了一句限制条件。改完后的文章少了些齐整感，但每个段落都知道自己站在哪里。
AI写作 可以参与这个过程，但它不接管最后的判断。对内容团队来说，需要设计的不是一句万能提示词，而是一条能留下核对痕迹的流程：谁生成，谁核实，谁签字。那十分钟里检查的，表面是句子，底下是责任。