周一上午打开文档，AI已经按提纲铺出一版周报：标题齐全，段落顺滑，连过渡句都写好了。奇怪的是，省下来的时间并没有立刻变成空闲。人还是要坐下来，把那些看起来正确的句子逐条拆开，问它依据在哪、主语是谁、这句话删掉会不会影响信息。
AI写作带来的变化，往往不在“从零写出一篇”这一步，而在草稿出现之后的编辑工作。它擅长把空白填满，却不天然掌握现场的分寸：哪些结论需要来源，哪些语气只是客套，哪些因果其实经不起追问。编辑台因此多了一道工序，叫删句。
先删空泛判断
草稿里常出现这样的句子：这件事具有重要意义，体现了团队对效率的持续关注，也为后续工作打下基础。单看每句都通顺，放进上下文却像一层雾。它们没有具体动作，也没有可核对的对象。处理方式不是换同义词，而是直接删掉，再补上可验证的信息；如果补不上，就承认这段信息不足。
再拆伪因果
语言模型按上下文预测下一段文字，天然倾向平滑连接。于是“因为流程调整，所以协作效率提升”这类句式很容易出现，读起来顺，逻辑却可能只是相邻发生。编辑要做的，是把“因为所以”拆开，分别看两件事是否有时间关系、是否有其他解释、是否有材料支撑。拆完以后，有些句子会变短，甚至变得不那么漂亮，但信息责任清楚了。
圆润的总结要降噪
另一类需要删的是过度圆润的总结。它们把段落收得整整齐齐，却常常把具体问题收没了。周报不是演讲稿，读者需要知道卡在哪里、谁在等什么、下一步动作是什么。遇到“整体进展顺利，后续将持续优化”这样的收尾，我会把它还原成待办事项：哪项还没确认，哪个节点需要回复，哪段描述缺少数字。AI写作可以帮忙生成初稿，但收尾处的判断仍要由人来落下。
这类AI写作适合处理结构清楚、语气中性的文本，比如会议纪要初稿、提纲扩展、把口语记录改成书面段落。它不适合替代采访核实，也不适合在责任边界模糊时自动下结论。一个实用做法是：先给约束清单，再单独提供事实来源，生成后只做两轮处理——先核对事实，再删语气。不要让模型在同一个提示里既编内容又做审核，角色混在一起，句子会越来越像正确的废话。
把AI写作放进流程后，我反而会花时间在删句上。写得多不等于信息多；句子顺不等于判断准。编辑的价值有时就体现在那些被删掉的句子里：删掉空泛判断，留下可核对的动作；拆掉伪因果，留下真实的时间线；压低圆润的总结，留下下一步要处理的问题。草稿可以交给工具，删和核仍要留在人手里。