周三下午，一份产品说明的 brief 改到第五版。同事把稿子贴进对话框，只说了一句“再自然一点”。返回的文字挑不出语法毛病，可读下来像客服话术：每句都对，每句都不像人写的。这样的时刻，大概是我这一年里对 AI 内容创作感受最具体的地方——它不难用，难的是判断它给出的东西到底算不算数。
它擅长的不是“写”，是“整理”
把一场会的零散记录压成条目，把一段绕口的长句拆开，把同一个意思换成几种语气，这些事它做得又快又稳。这类工作的本质是压缩和变形，规则清楚，对错容易验证。
而写稿里真正耗时间的部分，是决定哪句话留下、哪句话删掉，以及读者凭什么相信这段话。这属于判断，不属于变形。
看着对、其实空的句子
用久了我慢慢摸出一个粗糙的检验办法：把句子里的名词换掉，如果它还成立，那它多半什么也没说。“我们致力于为用户提供更优质的服务”，把“用户”换成任何人、任何行业，句子照样通顺——这就是信号。
另一个信号是形容词的密度。“高效”“智能”“一站式”堆在一起时，读者接收到的信息接近于零。这类句子出现在初稿里很正常，把它留在终稿里才是问题。
brief 写清楚，比 prompt 花哨有用
试过各种提示词模板之后，我反而把力气挪到了需求本身。现在给它的说明大致包含这几件事：
- 读者是谁，他现在知道多少，读到这段时大概在做什么；
- 这段文字希望促成什么动作，是继续了解，还是直接联系；
- 哪些词不能用，哪些说法涉及对外口径，必须原样保留；
- 两段自己写过的样本，让它知道“自然”在这家公司具体长什么样；
- 篇幅和语气的参照物，比如“像给同行发的一封邮件”。
样本那一条最容易被省掉，也最影响结果。只描述风格，它只能往平均的方向靠；给出具体文本，它才有可对齐的东西。
审稿时我会问自己的几句话
- 这段话里有没有一句具体到可以被反驳？
- 出现的术语，目标读者是否真的认识？
- 语气和站内其他页面放在一起，像同一个团队写的吗？
- 涉及事实、数字、承诺的地方，有没有回到源头核对过？
最后一条没有例外。模型不会告诉你它在哪一句上不确定，它的语气始终平稳。
有些内容不适合交出去
涉及承诺、资质、对外统一口径的段落，我仍然坚持人先写、人签字。不是因为模型写得差，而是这类文字的责任必须落到具体的人身上，而它承担不了。
所以我对 AI 内容创作的理解比较朴素：它把初稿的成本压得很低，把省下来的时间挪到核对和判断上。这个交换划算，但前提是你真的把那段时间用在核对和判断上，而不是接着堆下一批初稿。
稿子改到第五版那天，最后留下的版本里没有一句话是模型原样给出的。它给了十几种说法，我们挑了其中一种，改了两处，删掉三句。这个比例，我觉得挺正常。