把一段提示词交给模型，几秒后出现一篇结构完整的稿子。这个场景已经不新鲜。新鲜的是，很多人开始对着屏幕删句子，像改一份别人写的初稿。问题也随之变了：AI内容创作真正占用时间的，不是生成，而是判断。
生成之后，编辑动作才刚开始
草稿来得太快，容易让人误以为任务已经完成。可读一遍就会发现，句子顺，却不一定有信息；段落齐，却不一定有推进。此时编辑要做的，不是把每句话都润色一遍，而是确认这段文字有没有承担具体任务：它在解释一个概念，还是在重复标题；它在推进读者理解，还是只把语气撑满。
我习惯先删两类内容：一类是正确但无用的过渡句，另一类是听起来完整、落下来却空的判断。删完再看，剩下的材料够不够支撑主题。如果不够，就回到笔记和问题本身，而不是继续让模型“扩写”。扩写常常只会把模糊的地方拉长。
把AI内容创作当成草稿系统
把AI内容创作放进写作流程，一个合适的位置是草稿系统：用来整理线索、换一种说法、检查遗漏，而不是替作者决定立场。它可以快速给出几个开头，帮助人看见不同的进入方式；也可以把一段绕口的解释拆短。但它不天然知道哪句话该保留，哪句话会误导，哪句话虽然通顺却不像作者会说的。
所以校对不只是改错字。它至少包含三层动作：
- 核事实：涉及时间、范围、因果的表述，回到可确认的来源，不把模型的顺口当成证据。
- 调节奏：长句密的地方拆开，短句碎的地方合并，让段落有呼吸，而不是一段到底。
- 找声音：把过度圆滑的句子改回具体语气，删掉不属于自己的口号和空泛承诺。
这三层里，核事实很容易被跳过，因为它缺少润色那样的即时反馈。但内容一旦要对外发布，事实边界就要先站住，句子漂亮是后面的事。模型可以帮忙列检查项，却不能替人承担确认责任。
边界感决定文字能不能留下
AI内容创作还有一层容易被忽略的限制：它擅长给出常见路径，却不一定知道这次写作的例外在哪里。企业官网的资讯、产品说明、行业观察，读者往往不是来读“正确的大道理”，而是来找一个具体问题的解释。文字如果只停留在通用层面，读起来会像一杯温度合适却没有味道的水。
我的判断是，越依赖生成，越需要保留手工痕迹：一个明确的观察角度，一段从实际问题出发的拆解，几处愿意承担判断的句子。它们不需要华丽，但要让读者知道，屏幕背后有人在筛选、在取舍、在对自己的文字负责。
说到底，AI内容创作改变的是起草速度，不是判断的重量。生成可以很快，发布之前的那些停顿，仍然得由人来完成。