上周四下午，我让一个通用大语言模型帮我整理一周的会议记录。输入是七段零散的笔记，有几句是同事的口头确认，有几条是待定的时间。几秒之后，它输出了一份结构齐整的周报：进展、问题、下周计划，分段清楚，语气得体。
我把其中三段删了。不是因为写得差，恰恰相反，是因为写得太顺，顺到把几件还没定下来的事说成了定论。机器不知道“暂定周三”和“周三”之间的差别，它只知道哪种句子读起来更像一份周报。
它擅长的是“把话说过得去”
这大概是多数人第一次长时间使用大语言模型后都会有的体验：它极擅长处理语言的表面秩序。把口语变书面，把长文压成要点，把要点扩成段落，把一段逻辑不通的话改得通顺。这些任务有一个共同点——判断标准是“读起来是否符合预期”，而这正好落在它的能力范围内。
问题在于，工作里真正费神的往往不是把话说过得去，而是决定哪些话该说。会议记录里那条“暂定”，背后可能是有人在等另一个部门的确认；一句随口说的“应该没问题”，并不能当作承诺写进文档。这些信息不在文本里，在人和人的关系里。模型读不到，也不该替我们决定。
所以我现在用它，会刻意把任务切小：让它做格式转换、语气调整、要点归类，而不让它替我做事实判断和承诺表述。前者它做得比我快，后者它没有资格。
“看起来懂了”和“真的懂了”之间
关于大语言模型的能力边界，有一个说法流传很广：它并不理解语言，只是在预测下一个词。这个说法不算错，但容易被误读成“所以它没用”。实际使用中更准确的感觉是，它在一个非常宽的范围内表现得像懂了，而在某些看起来相似的问题上会突然露馅。
比如你让它总结一份合同要点，它能挑出付款周期和交付节点；但你追问“如果对方延迟交付，这条款触发什么”，它可能给出一个语法漂亮、逻辑自洽、却与实际条款错位的回答。差别不在于难度，而在于前者是文本里明确写着的，后者需要把两个分散的条款连起来，再判断适用条件。这类“跨段落的条件推理”，是它容易失手的地方。
所以我的习惯是：涉及具体条款、具体数字、具体责任归属的内容，一律回到原文核对。模型给的是线索，不是结论。
把它当同事，不如当实习生
“把它当同事”是常见的比喻，我不太认同。同事之间共享上下文，知道哪些事不能碰，出了错会自己意识到。更接近的定位也许是：一个读过很多材料、写得快、但完全不了解你所在组织内部规则的实习生。
对实习生，你会交代清楚背景，会给样例，会在关键节点复查，不会让他独自对外发一封定调邮件。对模型也该如此。提示词里写清“哪些是待定事项”“不要写成已确认”，比事后修改省力得多。
- 给它材料，而不是只给指令；
- 让它做草稿，不让它做定稿；
- 涉及对外表述时，人工复核一遍事实与承诺。
这三条听起来像常识，但真正在流程里坚持下来的人并不多。原因也简单：它写得太顺，顺到让人懒得再看第二遍。
边界之外，日常之内
回到那份周报。删掉三段之后，我保留了它整理出的结构，那部分确实帮了忙——七段杂乱笔记能变成一眼看清的骨架，这件事我自己做要花二十分钟。大语言模型在文档整理这类“结构劳动”上的价值是实在的，不需要夸大，也不需要否认。
真正需要警惕的，是把“它写得像”当成“它写得对”。语言模型输出的流畅度，和内容的可靠程度之间，没有必然关系。使用者的判断力没有被替代，只是被推到了更靠后的位置——从写，变成审。这个位置更省力，但也更容易走神。
那三段被删掉的话，我后来补了两句：一句写“待确认”，一句写“需与对方复核”。这两句模型写不出来，因为它不知道要确认什么。而我知道。