改一份来稿时，读到第三段忽然停住。句子都通顺，标点也规矩，可整段读完，没有一句是“非说不可”的。后来知道是工具生成的初稿。这种感觉很难描述：不是错，是空。
过去一年，AI内容创作被讨论得很多，但大部分讨论停在“能不能用”。真正值得说的是它把写作这件活的哪一部分接了过去，又把哪一部分原样退回给了人。
它擅长的是换一种说法
从机制上看，这类模型做的事是根据已有上下文预测接下来的词。它没有立场，也不掌握现场，所以最稳的能力不是“想出观点”，而是“把已有的意思重新组织”：扩写、压缩、换语气、换受众、换长度。这恰恰是很实在的一部分工作——日常写作里有一大半，本来就是把同一件事说给不同的人听。
把一段内部说明改写成对外介绍，把一份长材料压成三句话的摘要，把生硬的直译调成顺口的中文，这些交给它，效率上的变化是能感觉到的。它不知疲倦，也不会因为改到第八遍而敷衍。
卡住的地方，在打开编辑器之前
难的是另一头：哪句话值得说。
这个判断依赖现场感——谁在问、为什么现在问、上次哪句话被误读了。这些信息不在训练语料里，只在你和对方的往来里。所以AI内容创作最难替代的一环，往往发生在还没开始写的时候。它可以给你十个开头，但没有依据告诉你哪个开头是这次该用的。
我见过一种常见的误用：把“帮我写一篇关于某事的文章”当成起点。这样得到的必然是通稿质地的东西——四平八稳，覆盖全面，谁都能用，也因此谁都不需要。
成本从“写”挪到了“审”
工作流里更实际的变化是瓶颈位移。以前卡在产出速度，现在卡在判断速度。稿子来得太快，审的人成了稀缺资源。而审查这件事，比写更耗神，因为它要求你逐句对抗一种“看起来很对”的顺滑感。
- 具体名词被换成更通用的说法，读着更正式，指向却模糊了。
- 原文里的限定和让步被删掉，结论比本意更绝对。
- 归属、出处、时间这类细节被顺手补全，补得合理，但未必是真的。
第三条尤其需要注意。模型优化的是“像不像一句该出现在这里的话”，不是“是不是真的”。这两件事在多数时候重合，在关键处不重合，而人往往是在关键处才发现。
另一种代价：质地变得相似
如果同一个环节的人都用相近的工具、相近的提示方式，出来的东西会带有相近的纹理。读者未必说得出哪里不对，但会有“这篇好像读过”的钝感。
对抗这种趋同，靠的不是更精巧的提示词，反而是一些很土的东西：你亲自遇到的具体麻烦，你手上那个别人没有的细节，你在某处踩过的坑。这些东西工具给不了，因为它不在语料里。
我自己的用法
现在的习惯是把它放在第二稿的位置，而不是第一稿。先自己写一段很烂的、但判断都在里面的东西——哪里要重、哪里要轻、哪句话是给谁看的——再让它去整理、去改语气、去压缩。这样AI内容创作省下的是打磨的时间，而不是判断的时间。
省下判断的时间当然更诱人，但那部分一旦外包出去，稿子会越来越顺，越来越像，也越来越没有非说不可的理由。