夜里改一份产品说明，我把需求丢给模型，几分钟拿到三版。句子都通顺，标点也规矩。真正花时间的是删：每版删掉一半，剩下的再拼。删的不是错字，是那些读起来没问题、落到纸面上却没分量的话。
通顺是门槛，不是标准
语言模型做的事是预测下一个词，它倾向选择语料里高频、稳妥的搭配。这带来一种匀称的语感：段落长度均匀，转折都有铺垫，结尾总要收一下。单看一段挑不出毛病，连读三页就开始发闷。企业文案里这种闷很贵——读者不会说哪里不对，只会关掉页面。
我常做的动作是把形容词砍掉一层。模型爱写“显著提升”“全面覆盖”，这类词不提供信息，只提供情绪。删完剩下的名词和动词，才看得出这句话到底有没有内容。
它不犹豫，所以替不了犹豫
写作里难的部分不在造句，在取舍：这个细节留不留，这句判断敢不敢下，这段要不要承认自己不知道。人写东西会犹豫，因为要承担后果。模型不承担，所以它给得出十个选项，给不出一个决定。
这也是我用AI写作时给自己划的线：让它出选项，决定我来做。它可以在十分钟里铺开五种开头，但哪一种配得上这篇文章的读者，需要我自己判断。判断力不够的时候，工具不会补上，只会把平庸放大——生成得越快，废稿堆得越高。
我把它放在三个位置上
- 拟结构：给它一段素材，让它列出三种组织方式，我挑一种再改。它列的框架通常工整，工整本身就是提醒——真实的内容往往不那么齐。
- 改语气：同一段话，让它换成克制的说法，或换成直接的说法，对照着看，能发现自己平时察觉不到的口头禅。
- 找反例：让它站在对面质疑我的结论。它提的质疑未必成立，但能逼我把没写清的前提补上。
这三个位置有个共同点：我能判断输出好不好。交给它之前，我心里得先有个大概的样子；否则就是让它替我思考，再替我相信它思考过。
边界落在责任上
内容发出去，署名的是人，出问题找的也是人。所以我在流程里留两样东西：修改痕迹和事实核对清单。模型生成的句子可以留，但每个结论都要有出处，每个数字都要回到原始材料。AI写作适合做草稿，不适合做签字的那支笔。
还有一点常被忽略：它写得太顺，会让人懒得回头查。顺畅本身是一种麻醉。我现在的习惯是，凡是读起来毫无阻力的段落，反而要多看一遍。
删到后半夜，那份说明只剩三句话。三句都是我自己的，模型一句没留。但它帮我确认了一件事——剩下这三句，确实是我要说的。