十一假期结束了，不知道大家过得怎么样，反正我是过得挺开心——9 月 24 号请了 4 天假，前后凑出 14 天。先是去天津看许嵩的演唱会，然后去三亚看海、冲浪、躺酒店，运气不错，都是大晴天，我回来后好像三亚一直在下雨。之后回来躺平 5 天，不过我捡漏到徐良的演唱会门票，于是我今年把汪苏泷、许嵩、徐良这“QQ音乐三巨头”的演唱会集齐了，感觉我的青春回来了，我的斜刘海又要长出来了。
不过这半个月我也没完全断线，想到什么还是习惯随手记下来，攒了一堆想法——今天要聊的话题，就是从里面挑出来的。
回到今天的主题，我们来聊一下 AI 写作。
我先声明一点：其实我是支持 AI 写作的，而且已经大量在用。你要是读过我之前的文章，大概能感觉出 AI 味——我自己写的时候也在使劲去，但去不干净。没办法，AI 写得太好了，我实在不忍心用我拙劣但带着人味的话，去替换掉那些虽然一股 AI 味、却精准说出了我意思的句子。毕竟我写作是为了表达我的观点和洞察，不是为了让大家欣赏我的文采。
但用得越多，我心里越有几个没想明白的问题，而且我猜有这些问题的不止我一个。
关于 AI 写作，再细分下去，我觉得大家关心的可能还是这三个问题：手工写作还有没有意义？把写作外包给 AI，算不算把思考也外包了？读者在乎的到底是谁写的？
人工写作 vs AI 写作
先回答第一个问题：手工写作还有没有意义？要回答它，得先看清两种写作差在哪儿。
不过今天再谈“人工写作”和“AI 写作”的对立，其实已经有点站不住了：纯粹的人工写作早就不是主流了。不光是我，大部分博主都在用 AI——写之前的思路梳理、素材整理、信息检索，写的过程中的框架搭建、初稿生成、反复润色，甚至事后的数据复盘，都有 AI 参与，有些营销号干脆直接用 AI 生成的素材。所以“人工”和“AI”的分界，早就不在“用不用”上了。下面要比的也不是“要不要用 AI”，而是这两种写作的瓶颈分别出在哪儿。
传统写作是存量决定产量：你肚子里有一斤墨水，你可能才能吐出一两。写多少，取决于你读过多少、想过多少、练过多少——产出被输入卡着，谁也绕不过去。
AI 把这道瓶颈挪开了。你只要有一两墨水，剩下的组织、铺陈、措辞，它都能替你补上。同样，即便你肚子里只有一两墨水，现在也能吐出一斤。
瓶颈挪走了，但瓶颈没消失，它换了个位置：从墨水的存量，挪到了想法本身。你那一两墨水值不值得被展开，成了新的问题。
我具体怎么用 AI 写
在回答剩下的两个问题之前，我先来说下我用 AI 写作的流程。我的流程分四步：
选题: AI 帮不上忙。想法是我自己冒出来的，我随手记下来，大部分不了了之，有些放很久才成文。
讲述: 这是我最喜欢的一步——它比打字快好几倍——也是我最后悔没早点开始用的一步。
做法很简单：拿着录音卡，对着一个想法把脑子里想到的全说一遍。不管语序、不管重复、不管说到一半岔出去又绕回来。这份录音不对外，所以不用在意好不好听、有没有“嗯嗯啊啊”。目的只有一个：把脑子里想讲的东西一次性倒出来。
说完拿到一份很粗糙的转写，满是“嗯”“对吧”“就是说”。这份文本没法直接用，但它包含了你所有真实的想法和表达——恰恰是你事后坐在电脑前“写”不出来的东西。写的时候人是收敛的、规范的，状态一紧，很多话就说不出口；讲的时候人是松弛的、发散的，能调用的素材完全不一样。
还有一点更实在：快。打字是一个字一个字往外挤，说话是一口气倒出一段。同一个想法，讲一遍就倒完了，坐在电脑前敲可能得磨很久——写东西最耗时间的，往往就是这一步。
最后交给 AI 整理成文。这里有个关键约束：只让它清理，不让它改写。
你是一个整理员，不是作者。
任务：把我下面这段录音转写整理成一篇能读的稿子。
你可以做：
1. 删掉语气词、重复、口头禅（嗯、对吧、就是说）
2. 把口语长句压成短句，但保留我原来的用词
3. 把跑题的内容砍掉，或者移到它该在的位置
4. 纠正明显的术语识别错误
你不要做：
- 润色文笔，替换我用的词
- 重写任何段落
- 调整段落顺序（第 3 条里的归位除外）
- 补充我没说过的内容、例子、数据
- 加小标题、加总结句、加“首先其次”
输出：保持原顺序，不要解释你改了什么。框架: 拿到整理干净的转写，才轮到搭结构。注意顺序：先有内容，再有结构，而不是先搭好骨架再往里填。我之前会先让 AI 生成一个框架做参考，再往里补内容，结果发现写作思路被 AI 牵着走，写出来的东西 AI 味反而更浓。反过来，先把内容写出来，再让 AI 辅助生成一个框架去承载它，这时文章里装的才是你想表达的内容，而不是 AI 想表达的内容。
迭代优化: 最后是来回打磨细节。这一步我会让多个模型给建议，再挑合适的采纳。如果只是表达层面的问题，我直接用 AI 的结果——我承认 AI 比我会表达，我说不到点上的话，它一下就能戳中。但一旦涉及结构变动，我就会慎重对待，防止 AI 干扰到我的思路。
这套做法里有个反直觉的地方：讲出来再让 AI 整理，AI 味反而更淡。因为结构本来就是你讲出来的——想到哪儿就说到哪儿，怎么绕回来，全是你真实的思路。我后期的修改基本是做减法：删掉“就是说”，把长句拆成短句，把讲岔的部分拖回它该在的位置。改完之后，句子还是我当初讲的那个样子，只是干净了一点。
谁搭的骨架，文章就是谁的
我发现这四步走下来，决定 AI 味轻重的其实是讲述和框架这两步，而它们的共同点是：结构由谁定。
我现在的判断是：AI 味不在措辞，在结构。
措辞层面的 AI 味最好改——“首先其次”“值得注意的是”“不仅仅是……更是……”，替换几个词就干净了；而且随着 AI 模型的迭代，这类表达其实也弱化了很多。结构层面的 AI 味最难改，因为改结构约等于重写。而结构恰恰是 AI 最擅长、人最容易偷懒的地方：你把框架交给它，它就顺手把整篇文章的骨架换成了它的骨架。
读者不在乎署名，但在乎你是否在场
第三个问题我提前回答，因为它决定了第二个问题的答案：大部分时候，读者不在乎是谁写的。
读者在乎的是这篇东西对他有没有用、值不值得花十分钟。他关心“这篇读完能不能拿走点什么”，而不是“这是谁敲的字”。
但这里有个更麻烦的后果。AI 把文章的下限抬得很高，现在任何人都能产出一篇“看起来挺像样”的东西。下限抬高，读者的及格线也跟着抬高，于是中等水平的文章相对贬值了。以前你比别人文笔好、结构清晰就能赢，现在这些 AI 都替你补齐了，那剩下的区分度是什么？
只剩两样：你经历过而别人没经历过的，和你想过而别人没想过的。
这也是我不再写技术原理的原因。技术原理属于“谁写都一样”的内容，AI 写得比我好——一句话丢给它“写一篇 Java HashMap 技术原理”，产出的质量远超我自己写的。但我在职场的经历、半夜改完代码的那点体会、我自己的思考和总结，AI 是编不出来的。
换个框架看，这件事更清楚。信息论里，一段文本携带多少信息，取决于它有多难被猜到。AI 本质上是个压缩器，它吐出来的是训练分布里概率最高的那些字，谁问都差不多。而你的经历和判断，是低概率的、只属于你的。读者读文章是在消除自己的不确定性，所以只有高概率之外的那部分才携带信息量。技术原理早被压到底了，它不携带关于你的任何信息。
反过来说一句不好听的：如果你的经历和判断也是从别人那儿嚼过来的，那 AI 帮不了你，它只会让你更快地生产垃圾。瓶颈挪开了，不等于谁都有东西可写。
在场，是这个时代唯一没法外包的东西。
外包到哪一步算越界
回到第二个问题，答案是看你外包的是哪一段。
措辞、排版、错别字、术语纠错、口语转写清理，这些不算。把苦力活交出去，跟你用计算器算账是一个道理。
选题、观点、判断、段落组织、论证顺序，这些算，而且代价不小。
我自己有个很土的自检标准：这段话我能不能验收？AI 写完，我能一眼判断它说得对不对、好不好，说明判断力还在我这儿，外包是安全的；如果它写什么我都觉得“好像挺有道理”，那就危险了，说明这一段我已经没有验收能力。
| 可以安全外包 | 危险，别外包 |
|---|---|
| 措辞、排版、错别字 | 选题、观点、判断 |
| 口语转写清理 | 段落组织、论证顺序 |
| 术语纠错、格式统一 | 例子、数据、亲身经历 |
之前我还有件事一直没想明白，后来才想通：既然读者不在乎谁写的、AI 味重的文章照样十万加，那我花时间去 AI 味，图什么？
不是为了讨好读者，是为了不让自己的判断力钝掉。去 AI 味的过程，本质上是逼自己回答“这句话到底是不是我想说的”。偶尔不做没关系，做久了，那种一眼看出哪里不对的直觉就废了。而那个直觉，是我现在唯一还值钱的东西。
绕了一圈，三个问题其实都有答案了：手工写作的意义没消失，只是瓶颈从墨水挪到了想法；外包到哪一步算越界，看你还能不能验收；读者不在乎署名，但在乎你有没有在场。
这三句话连起来，大概就是我还愿意继续写下去的原因。
最后我还想说一句话：
AI 能替我写字，但替不了我想说清楚什么。
推荐阅读
- 我和 AI 共创了一套会自己生长的 Obsidian 知识库 — 把 AI 当「整理助手」而不是「作者」，规则由人写、判断留给人，跟本文「只让它清理，不让它改写」是同一件事
- 为什么程序员反而是 AI 冲击最大的行业 — 本文说技术原理「谁写都一样」，这篇解释了为什么这类内容最先被 AI 接管：输入输出结构化、验证可闭环、训练数据足够
- AI 明明提高了效率，为什么我们反而更累了？ — 瓶颈挪开了但没消失，只是换了位置
- 超级个体能撑起一家公司，却未必能赚到钱 — AI 是放大器，不是能力生成器：瓶颈挪开，不等于谁都有东西可写
- 烧 Token：一件正在被重新审视的事 — 用量不是产出，值不值看你还能不能验收
