用 AI 写作：它在哪里帮你，又在哪里害你

写作是每个人最先尝试的用例，因为你一开口，模型就开始写。一张白纸几秒钟变成五个段落，那份解脱感是真实的。但"它产出了文本"和"它产出了好文章"是两回事，而二者之间的鸿沟，正是大多数人栽跟头的地方。本文是一张诚实的地图，标出 AI 在哪里真正帮助你的写作、又在哪里悄悄让它变糟——好让你在享用前者的同时，不必为后者买单。

白纸是那个容易拿下的胜利

语言模型为写作做的最有价值的一件事，就是摧毁那张白纸。对大多数人来说，开头是写作中最难的部分，而模型永远会开头。让它给你一个粗略的提纲、三种可能的开篇，或一份乱糟糟的初稿，你就有了可以回应的东西。回应远比创造容易：你看到差的文字就知道它差，哪怕你无法随叫随到地写出好文字。这样用——把它当作产出原材料、再由你来塑形的生成器——AI 是明确的净增益。错误在于把那份原材料当成成品。

形式越受约束，它越帮得上忙

任务越受约束、风险越低，AI 写作就越好。把一个段落改写得更短、把要点列表转成连贯的散文、把语气从随意调成正式、生成多个邮件主题行的变体、概括一份长文档——这些都是有明确目标的、有界的转换。模型见过大量这种形式的例子，而你一眼就能检查结果。这就是甜区：那些高产量、低创意、却仍然必须写出来的文本。让模型来处理它们，能把你的注意力解放出来，去写那些真正需要你的东西。

它害你的地方：自信的平均值

危险地带是原创的、高风险的散文。模型朝着它所见过的一切的平均值去写，这让它默认的产出胜任、流畅，却也过目即忘。它伸手去够的总是同样的过渡句、同样平衡的"一方面、另一方面"结构、同样工整的结尾。对一封随手写的邮件，这没问题。但对那些本应承载独特嗓音、真实论点或真知灼见的文字，平均值恰恰是错的。文本读起来顺滑却什么也没说，而正因为它读起来顺滑，人们很容易把它发出去，却没注意到它有多空洞。

它会陈述并不真实的东西

流畅不等于准确。模型会产出一个自信的句子，里面包含一个纯属虚构的事实、统计数字、引语或引文。在写作中，这比在聊天回答里更阴险，因为这份捏造身披着和周围一切相同的、打磨过的散文外衣登场。解法是一条硬规则：模型写下的每一个事实性主张、人名、数字和引用，在以你的名义发出之前，都必须对照真实来源加以核实。如果你不愿意去核它，就别让模型去断言它。把模型产出的任何具体内容都当作待核的主张，而非事实。

编辑陷阱

最常见的失败很微妙：人们用 AI 去"润色"已完成的文字，结果把让它出彩的一切都磨平了。模型会乐呵呵地把你那句粗糙却鲜活的句子，抹成语法正确却毫无生气的东西。它删掉了那个出人意料的措辞、那个刻意为之的句子残片、那一行恰恰因为打破了套路才真正起作用的话。嗓音活在那些不完美里，而一台求平均的机器天生就是来抹除它们的。让模型去抓错误、去建议删减，但当它"改进"一句你喜欢的句子时，要深深地警惕。目标是你的文字被理清——而不是模型的文字，披着你的名字。

诚实、披露与信任

这里还有一个信任维度，是诸如 NIST AI 风险管理框架（NIST AI Risk Management Framework）之类的框架敦促你认真对待的：谁为产出负责，以及读者是否知道自己在读什么。如果 AI 写的文本作为某个人深思熟虑的观点发出，或作为新闻报道、或作为专家建议发出，你就对它的出处做了一项可能并不真实的表述。不同情境需要不同程度的披露，但底层原则始终不变——你拥有你所发表的东西。模型不负责；你负责。养成一个习惯：问问自己是否愿意为每一个句子亲自背书，因为在所有要紧的意义上，你确实在背书。

一个留住好、丢掉坏的工作流程

真正拿到价值的团队和写作者，遵循一种可辨认的形态。他们在早期大胆而密集地用模型——提纲、草稿、备选方案、重新组织——此时一个坏点子的代价为零。他们在目标明确的地方，用它做有界的改写和概括。然后，随着工作逼近"终稿"，他们接过手来。最后一道——嗓音、论点、事实性主张、发表的决定——留给人类。把这个顺序颠倒过来，让人类起草、机器定稿，正是你最终得到流畅、被平均化、偶尔虚假、却没人真正愿意背书的文本的原因。

第二个习惯：永远别让模型成为唯一的读者。它对自己产出的判断并不可靠，它会像称赞好作品一样轻易地称赞平庸之作。你的判断，或一位同事的判断，才是那道质量闸门。模型扩展了你能产出的范围；它并不决定那份产出究竟好不好。

隐藏的代价：悄悄萎缩的技能

还有一种更长期的危害，是任何单篇文档都揭示不出来的，它值得被点明，因为它很容易被忽视，直到它已经发生。写作即思考。寻找那个恰当句子的挣扎，往往正是你发现自己真正相信什么的过程，而把那份挣扎外包出去，等于连同思考也一并外包了。那些每一段都依赖模型的人，常常报告说自己的起草随时间变得更慢、更没把握，因为那块从零写出一个句子的肌肉，正是不再得到锻炼的那块。这不是反对工具的论点；这是支持刻意使用工具的论点。当模型真能把你从苦役中解救出来时就用它，而那些难写的部分，恰恰因为它们难，才要亲自去写——那份难度，正是你的判断力被建立和维系的地方。保持锋利的写作者，把模型当作一个自己能在思考上胜过的合作者，而不是一根用着用着就离不开的拐杖。

这又连回到嗓音。嗓音不是装饰；它是一个写作者关于"怎么说"所做的成千上万个微小决定积累下来的沉淀。如果这些决定都由模型替你来做，你的嗓音就停止了发育，而在足够长的时间跨度上，它会开始向所有人都收敛过去的那个同一个流畅平均值靠拢。写作的意义很少仅仅是传递信息——若真是如此，一份摘要总能搞定。意义通常在于以只有你才会用的方式说点什么，而这正是一台在所有人身上训练出来的机器无法给你的那一样东西。

总结

AI 是一个出色的初稿手、一个对受约束文本很强的改写者，以及一个快速的选项生成器——同时也是一个糟糕的终稿编辑、一个不可靠的事实叙述者，以及嗓音的敌人。这道划分始终一致：形式有界、风险低的地方它帮你，而当原创性、准确性和独特的人类视角才是全部意义所在时，它害你。用它来开头、来转换、来探索。把最后一道——以及那份责任——留给你自己。