作者：Steph Zinn，a16z Crypto

編譯：深潮 TechFlow

深潮導讀： 大家一談 AI 寫作，就容易陷入兩個假設：機器文字能被一組「破綻」識別，且凡有這些破綻就必定拙劣。作者認為這兩條都不成立。她把 AI 生成內容的「特徵」拆成修辭、嗓音、結構、標點四個維度，並指出這些毛病其實一直都存在——只是 AI 把它們批量放大了。本文的重點不是「如何揪出 AI」，而是幫創辦人、寫作者判斷：哪些習慣會妨礙有效表達，又該在什麼時候克制、什麼時候保留。

修辭特徵：洞察形狀的寫作

編輯中最讓人又氣又爽（然後釋然）的體驗之一，是發現一個讀起來不錯、卻總覺得哪裡不對勁的句子。你重新調整它，挪動幾個詞，然後慢慢意識到：它從一開始就沒有任何含義。於是你刪掉那個滑溜溜的冒牌貨，繼續生活。

一個現成的例子，來自 Fable 最近一次關於標點風格的自我剖析：「人類的標點是有身體的，它會坐立不安；我的標點則一律刻意，而刻意的整齊本身就是節奏。」

我會把這種腔調形容為「在一個原本不錯的派對上大談爵士即興的人」，但我並不打算在這裡逐句拆解——你懂我的意思。人們談起這類文字時會說「這絕不可能出自人類之手」。我理解他們的意思，但作為一名編輯、代筆作者，以及一輩子的奇幻小說讀者，我可以向你保證：人類在沒有 AI 的情況下，也經常寫出這類句子。

然而，識別這類語言，並不總像「坐立不安的標點」那般直白。與 AI 的其他特徵（比如連續三句都是清單，或那熟悉的破折號電碼）不同，這些句子看起來根本不像問題。它們看起來就只是句子。有些甚至比周圍的句子聽起來更順：「真正重要的事正在發生。」「事關重大。」「其影響是深遠的。」

AI 寫作會批量生產這類短語，因為它們是「看似合理（儘管語義空洞）」的銜接材料。在它和 AI 寫作掛鉤之前，我們把這類平淡無味的語言叫做「公司腔」（corporate），因為它就是那種典型的、不動聲色的商業部落格腔。你能想出比「我們很高興地宣布……」更乏味的方式來表達「我很興奮」嗎？「我們正處於拐點」「這是我們旅程的下一章」又是另外兩例。這些短語聽著分量十足，卻往往缺乏經得起轉述的具體所指。

我聽其他編輯把這類文字誤判為「懶惰」或「不用心」。這不夠厚道。這或許是品味的問題，但更多時候，要揮開那些浮在腦海前端的、千篇一律且隨手可得的短語和慣用語、找出更好的表達，本就不容易。這是「初稿語言」。老實說，作為起點完全沒問題。我們只是不想止步於此。

我推薦的、用來避開無意義語言的方法，與你是否用過 AI 無關。如果你發現一個讓人感覺不對勁的句子——如果它用了下面這些短語或句式，如果你無法立刻理解它的意思，或者它只是「氣質不對」——那就開始重新編排，試著重新表述它。

如果換種說法更清楚，就保留更好的版本。如果它歸根結柢只是「東西存在」或「事情在變」，那就刪掉它，看看文章少了它能否成立。如果可以，是時候去享受從頁面上刪字的那種「禁忌的快感」了。

一些破綻，以及何時該編輯它們

天然風味的深刻（La Croix 式的洞察）。「真正重要的事正在發生。」「風險再高不過了。」聽著重要，實為填充物。
空洞的對比。「這不只是關於 X——而是關於 Y」，其中 Y 比 X 更模糊。當對比非常清晰時，這種句式偶爾有用。但在保留原樣之前，不妨試試刪掉前面那句「不只是關於」。你或許能更快抵達重點。
迴避性措辭（Hedges）。「在很多方面。」「在某種程度上。」「可以說。」每一條的存在，都是為了讓這句話「永遠不會錯」。注意，在某些行業（如金融或醫療），有些迴避措辭是必要的，用來軟化主張、合規所需。我想 AI 會把這些叫做「承重」的迴避。
過度對仗。項目符號與句式彼此鏡像得過於整齊。每條清單項都是同樣的語法形狀、同樣的長度。這些是 AI 破綻，但它們也會讓寫作變得極度無聊。
總結式短語。「說到底。」「塵埃落定之後。」刪掉這些短語，往往對你的段落毫無影響。

編輯： 幾乎總是。無意義、不知所云的空話，是我們按優先級排定的「寫作陷阱」清單之首。無論聽起來多好聽，它都不會推動你的想法前進。它是禍害。照此清除。

擁抱： 幾乎從不。

建議： 我常讓自己圍繞兩類提示打轉：（1）讓文字更具體的提示；（2）讓文字更直白的提示。

我的目標始終是去掉多餘的技術行話，朝著「資訊密度高、更易讀」的方向努力。如果 LLM 能幫我做到，那就好。

更多清除填充語言的方法：

制定一份粗略的風格指南，用正反例子定義對你而言「好」的寫作長什麼樣。這比羅列一堆 AI 破綻更站得住腳。
用 AI 運行我上面提到的「轉述測試」——直接讓它幫你寫出所寫內容的「無聊版」。
讓 LLM「以六年級水平來寫」，是個還算好用的笨辦法，可以拿來對付你的散文。

嗓音特徵：Alexa 嗓音

英語裡大概有 100 萬個單詞。默認的 AI 寫作聽起來像是在用其中大約 400 個詞。但與其費力去 pinpoint 哪個「今日熱詞」是 AI 標誌，這裡的檢驗標準應是「可替代性」（fungibility）：這句話能不能被逐字從你的文章裡抽走，投進別人寫的一篇完全不同主題的文章裡，而沒人察覺？

有段時間，你還能憑經驗追蹤這類「低摩擦詞彙」。研究者們 famously 注意到，「delve」一詞在 2022 年 ChatGPT 推出後於學術論文摘要中激增，隨後湧現一波禁用詞清單：tapestry、testament、underscore；近一點的還有 load-bearing、scaffolding、broader 等。

與此同時，講究用詞不只是「文學」作者的執念。對任何創辦或經營公司的人都重要，因為人們越來越依靠人格魅力來做行銷。

最好的創辦人寫作是個人的、有表現力的。無論別人是否認為它「好」，它都讓讀者感受到那個相信它的人。這就是為什麼我們能如此輕易地想像 Brian Armstrong 的文風（精悍、真誠、不反諷）、Vitalik Buterin 的文風（技術、發散、密集），或 Chris Dixon 的文風（克制、哲理）。

所以，在用 LLM 時，請務必別把你的個性拱手讓給它。你自己的用詞選擇及其瑕疵，會增添機器永遠無法複製的「包漿」。

儘管關於「如何找到合適的詞」的著述不少……真正可操作的建議卻很少。魔法、煉金術之類。它往往是一種「氛圍策展」，或「情感」上的精確，而非「技術」上的精確。E.B. White 這位教科書級的規則制定者也坦言，沒人能說清為什麼有些詞「點燃」讀者，有些則不能。

先從列出「你喜歡的文字好在哪裡」開始。學一個新詞，或在一個新語境裡用一個舊詞。讓你的用詞匹配你想喚起的氛圍——例如，用短小、簡單的詞去解釋晦澀之物；或者在你想要讀者「嗅到麻煩」時，選「scheme」而非「plan」。

一些破綻，以及何時該編輯它們

泛泛的溫情。「好問題！」（Great question!）一種客服留言式的友好。
可循環套用的句式。那些低風險、可被移植到任何其他文章而幾乎無礙的短語。「一個有用的思考方式是」「核心觀點是」「這可以理解為」。
低摩擦詞彙。每個詞都「恰好」恰如其分，帶著一種詭異的妥貼。
抽象名詞。文字倚重「效率」「複雜性」「社會」「溝通」「創新」這類詞。這是「說了等於沒說」的古老戰術，遠早於 ChatGPT。
乏味的動感詞。「導航」「利用」「解鎖」「培育」，既包括「power」也包括「empower」，「塑造」「提升」「精簡」——那些示意「運動」、卻落空無力的詞。
某物的燈塔。「是……的明證」「是……的燈塔」「提醒我們……」
含糊其辭。「格局」「場域」「旅程」「生態」「掛毯」——指向事物「附近」而非直接點名的模糊、不承諾的詞。
含糊的 intensify 詞。「非常重要」「重大影響」「關鍵作用」這類短語，尤其在沒有具體內容支撐時。

編輯： 大多數時候。有時「生態」確實沒有別的詞可代替，我們大家都只能將就。

擁抱： 當「當個 NPC」本身就是全部意義時。支援文件、錯誤提示、服務條款、安全須知、面向海量陌生人的大規模致歉——在這些地方，個性就是摩擦，而 Alexa 嗓音是一種仁慈。

建議： 這些建議大多聚焦於用 LLM 來做「偵測」而非「寫作」。模型其實很擅長識別行話、商業腔，以及其他常見於 AI 寫作的詞彙。

暫且不論「寫作中 AI 佔比百分之幾」的爭論，你可以用 AI 偵測器或任何 LLM 來標記草稿中最通用的詞和短語，再據此修改。針對迴避措辭、可替代句式等下提示詞。
之後，試著對任何一句話跑一遍「移植測試」。如果陌生人也能認領它，就考慮改寫。
把你的模糊語言清單過一遍，問「有沒有更具體的詞？」例如，「以太坊生態正在擴張」可以——稍微具體一點——變成「開發者正在以太坊周邊構建更多錢包、交易所和借貸市場」。如果能用更精準的詞把意思說清，每次都選它們。
最後，人們開始把語音筆記餵給 LLM，以此把想法落到紙面。一個被低估的好處是：你能從中發現讓嗓音與眾不同的個人怪癖。注意你必須編輯結果；這裡不存在「一桿進洞」。

結構特徵：徒有其形，毫無功能

讓 AI 自行發揮時，它的寫作往往顯得「結構過剩」——太多 H2 和清單，段落斷得足以媲美一首 William Carlos Williams 的詩。但這並非全無是處。人們向來都在借用一套熟悉的、好用且讀起來舒服的結構儲備。

我們把想法分成三點，因為「三」讓人感到完整。我們加上路標（比如「第一……」或「換言之……」）讓讀者立刻定位。我們造出整潔的小分類，因為那樣更易瀏覽。

做學生時，我們大多學過某種「漢堡」邏輯：先告訴讀者要講什麼，再用離散且有支撐的板塊講出來，最後複述一遍收尾。這在構建論證時很有用，因為它逼著我們闡明論點、收集證據、把思路排成可讀的樣子——這是好事！

清晰、良好的結構，能幫助讀者立刻理解「身處何地」，無論是一篇評論、一篇科普，還是一篇小說。麻煩在於，預設的結構會壓迫作者，把想法硬塞進未必合理的格式裡。

結構是一組決策——用哪種容器、哪些資訊最重要、哪些想法歸在一起、如何命名。正確的決策取決於「要完成的工作」。敘事散文需要「發現」與「張力」來推動讀者前行；產品發布公告需要極度高效，以在讀者滑動途中抓住他們；科普文章需要一種「在已學概念上逐步疊加」的順序。

問問自己——寫作過程中的任何階段都可以，但最好在一開始——「對我這個想法而言，最好的格式是什麼？」然後，從已經奏效的東西那裡借用。如果你在寫議論文，花點時間理解其他作者如何組織評論與類似文章。如果你在寫技術科普，挑一篇你讀過最好的科普，看看作者如何組織資訊。有了模板，你就能把它套用到自己的寫作上。

一些破綻，以及何時該編輯它們

過度組織。大量子標題、項目符號、編號段落，或迷你框架。
總是湊三點。儘管「三分法」仍是最佳實務；下文詳述。
熟悉的文章形狀。寬泛的引言、解釋、例子、提醒、結論。
套路式開頭。「在當今快速變化的世界裡……」
過多的路標。「第一」「接下來」「最後」「總之」「下面是拆解」「我們來拆解這個」。
生硬的轉折。「要理解為什麼這很重要，我們先得看……」
章節預告。「有三個關鍵原因……」
項目符號清單。AI 偵測器常常不公平地標記它們；但清單很有用！不過一個標誌性的動作是：用加粗的引導語帶出項目符號。比如，看看這些確切的重點（但這樣讀起來確實省力多了）。
短促碎片。常見於許多戲劇性的 LinkedIn 貼文。短。有力。往往三連。
以複述收尾。也就是說，結論只是把全文換種說法重述，而非延伸、暗示新的方向。
說教式結尾。一句關於進步、未來或「我們能學到什麼」的模糊收束。

編輯：

不適合你格式的小標題（評論、個人敘事，以及大多數靠嗓音與節奏推進的文章）。
當你的章節不夠紮實或不夠獨立（比如一篇「五點收穫」裡有兩個非常相似的收穫）。
當結構稀釋或改變了你的本意（比如，把「一家初創為何轉型」的編號清單，讀起來與「它如何發生」的故事大不相同，即便事實相同）。
對「不言自明的結構」（即「三個原因……」）加的路標。刪掉那些只是湊字數的路標。

擁抱：

當文章的結構本身就在呼應它要說的內容。比如評論，往往自帶一個容易識別、容易追隨的論證。
同樣，在寫清單體、科普、操作指南，以及我們期待有標題和子標題的體裁時。
當想法確實以三點出現時。這條原則只有在把想法扭曲成不自然形態時才是問題；或者當作者明顯在硬湊第三個東西時。
在為 LLM 和搜尋引擎最佳化時，它們獎勵結構良好的資訊。
在建立人們會「反覆查閱」而非「從頭讀到尾」的參考內容時——文件、指南、FAQ，以及任何讀者「瀏覽與掃描」而非「順序閱讀」的內容。
在為「掃讀型」讀者做內容時。標題可以作為目錄，讓讀者在十分之一秒內決定是否留下或離開。標題合在一起甚至能把整個論證講清楚，下面的段落再充實細節。

建議： 模型很擅長「把這篇組織得更好」這類提示，但前提是你確實想要更多組織。如果不想：

試著告訴 LLM 你的結構需要為讀者做什麼——無論是製造懸念，還是讓文章更易掃讀。
給 LLM 一篇同體裁、你喜歡的文章，讓它先研究那段論證是怎麼運作的，再重構你的。
貼一篇同體裁的已發表文章，讓 LLM 做一個「逆向大綱」，描述每個段落起的作用。然後以這個粗略結構為骨架來起草。

即便模型沒能給你東西，為「組織與呈現一個想法」而額外投入的思考，往往也會有回報。

標點特徵：破折號恐慌

破折號（em dash）——如今已是教科書式的 AI 破綻——向來頗具爭議（😏）。Strunk 與 White 總體上建議克制：「只有在更常見的標點顯得不夠用時，才使用破折號。」但破折號，尤其是，有一種非常輕鬆、對話般的語感，是其他標點所沒有的。

破折號常被視作高效寫作的敵人——不得不承認，把一整句別的話塞進句子中間，確實有點分心——但一旦它們開始「標誌著」低質寫作，就成了禁用的易靶。

但標點這東西，有極其具體的規則，取決於你遵循哪本 1000 多頁的樣式指南。AI 是否偏愛破折號，這一點無關緊要，因為有些場景你本就該用它們。至少，在隔開較長的插入資訊、或描摹思緒與情緒驟變時，破折號是最合適的選擇（正如恐怖作家 R.L. Stine 所熱情稱頌的那樣）。

我的看法：Shift + Option + 破折號（macOS）是人類自己那個麻煩、心不在焉、常常跑題的孩子，而我，至少，永遠不會拋棄它。有時候，沒有什麼能像破折號那樣恰到好處，所以我勸你別讓當下這股「AI 寫作風氣」影響你對標點的選擇，尤其是因為所有風氣，按定義，都會改變。

如今人們拼命迴避破折號，AI 自己則用冒號繞開它們。我們要不要開始用「疑問驚嘆號」（interrobang）來顯得足夠像人？！既然沒有哪個標點是安全的，就選那個對你的寫作最合適的來用。

那麼，如何判斷什麼對你的寫作最好？簡短的答案是：最正確、最不打擾讀者。規則的具體細節可能是微妙且因品味與風格而異的（牛津逗號 vs 不用 Oxford 逗號，是那些把語法和用法變成「性格一部分」的人之間流行的宗教式爭論），所以做到完美不如確保它們支撐你的意思、且不激怒讀者。

另一個要留心的、與標點相關的特徵是「千篇一律」：你所有的句子看起來、聽起來都一樣嗎？LLM 常用以冒號起頭的連續清單，讀起來令人疲憊。同樣，多個被破折號插話打斷的句子，無論誰寫，都會分散你的重點。

一個好測試是：把你的寫作讀出聲，把標點當作舞臺提示來用。任何聽起來不自然的地方，讀者大概也會察覺。

一些破綻，以及何時該編輯它們

冒號密集的句式。「問題是：」「結果是：」「關鍵點是：」……尤其是冒號後面跟著一串雜貨清單式的內容。
破折號扎堆。不是破折號本身，而是其密度，特別是與清單和插話搭配時。一句話裡用幾個破折號並沒有硬性的數量上限，但不要超過兩個。
不嚴肅的括號（像這個）。這些通常帶有「自我覺察」或玩笑的語域，而破折號承載的是限制性語域。
表演性的分號。作家 Kurt Vonnegut 曾說，用分號的唯一理由是「秀你上過大學」。這其實是他關於分號最客氣的話，但還是有些不必要的暴躁。分號有許多正當用途；不過，說真的，這些用途並不常出現。

編輯： 當標點重複、分心，或以其他方式通不過「讀出聲」測試時。

擁抱： 當它奏效時。標點應當支撐你的論點、貼合你的品味。它的目標是語法正確，且在讀者眼中近乎隱形。

建議： 別過度糾結標點是否讓你顯得像 AI。直接用破折號或冒號，或任何當下在「禁用清單」上的符號。如果必須用：

別急著讓模型「刪掉所有破折號」。它往往只是用別的東西替換它們，卻保留同樣的底層句式。
相反，要求它預設用句號和逗號，只在語法要求時才用「特殊」標點。
再次強調，給 LLM 你自己的寫作（或你欣賞的寫作）作為範例，有助於建立「標點指紋」，估算你對某個符號的使用頻率。

隨著更多人使用這些工具，追問「某物是否由機器生成」正變得有點毫無意義。答案幾乎永遠是「在某種程度上」。當然，那些惡劣的 AI 寫作案例仍需要被揭露，無論是依我們自己的標準，還是藉助「人格證明」（Proof of Person）技術：例如，當披露被要求時、當署名的人本身就是全部意義時，或當一個人假裝成一千個人時。

至於幾乎其他一切，我們可以問那個我們一直都在問的問題：這篇文字在「完成它的工作」嗎？

AI 幫助人們把否則永遠不會寫下的想法表達並發布出來。它能節省組織和研究的時間。它甚至可能幫我們成為更好的作者。把「自我表達的能力」貶為「尷尬」或「低質」，是刻薄之舉。而且，如果一篇文章按預期生效，過程中哪一部分「露了餡」，真的那麼重要嗎？

最後，在「我們的寫作會不會被揭穿為 AI 輔助」的種種焦慮之中，有一個值得一問的問題：我們究竟為什麼要對 LLM 展現這種「敬畏」？我們竟願意放棄一整個標點——一項在印刷術黎明時就誕生的發明！——只為避免顯得有機器幫過我們。這是一個荒謬的讓步，尤其考慮到人們已經、並將繼續如此頻繁地使用這台機器。

致謝：感謝 a16z crypto 編輯團隊——Tim Sullivan、Robert Hackett、Sonal Chokshi——對本文的回饋，以及多年來形塑它的無數次編輯與討論。

某巨鯨近3小時買進7769枚ETH，約合1746萬美元

熱門文章