作者： Steph Zinn ，a16z Crypto
编译：深潮 TechFlow
深潮导读： 大家一谈 AI 写作，就容易陷入两个假设：机器文字能被一组「破绽」识别，且凡有这些破绽就必定拙劣。作者认为这两条都不成立。她把 AI 生成内容的「特征」拆成修辞、嗓音、结构、标点四个维度，并指出这些毛病其实一直都存在——只是 AI 把它们批量放大了。本文的重点不是「如何揪出 AI」，而是帮创始人、写作者判断：哪些习惯会妨碍有效表达，又该在什么时候克制、什么时候保留。
修辞特征：洞察形状的写作
编辑中最让人又气又爽（然后释然）的体验之一，是发现一个读起来不错、却总觉得哪里不对劲的句子。你重新调整它，挪动几个词，然后慢慢意识到：它从一开始就没有任何含义。于是你删掉那个滑溜溜的冒牌货，继续生活。
一个现成的例子，来自 Fable 最近一次关于标点风格的自我剖析：「人类的标点是有身体的，它会坐立不安；我的标点则一律刻意，而刻意的整齐本身就是节奏。」
我会把这种腔调形容为「在一个原本不错的派对上大谈爵士即兴的人」，但我并不打算在这里逐句拆解——你懂我的意思。人们谈起这类文字时会说「这绝不可能出自人类之手」。我理解他们的意思，但作为一名编辑、代笔作者，以及一辈子的奇幻小说读者，我可以向你保证：人类在没有 AI 的情况下，也经常写出这类句子。
然而，识别这类语言，并不总像「坐立不安的标点」那般直白。与 AI 的其他特征（比如连续三句都是清单，或那熟悉的破折号电码）不同，这些句子看起来根本不像问题。它们看起来就只是句子。有些甚至比周围的句子听起来更顺：「真正重要的事正在发生。」「这事关重大。」「其影响是深远的。」
AI 写作会批量生产这类短语，因为它们是「看似合理（尽管语义空洞）」的衔接材料。在它和 AI 写作挂钩之前，我们把这类平淡无味的语言叫做「公司腔」（corporate），因为它就是那种典型的、不动声色的商业博客腔。你能想出比「我们很高兴地宣布……」更乏味的方式来表达「我很兴奋」吗？「我们正处于拐点」「这是我们旅程的下一章」又是另外两例。这些短语听着分量十足，却往往缺乏经得起转述的具体所指。
我听其他编辑把这类文字误判为「懒惰」或「不用心」。这不够厚道。这或许是品味问题，但更多时候，要挥开那些浮在脑海前端的、千篇一律且随手可得的短语和惯用语、找出更好的表达，本就不容易。这是「初稿语言」。老实说，作为起点完全没问题。我们只是不想止步于此。
我推荐的、用来避开无意义语言的方法，与你是否用过 AI 无关。如果你发现一个让人感觉不对劲的句子——如果它用了下面这些短语或句式，如果你无法立刻理解它的意思，或者它只是「气质不对」——那就开始重新编排，试着重新表述它。
如果换种说法更清楚，就保留更好的版本。如果它归根结底只是「东西存在」或「事情在变」，那就删掉它，看看文章少了它能否成立。如果可以，是时候去享受从页面上删字的那种「禁忌的快感」了。
一些破绽，以及何时该编辑它们
- 天然风味的深刻（La Croix 式的洞察） 。「真正重要的事正在发生。」「风险再高不过了。」听着重要，实为填充物。
- 空洞的对比 。「这不只是关于 X——而是关于 Y」，其中 Y 比 X 更模糊。当对比非常清晰时，这种句式偶尔有用。但在保留原样之前，不妨试试删掉前面那句「不只是关于」。你或许能更快抵达重点。
- 回避性措辞（Hedges） 。「在很多方面。」「在某种程度上。」「可以说。」每一条的存在，都是为了让这句话「永远不会错」。注意，在某些行业（如金融或医疗），有些回避措辞是必要的，用来软化主张、合规所需。我想 AI 会把这些叫做「承重」的回避。
- 过度对仗 。项目符号与句式彼此镜像得过于整齐。每条清单项都是同样的语法形状、同样的长度。这些是 AI 破绽，但它们也会让写作变得极度无聊。
- 总结式短语 。「说到底。」「尘埃落定之后。」删掉这些短语，往往对你的段落毫无影响。
编辑： 几乎总是。无意义、不知所云的空话，是我们按优先级排定的「写作陷阱」清单之首。无论听着多好听，它都不会推动你的想法前进。它是祸害。照此清除。
拥抱： 几乎从不。
建议： 我常让自己围绕两类提示打转：（1）让文字更具体的提示；（2）让文字更直白的提示。
我的目标始终是去掉多余的技术行话，朝着「信息密度高、更易读」的方向努力。如果 LLM 能帮我做到，那就好。
更多清除填充语言的方法：
- 制定一份粗略的风格指南，用正反例子定义对你而言「好」的写作长什么样。这比罗列一堆 AI 破绽更站得住脚。
- 用 AI 运行我上面提到的「转述测试」——直接让它帮你写出所写内容的「无聊版」。
- 让 LLM「以六年级水平来写」，是个还算好用的笨办法，可以拿来对付你的散文。
嗓音特征：Alexa 嗓音
英语中大概有 100 万个单词。默认的 AI 写作听起来像是在用其中大约 400 个词。但与其费力去 pinpoint 哪个「今日热词」是 AI 标志，这里的检验标准应当是「可替代性」（fungibility）：这句话能不能被逐字从你的文章里抽走，投进别人写的一篇完全不同主题的文章里，而没人察觉？
有段时间，你还能凭经验追踪这类「低摩擦词汇」。研究者们 famously 注意到，「delve」一词在 2022 年 ChatGPT 推出后于学术论文摘要中激增，随后涌现一波禁用词清单：tapestry、testament、underscore；近一点的还有 load-bearing、scaffolding、broader 等。
与此同时，讲究用词不只是「文学」作者的执念。对任何创办或经营公司的人都重要，因为人们越来越依靠人格魅力来做营销。
最好的创始人写作是个人的、有表现力的。无论别人是否认为它「好」，它都让读者感受到那个相信它的人。这就是为什么我们能如此轻易地想象 Brian Armstrong 的文风（精悍、真诚、不反讽）、Vitalik Buterin 的文风（技术、发散、密集），或 Chris Dixon 的文风（克制、哲理）。
所以，在用 LLM 时，请务必别把你的个性拱手让给它。你自己的用词选择及其瑕疵，会增添机器永远无法复制的「包浆」。
尽管关于「如何找到合适的词」的著述不少……真正可操作的建议却很少。魔法、炼金术之类。它往往是一种「氛围策展」，或「情感」上的精确，而非「技术」上的精确。E.B. White 这位教科书级的规则制定者也坦言，没人能说清为什么有些词「点燃」读者，有些则不能。
先从列出「你喜欢的文字好在哪里」开始。学一个新词，或在一个新语境里用一个旧词。让你的用词匹配你想唤起的氛围——例如，用短小、简单的词去解释晦涩之物；或者在你想让读者「嗅到麻烦」时，选「scheme」而非「plan」。
一些破绽，以及何时该编辑它们
- 泛泛的温情 。「好问题！」（Great question!）一种客服留言式的友好。
- 可循环套用的句式 。那些低风险、可被移植到任何其他文章而几乎无碍的短语。「一个有用的思考方式是」「核心观点是」「这可以理解为」。
- 低摩擦词汇 。每个词都「恰好」恰如其分，带着一种诡异的妥帖。
- 抽象名词 。文字倚重「效率」「复杂性」「社会」「沟通」「创新」这类词。这是「说了等于没说」的古老战术，远早于 ChatGPT。
- 乏味的动感词 。「导航」「利用」「解锁」「培育」，既包括「power」也包括「empower」，「塑造」「提升」「精简」——那些示意「运动」、却落空无力的词。
- 某物的灯塔 。「是……的明证」「是……的灯塔」「提醒我们……」
- 含糊其辞 。「格局」「场域」「旅程」「生态」「挂毯」——指向事物「附近」而非直接点名的模糊、不承诺的词。
- 含糊的 intensify 词 。「非常重要」「重大影响」「关键作用」这类短语，尤其在没有具体内容支撑时。
编辑： 大多数时候。有时「生态」确实没有别的词可代替，我们大家都只能将就。
拥抱： 当「当个 NPC」本身就是全部意义时。支持文档、错误提示、服务条款、安全须知、面向海量陌生人的大规模致歉——在这些地方，个性就是摩擦，而 Alexa 嗓音是一种仁慈。
建议： 这些建议大多聚焦于用 LLM 来做「检测」而非「写作」。模型其实很擅长识别行话、商业腔，以及其他常见于 AI 写作的词汇。
- 暂且不论「写作中 AI 占比百分之几」的争论，你可以用 AI 检测器或任何 LLM 来标记草稿中最通用的词和短语，再据此修改。针对回避措辞、可替代句式等下提示词。
- 之后，试着对任何一句话跑一遍「移植测试」。如果陌生人也能认领它，就考虑改写。
- 把你的模糊语言清单过一遍，问「有没有更具体的词？」例如，「以太坊生态正在扩张」可以——稍微具体一点——变成「开发者正在以太坊周边构建更多钱包、交易所和借贷市场」。如果能用更精准的词把意思说清，每次都选它们。
- 最后，人们开始把语音笔记喂给 LLM，以此把想法落到纸面。一个被低估的好处是：你能从中发现让嗓音与众不同的个人怪癖。注意你必须编辑结果；这里不存在「一杆进洞」。
结构特征：徒有其形，毫无功能
让 AI 自行发挥时，它的写作往往显得「结构过剩」——太多 H2 和清单，段落断得足以媲美一首 William Carlos Williams 的诗。但这并非全无是处。人们向来都在借用一套熟悉的、好用且读起来舒服的结构储备。
我们把想法分成三点，因为「三」让人感到完整。我们加上路标（比如「第一……」或「换言之……」）让读者立刻定位。我们造出整洁的小分类，因为那样更易浏览。
做学生时，我们大多学过某种「汉堡」逻辑：先告诉读者要讲什么，再用离散且有支撑的板块讲出来，最后复述一遍收尾。这在构建论证时很有用，因为它逼着我们阐明论点、收集证据、把思路排成可读的样子——这是好事！
清晰、良好的结构，能帮助读者立刻理解「身处何地」，无论是一篇评论、一篇科普，还是一篇小说。麻烦在于，预设的结构会压迫作者，把想法硬塞进未必合理的格式里。
结构是一组决策——用哪种容器、哪些信息最重要、哪些想法归在一起、如何命名。正确的决策取决于「要完成的工作」。叙事散文需要「发现」与「张力」来推动读者前行；产品发布公告需要极度高效，以在读者滑动途中抓住他们；科普文章需要一种「在已学概念上逐步叠加」的顺序。
问问自己——写作过程中的任何阶段都可以，但最好在一开始——「对我这个想法而言，最好的格式是什么？」然后，从已经奏效的东西那里借用。如果你在写议论文，花点时间理解其他作者如何组织评论与类似文章。如果你在写技术科普，挑一篇你读过最好的科普，看看作者如何组织信息。有了模板，你就能把它套用到自己的写作上。
一些破绽，以及何时该编辑它们
- 过度组织 。大量子标题、项目符号、编号段落，或迷你框架。
- 总是凑三点 。尽管「三分法」仍是最佳实践；下文详述。
- 熟悉的文章形状 。宽泛的引言、解释、例子、提醒、结论。
- 套路式开头 。「在当今快速变化的世界里……」
- 过多的路标 。「第一」「接下来」「最后」「总之」「下面是拆解」「我们来拆解这个」。
- 生硬的转折 。「要理解为什么这很重要，我们先得看……」
- 章节预告 。「有三个关键原因……」
- 项目符号清单 。AI 检测器常常不公平地标记它们；但清单很有用！不过一个标志性的动作是：用加粗的引导语带出项目符号。比如，看看这些确切的要点（但这样读起来确实省力多了）。
- 短促碎片 。常见于许多戏剧性的 LinkedIn 帖子。短。有力。往往三连。
- 以复述收尾 。也就是说，结论只是把全文换种说法重述，而非延伸、暗示新的方向。
- 说教式结尾 。一句关于进步、未来或「我们能学到什么」的模糊收束。
编辑：
- 不适合你格式的小标题（评论、个人叙事，以及大多数靠嗓音与节奏推进的文章）。
- 当你的章节不够扎实或不够独立（比如一篇「五点收获」里有两个非常相似的收获）。
- 当结构稀释或改变了你的本意（比如，把「一家初创为何转型」的编号清单，读起来与「它如何发生」的故事大不相同，即便事实相同）。
- 对「不言自明的结构」（即「三个原因……」）加的路标。删掉那些只是凑字数的路标。
拥抱：
- 当文章的结构本身就在呼应它要说的内容。比如评论，往往自带一个容易识别、容易追随的论证。
- 同样，在写清单体、科普、操作指南，以及我们期待有标题和子标题的体裁时。
- 当想法确实以三点出现时。这条原则只有在把想法扭曲成不自然形态时才是问题；或者当作者明显在硬凑第三个东西时。
- 在为 LLM 和搜索引擎优化时，它们奖励结构良好的信息。
- 在创建人们会「反复查阅」而非「从头读到尾」的参考内容时——文档、指南、FAQ，以及任何读者「浏览与扫描」而非「顺序阅读」的内容。
- 在为「扫读型」读者做内容时。标题可以作为目录，让读者在十分之一秒内决定是否留下或离开。标题合在一起甚至能把整个论证讲清楚，下面的段落再充实细节。
建议： 模型很擅长「把这篇组织得更好」这类提示，但前提是你确实想要更多组织。如果不想：
- 试着告诉 LLM 你的结构需要为读者做什么——无论是制造悬念，还是让文章更易扫读。
- 给 LLM 一篇同体裁、你喜欢的文章，让它先研究那段论证是怎么运作的，再重构你的。
- 贴一篇同体裁的已发表文章，让 LLM 做一个「逆向大纲」，描述每个段落起的作用。然后以这个粗略结构为骨架来起草。
即便模型没能给你东西，为「组织与呈现一个想法」而额外投入的思考，往往也会有回报。
标点特征：破折号恐慌
破折号（em dash）——如今已是教科书式的 AI 破绽——向来颇具争议（?）。Strunk 与 White 总体上建议克制：「只有在更常见的标点显得不够用时，才使用破折号。」但破折号，尤其是，有一种非常轻松、对话般的语感，是其他标点所没有的。
破折号常被视作高效写作的敌人——不得不承认，把一整句别的话塞进句子中间，确实有点分心——但一旦它们开始「标志着」低质写作，就成了禁用的易靶。
但标点这东西，有极其具体的规则，取决于你遵循哪本 1000 多页的样式指南。AI 是否偏爱破折号，这一点无关紧要，因为有些场景你本就该用它们。至少，在隔开较长的插入信息、或描摹思绪与情绪骤变时，破折号是最合适的选择（正如恐怖作家 R.L. Stine 所热情称颂的那样）。
我的看法：Shift + Option + 破折号（macOS）是人类自己那个麻烦、心不在焉、常常跑题的孩子，而我，至少，永远不会抛弃它。有时候，没有什么能像破折号那样恰到好处，所以我劝你别让当下这股「AI 写作风气」影响你对标点的选择，尤其是因为所有风气，按定义，都会改变。
如今人们拼命回避破折号，AI 自己则用冒号绕开它们。我们要不要开始用「疑叹号」（interrobang）来显得足够像人？！既然没有哪个标点是安全的，就选那个对你的写作最合适的来用。
那么，如何判断什么对你的写作最好？简短的答案是：最正确、最不打扰读者者。规则的具体细节可能是微妙且因品味与风格而异的（牛津逗号 vs 不 Oxford 逗号，是那些把语法和用法变成「性格一部分」的人之间流行的宗教式争论），所以做到完美不如确保它们支撑你的意思、且不激怒读者。
另一个要留心的、与标点相关的特征是「千篇一律」：你所有的句子看起来、听起来都一样吗？LLM 常用以冒号起头的连续清单，读起来令人疲惫。同样，多个被破折号插话打断的句子，无论谁写，都会分散你的重点。
一个好测试是：把你的写作读出声，把标点当作舞台提示来用。任何听起来不自然的地方，读者大概也会察觉。
一些破绽，以及何时该编辑它们
- 冒号密集的句式 。「问题是：」「结果是：」「关键点是：」……尤其是冒号后面跟着一串杂货清单式的内容。
- 破折号扎堆 。不是破折号本身，而是其密度，特别是与清单和插话搭配时。一句话里用几个破折号并没有硬性的数量上限，但 不要 超过两个。
- 不严肃的括号 （像这个）。这些通常带有「自我觉察」或玩笑的语域，而破折号承载的是限制性语域。
- 表演性的分号 。作家 Kurt Vonnegut 曾说，用分号的唯一理由是「秀你上过大学」。这其实是他关于分号最客气的话，但还是有些不必要的暴躁。分号有许多正当用途；不过，说真的，这些用途并不常出现。
编辑： 当标点重复、分心，或以其他方式通不过「读出声」测试时。
拥抱： 当它奏效时。标点应当支撑你的论点、贴合你的品味。它的目标是语法正确，且在读者眼中近乎隐形。
建议： 别过度纠结标点是否让你显得像 AI。直接用破折号或冒号，或任何当下在「禁用清单」上的符号。如果必须用：
- 别急着让模型「删掉所有破折号」。它往往只是用别的东西替换它们，却保留同样的底层句式。
- 相反，要求它默认用句号和逗号，只在语法要求时才用「特殊」标点。
- 再次强调，给 LLM 你自己的写作（或你欣赏的写作）作为样例，有助于建立「标点指纹」，估算你对某个符号的使用频率。
随着更多人使用这些工具，追问「某物是否由机器生成」正变得有点毫无意义。答案几乎永远是「在某种程度上」。当然，那些恶劣的 AI 写作案例仍需要被揭露，无论是依我们自己的标准，还是借助「人格证明」（Proof of Person）技术：例如，当披露被要求时、当署名的人本身就是全部意义时，或当一个人假装成一千个人时。
至于几乎其他一切，我们可以问那个我们一直都在问的问题：这篇文字在「完成它的工作」吗？
AI 帮助人们把否则永远不会写下的想法表达并发布出来。它能节省组织和研究的时间。它甚至可能帮我们成为更好的作者。把「自我表达的能力」贬为「尴尬」或「低质」，是刻薄之举。而且，如果一篇文章按预期生效，过程中哪一部分「露了馅」，真的那么重要吗？
最后，在「我们的写作会不会被揭穿为 AI 辅助」的种种焦虑之中，有一个值得一问的问题：我们究竟为什么要对 LLM 展现这种「敬畏」？我们竟愿意放弃一整个标点——一项在印刷术黎明时就诞生的发明！——只为避免显得有机器帮过我们。这是一个荒谬的让步，尤其考虑到人们已经、并将继续如此频繁地使用这台机器。
致谢：感谢 a16z crypto 编辑团队——Tim Sullivan、Robert Hackett、Sonal Chokshi——对本文的反馈，以及多年来形塑它的无数次编辑与讨论。
