文章千古事：如何用 AI 写出不像 AI 的文字

文章千古事，得失寸心知。

杜甫这两句诗，写的是文章分量，也写的是作者责任。文字一旦落笔，辞藻是否漂亮不重要，重要的是观点是否成立、材料是否真实、结构是否清晰，以及读者读完后能否获得一点新的理解。

AI 出现之后，写作门槛看似降低了。只要输入一句“帮我写一篇文章”，几秒钟后就能得到一篇语气通顺的稿子。但“通顺”不等于“好”，完整不等于有价值。

很多 AI 文章的问题，恰恰不在语病，而在于太像一篇 “正确的废话” ：看上去什么都说了，细读却发现没有真正的思考。

所以，用 AI 写作，更合适的方式是先让它参与思考、谋篇、校订和审阅，别一上来就交给它代写全文。

好文章仍然需要人的经验、取舍和判断；AI 所能做的，是帮你厘清思路、搭稳结构、点出空泛之处，再将表达打磨得更为精准。

一、辞达而已矣：AI slop 是怎么来的

孔子说“辞达而已矣”，并非纵容文字粗糙，重点在于言辞须能达意。AI slop 的问题恰在于此：它往往有文章的形，却无清晰的意。

所谓 AI slop，是那种表面完整、读起来也顺，却内容空泛、缺少真实思考密度的文字。它往往塞满 “大趋势、赋能、重塑、提效、深度融合” 一类大词，段落之间也能接得上，可读者合上书页，却说不出究竟多知道了什么。

例如一篇谈 “AI 改变教育” 的文章，若从头到尾只在重复「AI 将推动个性化、促进教学创新」，却不交代老师在备课、批改、答疑里具体怎么用工具，也不触及学生依赖标准答案、数据隐私与评价公平等现实问题，那便只是套着文章壳子的泛泛表态。

这类文字通常有几个明显特征：大词多，事实少；形容词多，名词和动作少；结构套路化，动不动就是“首先、其次、最后”；句式像模板，尤其爱写“不是 X，而是 Y”；看似重要，却说不出具体发生了什么。

AI 为什么容易写成这样？因为它很擅长模仿文章外形。给它一个宽泛题目，它会从大量常见文本中归纳出最通用的写法：先定义问题，再列三点意义，最后升华一下。这样写可以很快凑出一篇 “像文章” 的东西；可若没有具体材料、真实场景和明确立场，落笔就只会滑向语料里最常见、最省事的那套说法。

更麻烦的是，AI 腔还会反过来影响人的表达。人用得多了，也可能开始模仿那些通顺但空洞的句式：动不动 “深入探讨”、 “多维赋能”、 “重塑格局”，写出来像正式文章，却少了自己的观察。用 AI 写作，首先要守住表意的精确，也要守住自己的经验和判断。

判断一段 AI 文字好不好，不能只看是否流畅，而要看信息密度。一段好文字应当让读者获得具体判断：谁在什么场景下遇到什么问题，为什么旧办法不好用，新办法解决了哪一部分问题，又留下什么风险。只要记住这个标准，很多“像文章”的段落会立刻现出原形。

二、操千曲而后晓声：不要直接让 AI 写全文

操千曲而后晓声，观千剑而后识器。文章很少一次成形，通常要在反复推敲中慢慢长出来。

最平庸的提示，就是直接说：“请写一篇关于 AI 提高效率的文章。”AI 会照做，而且往往做得很快：开头谈时代背景，中间分三点讲工作、学习、生活，结尾呼吁拥抱变化。这样的稿子不一定有明显错误，但它很难留下印象，因为没有作者自己的观点和态度。

更好的流程，是把写作拆成几个阶段。先让 AI 生成多个大纲，再由人选择方向并修改结构；接着扩展为段落要点，补入自己的例子、材料；最后才进入正文生成并润色语言。这个顺序看似慢，其实更省力，因为先改大纲，比事后再一句一句修补的效率高的多。结构错了，句子再漂亮也救不回来；结构对了，哪怕初稿粗糙，也知道该往哪里改。

比如你想写“小团队如何使用 AI 提高效率”，不要急着让 AI 直接成文。可以先让它列出几种写法：一种从团队故事切入，一种按业务流程分析，一种专门讨论风险和边界。你读完之后可能发现，故事驱动型更适合公众号文章，分析论证型更适合内部分享，正反对比型更适合给管理层做决策参考。这个选择本身，就是写作中最重要的判断之一。

很多人用 AI 写文章，问题不在润色不够，而在太早开始润色。文章要回答什么问题、写给谁看、最重要的例子是什么，这些都还没想清楚，就急着让 AI 把句子改得“更优美、更有文采、更高级”。结果往往是文字顺了，文章还是空的。写作的第一步，是先把方向定下来，再去打磨句子。

三、凡事预则立：渐进式大纲是最高杠杆的写作方法

《礼记》：“凡事预则立，不预则废。”写作中的“预”，就是先搭好结构。对 AI 写作来说，渐进式大纲往往是最省力、也最容易见效的方法。

不要让 AI 只给一个答案，可以先让它给出几种不同写法。这样可以避免一开始就被某一种结构带偏，也方便你比较不同写法的优缺点。一个题目如果只生成一版大纲，你很容易顺着第一版往下走；如果同时看到故事驱动型、分析论证型、正反对比型，就更容易判断哪种结构适合你的材料和读者。

可以这样提示：

我想写一篇文章，主题是“小团队如何使用 AI 提高效率”。
请给出 3 种不同结构：
1. 故事驱动型
2. 分析论证型
3. 正反对比型
每种结构列出段落标题、核心论点和适合使用的例子。

拿到结果以后，不要急着选一版照抄。更好的做法，是把几版大纲拆开来看：故事型的开头可能好，分析型的中段可能扎实，正反对比型的风险部分可能最有价值。你可以把不同方案里最有用的部分重新组合成自己的大纲，再让 AI 检查前后顺序是否顺畅。

在大纲阶段，还要主动加入取舍。比如一篇 2500 字的文章，不可能同时讲工具清单、组织流程、员工培训、数据安全和成本收益。你需要决定哪些是主线，哪些只能点到为止。这里可以让 AI 帮你做压缩，但最后要由你判断：这篇文章到底写给谁？读者读完后，应该改变哪个具体行为？

渐进式大纲的关键，是先比较结构，再扩写段落。这样做，AI 就不再是“代写者”，而更像一个帮你搭架子的助手。它负责多给几种思路，你负责判断方向；它负责补充角度，你负责确定主次。这样写出来的文章，才不容易变成那些谁都能说的套话。

四、兼听则明：认真回应反对意见

兼听则明，偏信则暗。文章如果只顾着替一个观点叫好，很容易写成宣传稿。真正有分量的论证，往往要把反对意见摆出来，再逐一回应。

写 AI 提高效率，除了速度和便利，也要谈幻觉、隐私、依赖和信息污染。写远程办公，除了自由和省通勤，也要谈沟通成本、团队关系和边界感。

反对意见的价值，不在于让文章显得“客观”，而在于逼作者把论点说清楚。比如你主张“小团队应该尽快使用 AI”，读者真正关心的未必是 AI 能不能省时间，更可能是“会不会泄露客户资料”“员工会不会拿它敷衍工作”“生成内容出了错谁负责”。如果文章不回答这些问题，读者不会因为你多写几句“效率革命”就被说服。

可以这样要求 AI 帮忙：

请为这篇文章补充 3 个可能的反对意见，并说明如何回应。反对意见要写得真实、有道理，不要故意弱化。

这句里的“真实、有道理”很重要。弱化反对意见很容易，比如把反对者写成“害怕新技术的人”。可现实里的反对意见往往并不荒唐：数据安全确实重要，过度依赖确实会削弱判断，低质量内容确实会污染信息环境。文章需要说明边界：哪些任务适合用 AI，哪些必须人工复核，哪些材料不能上传，哪些输出不能直接发布。

能认真回应反对意见的文章，读者更容易相信。说服力不靠语气强硬，而靠把话说清楚：这个观点在哪些条件下成立，遇到哪些情况就要收住。

五、切磋琢磨：AI 更适合做编辑和批评者

如切如磋，如琢如磨。写作越到后半程，越需要这样的细磨。相比从头开始，AI 更适合在你已有初稿之后，充当编辑和审阅员。

当你手里已经有一段真实文字，AI 反而更容易帮上忙。它不用凭空猜你的观点，可以围绕已有材料做判断：这一段是否啰嗦，论点是否清楚，例子是否贴合，语气是否过重，前后是否重复。此时的 AI 更像编辑，帮你把自己的声音修得更清楚。

使用时尽量分段处理，少让 AI 整篇重写。整篇重写很容易把个人表达洗成统一口吻，原本有辨识度的例子和节奏也会被抹平。更稳妥的方法是让 AI 只修改一段，并明确要求不要改变原意：

请只修改这一段，给我三个版本：
1. 更简洁
2. 更有论证力
3. 更口语但不轻浮
不要改变原意。

这类提示的好处，是把修改目标说清楚。“更简洁”就是删冗余，“更有论证力”就是补逻辑，“更口语但不轻浮”就是调语气。你不必一次接受全部修改，可以从三个版本里挑一句、改一个转折、保留一个更准确的动词。AI 给的是备选，不是定稿。

还可以让 AI 先看结构，再改句子。比如先问“这篇文章哪一节最弱，为什么”，再问“第二节哪些段落顺序可以调整”，最后才问“请润色这一段”。如果一开始就要求润色，AI 很可能只会把句子变得更圆滑，却不会指出文章真正不顺的地方。

把 AI 当编辑，还有一个好处：它不会疲劳。人修改自己的文章，很容易忽略掉重复、不连贯和空话；AI 可以反复按照同一标准检查。真正需要警惕的是，不要把它的改写照单全收。每次接受修改前，都要问一句：这句话有没有说得更精确，还是只是变得更像“正式文章”？

如果一篇文章很重要，也可以让不同模型交叉审稿：一个模型帮你生成或改写，另一个模型按评分标准挑问题。不同模型擅长的地方不完全一样，换一个模型看稿，有时能发现原模型自查时漏掉的问题。但这只是多一层参考，作者自己的判断不能外包。

六、得失寸心知：用评分标准审稿

“得失寸心知”，审稿的标准。不要问 AI “你觉得我写得怎么样”，这个问题太宽，AI 很容易给出礼貌而模糊的表扬。更有效的方法，是给它明确评分标准，让它按项检查。

可以使用一张简单 Rubric：

然后这样提示：

请按以上标准逐项评分。先分析每一项，再给总分。最后列出最值得修改的 3 处。

评分标准的作用，不是简单让 AI 给文章打个分，重点是把修改方向说清楚。比如“例子是否具体”这一项得分低，就不要继续堆抽象论述，应该补一个真实场景：某个销售团队如何用 AI 整理客户邮件，省下多少时间，又在哪一步必须人工确认。再比如“是否处理反对意见”得分低，接下来该补的不是更强硬的语气，而是读者最可能提出的质疑。

Rubric 还能减少 AI 的迎合倾向。没有标准时，它可能会说“整体已经很好，只需稍作润色”；有标准时，它必须逐项说明问题。你甚至可以要求它更严格：

请以挑剔编辑的标准审稿。不要夸奖，重点指出逻辑跳跃、空洞表达和缺少证据的地方。

不过，评分只是工具，不是裁判。AI 可能指出问题，也可能误判你的风格选择。最终是否修改，仍要回到作者自己的判断。机器可以帮你看见盲点，取舍仍要由作者完成。

用 AI 写作，目标不该是让机器替你发声。更好的用法，是让它帮你理清思路、搭好结构、删掉空话。古人说“文章千古事，得失寸心知”，一篇文章是否成立，最后仍要回到作者心中：我是否真的有话要说，是否把这件事说清楚了，是否对读者负责。