如何优化 ChatGPT 生成的草稿，去除 AI 味

如何在写作中识别并去除“AI 废话”

如果你想利用大语言模型（LLM）提高写作速度，又不想让文章读起来像机器写的，这篇文章就是为你准备的。在 Towards AI，过去两年里我们编辑了数千份 AI 辅助的稿件，制作了数百节课程和视频。我们清楚地知道模型在哪里能帮上忙，在哪里会帮倒忙，以及如何保持你自己的声音。在这篇文章中，我们将分享一些具体的技巧和一个经过实战检验的提示词模板。通过这些，你可以从 LLM 那里获得高质量的文本，同时避开 AI 生成文章的典型特征——而不仅仅是双手合十，温柔地请求它“请不要写得像 ChatGPT”。

在 2023 年和 2024 年，某些动词和形容词突然开始在各类稿件和出版物中泛滥：深入探讨 (delve)、领域 (realm)、凸显 (underscore)、一丝不苟 (meticulous)、值得称赞 (commendable)，还有著名的破折号 (em-dash)。在 ChatGPT 出现之前，许多专业编辑除了在正式报告中，几乎很少见到这些词；如今，它们却充斥在学生论文、电子邮件、内部备忘录、领英动态和生物医学论文中。一项评估发现，与 2022 年底之前相比，“delve” 这一个词在近期 PubMed 文章中出现的频率大约增加了 400%。在学术界之外，一项被广泛引用的在线文本分析发现，与前几年相比，生成式 AI 时代的“meticulously researched（经过精心研究）”一词的使用频率增加了约 3900%。

所以，大家的直觉是对的：模型不仅改变了我们起草文本的方式，还正在肉眼可见地改变我们周围的语言环境。LLM 在海量的文本语料库上进行训练，然后通过基于人类反馈的强化学习 (RLHF) 进行打磨，学会迎合我们的需求。最近的一篇语言学论文找出了 21 个在科学论文摘要中使​​用频率激增的“焦点词”，并且 ChatGPT 使用它们的频率远高于人类作者；作者给出的最佳解释是，RLHF 悄悄地引导模型偏向那些疲惫的评分员视为“好文章”标志的词语。记者和语言学家进一步指出，由于 RLHF 工作被大量外包给尼日利亚等国家的英语熟练标注员，其中一些词可能反映了正式的尼日利亚英语习惯，这些习惯被反复奖励，然后在互联网规模上被放大。

一旦这种风格被固化，数百万人就开始复制并稍作修改地使用它。久而久之，这种经过打磨的、客气且带有学术腔调的模型语气，就会渗透到 AI 辅助甚至纯人类撰写的文本中。即使你从未打开过 ChatGPT，你最终也会生活在一个充斥着“深入探讨 (delve into)”、“凸显 (underscore)”、“不断演变的格局 (ever-evolving landscape)”和“无缝、稳健的解决方案 (seamless, robust solutions)”的信息环境中。

这就是我们可以称之为 AI 废话 (AI slop) 的东西：不仅是几个可疑的词，而是一套让文章感觉不自然的习惯。尴尬的是，即使最明显的“AI 词汇”被删除了，那种感觉往往依然存在。这种感觉很难用清晰的语言来描述。然而，大多数读者都能分辨出一篇文章是由 LLM 撰写的，还是经过其大量“润色”的。表面的词汇被清理了；但底层的骨架依然没变。段落仍然遵循着相同工整的弧线，过渡句像五段论式文章一样按部就班，结论总是拔高到一个没人要求的“更大图景”。语言中没了 delve，但思维结构仍然是纯粹的模型味。

因此，如果你希望 AI 辅助写作不感觉像是 AI 废话的拼凑，你不能仅仅删掉 delve；你必须改变骨架。下一节将首先探讨这个骨架：LLM 默认情况下倾向于如何组织想法，以及你可以在大纲、段落和过渡中做哪些调整，从而在一篇文章还未触及具体词汇之前，就不再读起来像个 AI 模板。

优化结构

当人们说“这听起来像 ChatGPT”时，他们通常是在对结构做出反应，而不仅仅是词汇选择。句子单独看没问题，但它们的排列方式让人觉得通用且过于熟悉。总觉得哪里不对劲。

常见的结构模式包括：

• 大量使用项目符号列表： 文章的大部分都是简短的要点，而不是带有例子或细节的完整段落。
• 大量相似的小标题： 每隔几段就有一个诸如“理解 X”、“Y 的重要性”、“Z 的未来”这样的标题。各个部分感觉可以互换。
• 标准的文章框架： 宣告主题的概括性开头，三个呼应开头的正文部分，最后是一个重申每个标题的总结。
• 到处都是强烈的路标提示： 经常出现类似“现在我们已经探讨了 X……”、“如前所述……”、“在下一节中，我们将讨论……”这样的句子，即使逻辑联系已经很明显。
• 段落长度一致： 大多数段落长度相似，并遵循相同的模式：定义、解释、限定条件、小结。节奏几乎没有变化。
• 围绕文章本身写作，而不是主题： “在本节中，我们将看看……”、“首先，我们将检查……然后我们将探索……”。
• 通用且过度简化的例子：“例如，企业可以使用 AI 来简化工作流程并改善结果。” 这种例子在技术上是正确的，但过于通用，没有提供任何新信息。它几乎可以出现在任何关于 AI 的文章中，这正是读者能认出它是机器生成的原因。
• 通用的结论： 最后的段落总是拔高到一个安全的、高层次的陈述（“随着 AI 的不断发展……”），而没有增加任何具体内容。

单独来看，这些在很大程度上都没问题。它们对于学校论文、文档和操作指南博客很有用。问题在于，当所有这些都同时出现，并且无论什么主题都按同样的顺序排列时。到了那个时候，文章就不再感觉像是一个人的真实推理，而开始感觉像是一个被重复使用（甚至滥用）的框架。

LLM 之所以陷入这种模式，是因为它们的训练数据中充满了这种模式：教科书、教程、企业说明文、学生论文。当你要求“写一篇关于 X 的文章”时，模型并不是在优化一个有趣的结构；它是在寻找“安全的文章结构”，并把你的主题塞进去。

如果你想保持 AI 的速度，又不要那种模板感，你必须在这个层面做出改变：大纲、段落形状和过渡。

一条有用的规则是：你掌控结构；模型负责填充。 这里有一些实用的改变方法：

1. 自己决定大纲

在开始写提示词之前，自己先草拟一个简短的大纲：从哪里开始，哪些部分最重要，在哪里结束。让某些部分短一些，有些部分长一些；它们不需要是对称的。

然后要求模型类似这样：

“把这个大纲变成文章。不要在这些内容之外添加引言或结论。不要创建额外的小标题。”

你这是在告诉它留在你的框架内，而不是自己发明一个。

2. 偏好段落而不是列表

LLM 过度使用项目符号和标题，因为许多在线内容就是这样构建的。如果你想要读起来更像文章而不是幻灯片的内容，你必须明确指出。

你可以添加一个简单的约束：

“主要使用完整的句子和结构良好的段落进行写作。避免使用列表或项目符号，除非内容明确需要（例如，具体的步骤或不同的项目）。少用小标题，只在明显不同的部分使用，不要为每一个新想法都加个标题。”

这会促使模型走向连续的叙述：更饱满的段落、更流畅的过渡，以及更少列表状的碎片。如果你真的需要，以后总可以把其中一部分变回列表。

3. 限制类比，不让它们主导结构

模型也喜欢依赖类比，以此作为一种显得通俗易懂的捷径。太多或牵强的类比会让人觉得文章注水、重点模糊。

你可以用一条简短的规则来控制它们：

“极少使用类比，只有当它们能为这类读者提供真实的、非显而易见的澄清时才使用。除非我明确要求更多，否则整篇文章最多使用一个类比。”

这能让结构锚定在实际的论述上，而不是模型在其他文章中看过的一串隐喻上。

4. 减少元文本和路标

在提示词中，限制“在这一节中我们将……”这种风格：

“避免使用类似‘在这一节中，我们将……’、‘现在我们已经探讨了……’、‘如前所述……’这样的短语。不要描述文章本身；只需解释主题。避免使用没有附加值的废话。”

在审阅草稿时，快速扫一遍这些元文本，删掉那些清嗓子式的开场白、重复标题的总结句，以及任何只是重述读者已知内容的结尾段落。

5. 打破对称性

告诉模型：

“改变段落长度。有些部分可以很短；有些可以深入。不要在每节的结尾都加上一个小总结。”

如果草稿仍然有三个结构相等、标题相似的部分，那就手动修复：合并重叠的部分，将较弱的标题降级为普通段落，或者完全删掉某一部分。一旦大纲不再像一篇整齐的三段式论文，这篇文章读起来就不那么像默认的 AI 输出了。

6. 将 AI 作为积木，而不是现成的段落

不要说“写第二节”，而是使用模型来生成组件：

• “给我三种不同的方式来组织这一节。”
• “列出具体的例子，使这个论点更加具体”，或者更好的是，“我想用攀岩世界来做一个类比，因为我认为这有助于读者把事情串联起来，帮我想一个合适的。”
• “在这些段落之间建议两个不复述刚才读过内容的过渡。”

然后由你来选择、重新排序并连接。模型给你提供材料；你来决定它们的流向。

7. 在修改语言之前，先过一遍结构

在你修改句子之前，将每段变成一句话的总结。像看大纲一样读这些句子。它听起来像你写的，还是像一篇通用的博客文章：定义 → 列表 → 总结 → 模糊的未来？

如果是后者，重新排序、删减或精简，直到顺序与你大声解释这个主题的方式相匹配。通常，删掉第一段、精简总结，并在前一步就结束，就足以消除大部分的“AI 感”。

一旦结构是你的了，草稿就已经不那么像模型了，即使它是 AI 生成的。在那之后，你就可以专注于语言：屏蔽你自己的“AI 词汇”列表，收紧措辞，并使用一个去 AI 味提示词，让模型一开始就不再使用那些相同的词汇。

你可以添加到提示词中的语言规则

一旦结构没问题了，剩下的大部分“AI 感”来自于句子层面的习惯：重复、通用的开头和结尾、含糊的形容词、过于客气的语气，以及反复出现的一组“AI 词汇”。你可以将这些变成提示词中明确的规则，这样初稿就已经避开了大部分问题。

1. 重复

AI 的一个常见标志是看似无害的重复，这使文本感觉机械化：几个句子或段落以相同的方式开头，或者一遍又一遍地使用相同的节奏。

提示词规则：

“改变句子开头。避免多次重复相同的过渡词（‘此外 (In addition)’、‘而且 (Furthermore)’、‘再者 (Moreover)’）。不要用不同的词重述同一个想法。”

编辑检查：只看开头读一遍。忽略意思，只看每个句子的前几个词。只要你看到相同的开头或模式出现三次，就删减或合并。通常，两个模型的句子可以合并成一个更清晰的句子，而不会丢失内容。

2. 开头和结尾

通用的引言和结论是另一个明显的标志。它们宣布文章将要做什么，然后在结尾重复一遍。

提示词规则：

“不要以‘在当今快节奏的世界中’或‘当我们应对复杂性时’等通用的场景设置开头。以具体的例子、具体的声明或明确的问题开头。不要以‘总之 (In conclusion)’或对各节的回顾结束。在论点或解释自然结束的地方结束。”

编辑检查：如果第一段稍加修改就能用在另一篇文章上，那就删掉或重写它。如果最后一段只是重复读者已经知道的内容，那就删除它，或者用一个具体的结束句来代替。

3. 形容词

模型经常依赖积极但含糊的形容词：强大的 (robust)、无缝的 (seamless)、开创性的 (groundbreaking)、变革性的 (transformative)、关键的 (pivotal)、引人入胜的 (intriguing)、创新的 (innovative)、全面的 (comprehensive)。它们听起来很自信，但没有增加任何信息。

提示词规则：

“避免使用含糊或戏剧性的形容词，如‘强大的 (robust)’、‘无缝的 (seamless)’、‘关键的 (pivotal)’、‘开创性的 (groundbreaking)’、‘变革性的 (transformative)’、‘引人入胜的 (intriguing)’、‘创新的 (innovative)’、‘全面的 (comprehensive)’。只有当形容词增加了具体信息（例如关于规模、性能或限制）时才使用它。否则，将其删除。”

编辑检查：拿一段话，去掉所有的形容词。然后，只放回那些以有用方式改变意思的词。用细节代替情绪：“强大的系统 (robust system)”可以变成“每秒处理 1 万个请求且不丢失数据的服务”。

4. 客气

因为模型被训练成安全和不冒犯他人，所以它们默认使用非常礼貌、正式的措辞：“希望这封邮件找到你时你一切都好 (I hope this email finds you well…)”、“我想花点时间来 (I would like to take a moment to…)”、“我谦卑地请求 (I humbly request…)”。

提示词规则：

“用直接、中立的专业语气写作。避免使用老套的电子邮件用语，如‘希望这封邮件找到你时你一切都好’或‘我想花点时间表达我诚挚的感激之情’。在第一句话就切入正题。避免使用软化词，如‘只是 (just)’、‘我想知道是否 (I was wondering if)’、‘希望 (hopefully)’，除非它们对于人际关系是必不可少的。”

编辑检查：问自己“我会大声说出来吗？”如果不，就精简它，直到你可以。“我想友好地跟进一下关于……”通常会变成“只是了解一下关于……”或“有什么进展吗？”。

5. 词汇黑名单

有些词和短语现在读起来就像是标准的 AI 输出：深入探讨 (delve)、领域 (realm)、挂毯 (tapestry)、不断演变的格局 (ever-evolving landscape)、想象 (imagine)、踏上旅程 (embark on a journey)、导航/应对 (navigate，作为隐喻)、利用 (leverage)、驾驭/利用 (harness)、努力 (endeavour)、充满活力的 (vibrant)、至关重要的 (crucial)、令人信服的 (compelling)、“不仅是 X，而且是 Y”。

没有通用的清单；不同的领域有不同的习惯。保留一个小清单，列出你不想看到的词，除非你是故意选择它们的。

提示词规则：

“不要使用以下词语：深入探讨 (delve)、踏上 (embark)、想象 (imagine)、领域 (realm)、挂毯 (tapestry)、充满活力的 (vibrant)、努力 (endeavour)、利用 (leverage)、驾驭 (harness)、应对/导航 (navigate，作为隐喻)、无缝地 (seamlessly)、关键的 (pivotal)、开创性的 (groundbreaking)、变革性的 (transformative)、令人信服的 (compelling)、不断演变的 (ever-evolving)、范式 (paradigm)、‘释放潜力 (unlock the potential)’。如果你通常会伸手去拿其中一个，请选择一个更简单的动词或具体的描述代替。”

随着新的模式开始困扰你，随着时间推移更新这个清单。

6. 忠实度和确定性

当模型根据笔记、文字记录或源文章工作时，它需要明确的界限。

提示词规则：

“当提供上下文或源文本时，要忠实于它。不要比原文添加或暗示更多的信心或确定性。如果一个事实不在来源中，要么省略它，要么将其标记为不确定。根据上下文，将课程内容称为‘课程 (lesson)’，将独立文章称为‘文章 (article)’。”

7. 语气和视角

你想要的是一致性，而不是表演。

提示词规则：

“通过具体的细节和清晰的推理，而不是戏剧效果或额外的修饰，使文章具有可读性和趣味性。在整个过程中保持单一、一致的语气和视角（选择‘我们 (we)’或‘你 (you)’并坚持下去）。不要在同一篇文章中混合使用‘我 (I)’、‘我们’和‘你’。对于教学内容，默认使用‘我们’。”

8. 直接、清晰、简洁

修辞手法和重复的定义是废话悄悄溜回来的常见方式。

提示词规则：

“直接了当。避免废话和对话式的填充。不要问一个问题然后立即自己回答作为一种手段（例如：‘那么，X 到底是什么？’）。直接陈述观点或定义。

每句话都应添加新信息或细微差别。避免用不同的词重复同一个观点。不要在同一文档或系列中多次重新定义相同的首字母缩略词或概念。如果删除一个句子不会改变读者的理解，那就省略它。”

一个可复用的去 AI 味提示词

这里是经过修改的版本，变化很小，只是插入了新的规则。

你正在帮助我起草高质量、不敷衍且带有人类口吻的文章。

[1] 任务与背景

- 撰写一篇关于：[主题] 的 [格式：文章 / 章节 / 电子邮件 / 脚本 / 等]。

- 背景：[本文将被用在哪里，以及为什么要写]。

- 使用以下来源材料作为事实基础。不要与之矛盾：

[粘贴笔记、大纲、引言、链接]。

[2] 受众与目标

- 受众：[他们是谁：角色、对主题的熟悉程度、限制]。

- 假设他们已经知道：[不要过度解释的内容]。

- 阅读后，他们应该能够：[1-3 个具体结果]。

[3] 结构

- 遵循以下结构：

1. [第一节名称 + 1-2 行关于它涵盖的内容]
2. [第二节...]
3. [第三节...]

- 不要在此大纲之外添加额外的章节。

- 使用完整的段落；每段集中于一个清晰的观点。

- 仅对真正独立的项目（步骤、优缺点等）使用项目符号列表。

- 谨慎使用小标题；不要为每个段落创建标题。

- 保持标题简短而基于事实。不要使用戏剧性或叙述性的两部分标题。

- 确保章节之间过渡平滑自然，不要使用类似“现在我们探索了 X，让我们转向 Y”的元陈述。

[4] 风格与语调

- 清晰、中性的散文：专业，但在有助于理解的地方可以稍微带点俏皮和机智。

- 通过具体的洞察和清晰的推理使文章具有可读性和吸引力，而不是靠戏剧性或额外的渲染。

- 避免戏剧化、炒作、流行语和营销式的语言。

- 避免辞藻华丽的散文（没有华丽、夸张或令人窒息的语言）。

- 使用一致的视角（“我们”或“你”）并坚持下去。

- 直接。避免填充词和口语化的废话。

- 不要以自问自答作为诱饵；直接陈述观点。

- 使用完整的句子；不要将句子片段作为一种文体手段。

- 不要使用破折号（—）。使用逗号或句号代替。

[可选的声音匹配]

- 匹配此示例的节奏、句子长度和语调：

[粘贴 1-2 段我自己写的文章]。

[5] 语言与词汇限制（去 AI 味）

- 避免使用通用的文章和博客短语，例如：

“在当今快节奏的世界中……”、“当我们应对复杂性时……”、“总而言之……”。

- 不要使用以下句子结构：

- “这不仅是 X，更是 Y。”

- “X 不仅是 Y；它还是 Z。”

- “这不是 X，而是 Y。”

- “这就是 X 发挥作用的地方。”

- 除非我在输入中明确包含，否则不要使用这些词/短语：

惊人的 (amazing)、迷人的 (fascinating)、令人惊叹的 (mind-blowing)、必读的 (must-read)、快速发展的世界 (fast-moving world)、拨开迷雾/噪音 (cut through the hype/noise)、开创性的 (groundbreaking)、范式转变的 (paradigm-shifting)、变革性的 (transformative)、关键的 (pivotal)、至高无上的 (paramount)、杰出的 (outstanding)、一个重大飞跃 (a significant leap)、深入研究 (delve, dive into)、着手/开始 (embark/embarking)、努力 (endeavour)、领域 (realm)、织锦 (tapestry)、充满活力的 (vibrant)、利用 (leverage)、驾驭 (harness)、无缝集成 (seamlessly integrates)、从头开始 (start from the ground up)、解决一个新颖的问题 (tackle a novel problem)、至关重要的 (crucial, critical)、无价的 (invaluable)、显著的/地 (significant/significantly)、令人惊讶地 (surprisingly)、简单地 (simply)、巧妙地 (neatly)、“最棒的是” (“the best part is”)、“真正的奇迹发生” (“real magic happens”)、“灾难的秘诀” (“recipe for disaster”)、“繁荣” (“thrive”)、“释放真正的力量” (“unlock the real power”)。

- 优先使用平实、具体的动词和特定的技术术语，而不是模糊或戏剧性的措辞。

- 仅在添加具体信息（规模、约束、性能）时才使用形容词。

- 极少使用类比，只有当它们提供非显而易见的澄清时才使用。

不要使用引导性的类比短语，如“想象……”或“把这想成……”。

[6] 准确性与术语

- 忠实于提供的上下文和来源。

- 不要夸大确定性；如果事实不确定，要么省略它，要么将其标记为不确定。

- 对于首字母缩略词，在首次使用时写出完整短语，然后使用缩略词。

“AI”和“LLM/LLMs”可以在不展开的情况下使用，除非受众完全是新手。

- 根据需要，将“课程 (lesson)”用于课程内容，将“文章 (article)”用于独立文章。

[7] 流程

- 首先，对照上述规则默默检查你自己的输出。

- 删除重复的句子开头、禁用的词语和不添加新信息的填充句。

- 不要在最终输出中包含内部评论、给自己留的便条或占位符。

答案读起来应该是一个完整、打磨过的产品。

- 然后呈现最终草稿，不解释你做了哪些修改。

这个模块可以放在你更大的通用模板（包含任务、受众、结构和准确性）中。对于电子邮件，你可能会保留客气规则并精简其余部分。对于长篇文章，你可能会保留所有内容，并用特定领域的陈词滥调扩展黑名单。

关键点在于，你不再需要每次都重新发明“请不要听起来像 ChatGPT”了。你只需决定一次你希望语言如何表现；模型会将其作为它工作描述的一部分来读取。

AI 修改循环在实践中是什么样的

即使有很好的结构和经过仔细推敲的提示词，大多数模型在第一次尝试时也不会遵循所有规则。它们仍然会偷偷混入一个“快节奏的世界”，三次重复使用相同的过渡，或者又退回到散文式的结论。这是正常的。目标不是一次性获得完美的草稿；而是建立一个循环，让模型在你花费大量编辑时间之前完成大部分清理工作。

一个有用的思考方式是：第一个回复是版本 0，而不是你必须接受的草稿。你首先使用完整的模板要求内容和结构：任务、受众、大纲以及你的去 AI 味语言规则。版本 0 应该有大致正确顺序和正确的想法。如果结构不对，你要先修复它；在你打算删减或移动的段落上打磨语言是毫无意义的。

一旦结构没问题了，你就让 LLM 充当法官。在实践中，这通常意味着打开第二个聊天窗口或使用不同的模型。第一个聊天是你产生草稿的“作家”模型。第二个聊天/模型是你的“编辑”模型，其唯一工作是查找并标记废话。你把草稿和规则粘贴进去，并要求它只审阅，不重写。例如：

“你正在审阅一份草稿，寻找 AI 废话和风格问题，而不是重写它。

这是我们使用的规则（结构和语言）：

[粘贴你的大纲约束 + 去 AI 味模块]

这是草稿：

[粘贴草稿]

1. 指出这份草稿在哪里违反了上述规则：

- 重复的开头或过渡

- 通用的引言或结论

- 含糊或夸张的形容词

- 老套的电子邮件短语或过度客气

- 黑名单中的 AI 常用词

2. 对于每个问题，用一句简短的话建议如何修复它。

暂时不要重写整篇文章。”

将该回复视为诊断。它通常会突出显示通用的开头、重复的模式、残余的禁用词以及读起来像总结的段落。你现在有了一个具体的问题列表，而不必自己通读全文。

接下来，你回到作家窗口，并要求进行第二遍修改，将编辑的笔记作为输入。你不想要一篇全新的文章；你想要一个保留了结构和想法但修复了问题的修改版。这样的提示词可能看起来像这样：

“这是你的初稿，加上一份指出了它在哪里违反了我们商定的风格/去 AI 味规则的审阅。

[粘贴审阅意见]

重写草稿，只修复这些问题：

- 删除通用的引言和散文式的结论

- 改变重复的句子开头

- 删除或替换含糊的形容词和 AI 常用词

- 删除元文本（“在这一节中我们将……”）和沉重的路标提示

保持结构、章节和主要论点不变。”

如果某个部分特别糟糕，你可以把它隔离出来，一次只做这块。这样可以防止模型“乐于助人”地重新引入你刚刚在文章其他部分删除的模式。

一旦“作家”和“编辑”模型完成了它们的检查，你可以在此基础上添加几个简单的步骤。

使用外部检查器作为第二意见

一个选项是通过 Slop Score 运行修改后的草稿，这会让你了解短语模式看起来有多“GPT”。另一个是 Creative Writing Longform benchmark，它侧重于更长、更像人类的文本。这些工具不会替你做决定，但它们是有用的信号。如果分数飙升，或者某些短语被挑出来认为高度类似模型生成的，你可以将此反馈到你的流程中：将这些模式添加到你的黑名单中，或者要求第二个窗口中的编辑模型下次明确查找它们。

让人类编辑保持专注

一旦模型和工具完成了它们的工作，你就可以进行一次简短、专注的人类编辑。在这里，你为了结构而读，询问段落顺序是否真正匹配你大声解释主题的方式。你为了准确性而读，检查数字、名称和声明是否基于你认可的来源或知识。你为了质感而读，注意文章听起来像你或你的团队，还是像一个没有明确作者的通用说明文。在这个阶段你注意到的任何新的口头禅或模式，都可以直接加入你的黑名单，这样它们就不会在未来的草稿中再次出现。至关重要的是，你要补充你在阅读时想到的例子或见解，为文章增添你的个性和触感。

以版本的概念思考，而不是单一草稿

在实际工作流中，这通常意味着进行两三次快速循环，而不是产生一篇大而完美的草稿。版本 0 是你使用主要提示词将内容和大致结构落实到位的地方。版本 1 是模型根据你的规则对其自身进行批评和修改后的草稿，可能借助了 Slop Score 或 longform benchmark。版本 2 是你编辑过的版本，你在这里调整判断、细微差别和语气。提示词模板、黑名单、编辑窗口和外部工具的存在，都是为了让这些循环变得更廉价，让“AI 草稿”的含义从“我必须从头重写的东西”变成“我只需要稍微编辑一下的东西”。

为什么人类的审视依然重要

所有这些都无法消除人类审阅的必要性。模型可以根据你的规则起草、重组和修改，但它们仍然无法决定哪些观点对你的读者重要、你对某个声明应该有多大的把握，或者文章听起来是否属于你的声音。检查结构、事实和语气仍然是你的工作。

让这项工作变得可管理的办法是标准化工作流。你重复使用同一个基础提示词，而不是每次都写新的指令。你保留一个小黑名单，并在新的“AI 词”出现时更新它。你在第二个聊天中使用固定的编辑提示词，这样模型就可以在你编辑之前标记出它自己的习惯。你最后的检查就会遵循一个简单的清单：结构合理，声明有依据，语言符合你或你团队的惯常写作方式。

如果你坚持这样做，AI 并不会消除编辑工作，但它确实改变了你所做编辑的种类。大部分机械的废话由模型和你的提示词处理。你的时间花在了只有你能做出的决定上：你想说什么、你愿意在一个声明上走多远，以及这是否是一篇你乐意署名的文章。