把LLM当编辑而非代笔的两条硬规则

用大语言模型辅助写作，几乎已经成了内容创作者的默认动作。但一个常被忽略的事实是：读者对模型文字的辨识力远比想象中强。有观点认为，读者能在万亿分之一的浓度级别上尝出模型的味道。无论你花多少力气去打磨、去增加人味，一段由模型生成的文字，在很多读者眼里都不会被当作写作，而是被当作输出。这意味着，写作这件事的主体部分，仍然必须由你自己承担。

这并不是说模型没有价值。恰恰相反，它依然极其有用，关键在于使用姿态的转换：不要把它当成代笔的枪手，而要把它当成一位文字编辑。这套方法因此只有两步。第一步，你自己把文章写出来。第二步，把它交给一个足够强的模型，让它帮你找出缺陷。

不过在讨论具体操作之前，有两条规则需要先建立起来。它们的作用是防止一种可以称为模型蔓延的现象，这种蔓延会把你的文章推进表达与输出之间的恐怖谷，并最终把读者的注意力推开。

第一条规则是：模型向你建议的任何具体措辞，一个字都不能用。破坏这条规则正是麻烦的来源。原因在于，前沿模型在选择讨喜的短语方面有着近乎超自然的能力，这几乎就是它们的看家本领。问题恰恰出在这份能力太隐蔽。可以这样理解：前沿模型被卡在一种模式里，它写下的每一个句子都像杂志标题。标题是好东西，但如果你看到有人用几十个标题串成一篇文章，你会对这个人产生怀疑。

因此，作为一种智识层面的个人防护装备，应当采纳这条规则：模型建议的任何具体措辞都不得使用。对这条规则要严格。整套方法论的前提正是，你无法可靠地识别出前沿模型试图把你的写作变成工业奶酪的所有方式。哪怕你喜欢那些词，哪怕你确信它们比你自己写的更好，模型生成的短语也一律取消资格。

第二条规则是：避免鼓励。模型还会通过另一种更微妙的方式感染你的写作，那就是影响你的判断。这个问题造成的伤害不那么明显，但它同样会让你的文章变差。如果结果是这样，那还不如干脆不要请模型来帮忙。

问题的机制是这样的：把任何一段文字交给模型，它几乎都会回你一句，这简直是金子。但这恰恰不是你需要听到的话。在初稿阶段，你的大多数段落都不够好，主题的流转并不连贯，而且你至少多写了七百五十个不需要的字。模型却先对你的整体结构表示赞赏，接着是段落和过渡，再接着是遣词和比喻，甚至是流行文化梗。它的反馈顺着一条不断下探的细粒度轴线铺开，把每一层都夸一遍，于是你失去了修改的抓手。

把这两条规则放在一起看，逻辑就很清楚了。第一条规则切断的是模型对文字的直接影响，第二条规则切断的是模型通过赞美对判断的间接影响。前者保护风格，后者保护标准。真正有效的协作方式，是让模型只承担挑错的角色：指出哪里论证断裂，哪里信息冗余，哪里读者会困惑，而把所有的措辞决定权和全部的删改勇气，都留在自己手里。

这套方法听起来朴素，实践起来却需要一点自我约束。因为模型给出的句子往往确实顺滑，模型给出的鼓励往往确实让人受用。但写作的价值恰恰藏在那些不顺滑、需要自己费力想出来的地方。把模型放在编辑的位置上，而不是让它占据作者的位置，才可能既得到工具的效率，又不丢掉属于自己的声音。