「一个 LLM 建议的词都不能用」这条规则在防什么？

防的是 AI 措辞统一的顺滑感：前沿模型最擅长挑「顺耳」的措辞，顺到像杂志标题，读者能以极高的灵敏度闻出来。这条规则要求哪怕某个建议你觉得比自己的好也一律不用——AI 可以标出被动语态、名词化、填充词这些「手术位置」，但下刀必须自己来。更隐蔽的是第二条规则 Avoid encouragement：模型会对你的烂初稿鼓掌，你会因此双倍下注本该重写的段落，失去「这里要重写」的判断。

Grunewald 为什么连「AI 起草、人工改」都反对？

他的地基是「写作过程就是思考过程」：把想法写成文字是对理解程度最严苛的测试，文字一旦摆在页面上，人就容易被动接受它。AI 起草省掉的不是打字时间，是思考本身；而且 AI 写作会在你难以察觉的地方含糊和出错——不是抓得到的硬伤，是立场滑了半度、AI 自己都不知道的句子。用 AI 写却不标注，在他看来还打破了读者「文字背后是作者观点」的默认。

日更三篇的人怎么实践「AI 参与写作」？

一个可持续的三步流程：AI 出初稿（论点、证据、口径都先经过人工确认），人工逐段重写（改完字数砍掉三到四成，留下的每个句子都答得出「为什么是我写的」），最后用白名单规则清单清掉「值得注意的是」「总而言之」这类胶水词。按「编辑可以、作者不行」的标准，这套流程初稿环节犯规、后两步合规；但换来的是日更三篇的可持续产量。

用 AI 写作到底算不算写作：两篇 HN 热帖，一个我没躲开的立场

开场：同一周，两篇对着干的文章

9 月 17 日，sockpuppet.org 博主发了一篇《How to Write with an LLM》，当天冲上 Hacker News 前排：624 个赞、373 条评论。核心一句话：LLM 可以当你的文字编辑（copyeditor），绝不能当你的代笔（ghostwriter）——you have to write for yourself。

两天后，9 月 19 日，Erich Grunewald 那篇 8 月 6 日就发过的《Why You Should Almost Never Use AI to Write Anything Substantive》在 HN 再次发酵：213 个赞、117 条评论。他的立场更狠：几乎所有实质性的写作，都不该让 AI 碰——哪怕你事后人工修改。

两篇加起来，HN 上吵了近千个赞。而这个月，我自己正好日更三篇，每篇都过 AI 的手。所以这期我不做和事佬，我站一边。

拾闻：先亮个题——你自己天天用 AI 写，为什么还敢碰这个选题？

永亮：正因为我天天用，才躲不开。十七年里我带过峰值七十人的技术团队，审过别人写的方案，也被人审过；现在日更三篇，AI 参与每一篇的流程。这两篇文章骂的每一种用法，我手上都有现成样本。所以今天我不转述口水，我把两篇文章的边界摆清楚，再拿我自己的流程出来对号入座——哪些经得起骂，哪些我自己也在躲。

Q1：先摆 A 文——「一个 LLM 建议的词都不能用」

拾闻：先把 624 赞那篇拆开。sockpuppet.org 博主到底允许什么、禁止什么？

永亮：先把他的两条规则原样摆出来，我不替他拔高。

按 A 文原文，他的分工是这样：LLM 当 copyeditor 可以，当 ghostwriter 不行。copyeditor 是出报的最后一道关：挑错、顺句子、查一致性，但字是你写的。ghostwriter 是替你执笔：你出名字，它出文字。他认为 LLM 只能干前者。

规则一，也是最狠的一条：一个 LLM 建议的词都不能用。他的理由是，前沿模型最擅长挑「顺耳」的措辞，顺到像杂志标题；哪怕某个建议你觉得比自己的好，也一律 DQ。原文金句我照译：读者能以万亿分之一的浓度检出 LLM 的文字。这话有修辞成分，但方向我认——AI 的措辞有种统一的顺滑，读者说不上来哪里不对，就是能感觉到不对。

规则二，容易被忽略但更重要：Avoid encouragement。模型会对你的烂初稿回「that’s gold, Jerry!」，你写一个自己都心虚的段落，它给你鼓掌，你就双倍下注本该重写的段落和隐喻。他的原话是：那些重写时的反思，是你声音里的承重墙。初稿烂不可怕，可怕的是 AI 让你失去「这里要重写」的判断。

那 AI 能干什么？他列的是机械性找问题的活儿：被动语态、动词名词化、重复措辞、very、unfortunately、really、actually 这类填充词。一句话，诊断可以，开药不行；动手术的位置它来标，下刀必须你自己来。

Q2：再看 B 文——Grunewald 连「AI 起草、人工改」都反对

拾闻：A 文好歹留了个编辑的位置。Grunewald 为什么连起草加修改都一并反对？

永亮：他的三论点，一个比一个往根上走。

第一，写作过程就是思考过程。他引了 Paul Graham 那句「把想法写成文字，是对你理解程度最严苛的测试」；又引哲学家 Eric Schwitzgebel 的观点：读一段现成的文字点头附和，和自己一个字一个字把这段文字生成出来，是两种认知活动，文字一旦摆在页面上，人就容易被动接受它。这是他的地基：你让 AI 起草，省掉的不是打字时间，是思考本身。

第二，AI 写作会在你难以察觉的地方含糊和出错。不是你抓得到的硬伤，是那种表面上通顺、细读才发现立场滑了半度的句子，AI 自己都不知道它滑了。

第三，用 AI 写却不标注，是粗鲁且误导。这一条他不让步：读者默认文字背后是作者的观点，你打破这个默认，就该打招呼。

有意思的是他自称不反 AI：转录、数据分析、搜索、头脑风暴、给草稿反馈，都可以；行编辑、改写也可以，但每条改动必须人工逐条接受或拒绝。他反对的只有一件事：AI 执笔本身，哪怕你给详细要点，哪怕你事后编辑。因为在他看来，思考发生在落笔之前，要点列完的那一刻，写作已经结束了。

拾闻：这个「落笔之前」的说法，跟 A 文的分歧点在哪？

永亮：两人其实共享同一条边界，AI 可以做编辑，不能做作者。真正的分歧在执行细节：A 允许 AI 诊断问题、只禁用它的措辞；B 认为诊断和措辞分不开，AI 起草过的稿子在根上已经歪了，人工修改只是给歪掉的树修修剪剪。一个管流程，一个管念头。

Q3：HN 评论区的弹药，和那句扎向 A 文自己的反讽

拾闻：评论区比正文还热闹，挑几条能用的。

永亮：先说我最想给职场人的一条，原话大意：你要的是第二双眼睛，不是第一双手。这是 A 文 624 赞下面最高赞的共鸣，一句话把 copyeditor 和 ghostwriter 分干净了。第二条像个总纲：只把 AI 用在让你思考得更努力的地方。判断标准不在工具清单里，在你自己——这个环节用上 AI 之后，你是想得更深了，还是彻底不用想了？前者用，后者停。

操作层面的两条也实在：让 AI 批评你的稿子，而不是替你重写。模型总会给你一段完整重写，别接；让 AI 写你希望自己读过的东西，比如某个主题的综述、一份决策报告或者一次会议纪要，这些是你本来就要读、没人替你思考的材料。

最后一条是这期的压轴，扎的是 A 文自己。有评论指出：「那些重写反思是你声音里的承重墙」这句话，本身就是典型的 LLM 腔——教你怎么防 AI 味的人，自己可能被 AI 影响过。这个反讽我给满分，因为它把整件事拉回了地面：没有人能站在 AI 之外审判 AI，包括写规则的人。我们所有人都在水里，区别只在于谁承认自己在水里。

Q4：拿我自己开刀——日更三篇，AI 参与每一篇，我的流程经不经得起这两篇文章骂

拾闻：到了对号入座的时候。你的流程是什么样，A 文和 B 文各会怎么判？

永亮：先把流程摆出来，三步：AI 出初稿，人工重写，白名单规则清 AI 味。每一篇都过这三步，没有例外。

第一步，AI 出初稿。先把话说死：这一步恰好是两篇文章火力最集中的地方，我不替它辩护。按 B 文的标准，我的初稿环节已经越界，思考发生在落笔之前，我把落笔外包了。A 文的标准稍轻一点，但同样挨骂：初稿里那些 AI 顺出来的措辞，本来就不该留下来。这一步我的实际用法是：把我要写的论点、证据、口径喂进去，让它搭一个「我确认过事实的骨架」。这是我的用法，挨骂的部分我认。省掉的是打字时间，还是思考本身，这两者的边界在我身上也不是天天清楚。

第二步，人工重写，这是我的流程里真正的写作。初稿到手之后，逐段过：论点是不是我想说的，例子是不是我见过的，语气是不是我的。改完的字数通常砍掉三到四成，这是我的估算，没有精确统计过，但每篇都在这个量级。A 文那条「一个 LLM 建议的词都不能用」，在我这里就是重写时执行的白名单思维的另一半：留下的每个句子，得能答出「这句为什么是我写的」。

第三步，白名单规则清 AI 味。把一些已经成名的 AI 腔措辞列成清单，终稿逐条扫，命中的全部重写。这一步是机械活儿，A 文认可的那类「诊断」，只不过诊断的对象是 AI 自己。

现在对号入座。A 文会判我：初稿环节犯规，重写和清味环节合规，总体留用察看。B 文会判我：从第一步就越界，后面两步修不回来。这两个判决我都接受，但都不改判，因为我拿流程换的是日更三篇的产量，十七年里我学会的一件事是：完美的原则敌不过可持续的流程。B 文那套我服气，但我要是只做精品，这个栏目就周更不了。

Q5：我的立场——工具边界不在工具，在「谁承担思考」

拾闻：最后给个准话。两篇你站哪边？

永亮：我站 A 文一边，但我要把话说得比 A 文再往前半步。

站 A 文，是因为 B 文的标准在实操上会塌缩成「不用 AI 写作」，而这不是一个日更三篇的人、也不是一个要带七十人团队的技术负责人能兑现的承诺。兑现不了的标准，比没有标准更糟，因为它只筛选出会装的人。

比 A 文往前半步。我觉得「一个 LLM 建议的词都不能用」这条规则防错了重点。读者反感的是文字背后没人承担思考。所以我的标尺只有一条，问的是人、不是工具：这段文字里的每个判断，有没有人愿意在评审会上站起来说「这是我核过的、我负责」？有，AI 参与多深都行；没有，纯手工也是空架子。工具边界在「谁承担思考」这五个字上。

这也回到我十七年的本行。带团队的时候我最怕的是没人说得清文档里的数字哪来的。AI 时代的写作之争，本质上是同一件事换了件外衣：读者要的是「后面站着一个负责的人」。

尾声

拾闻：最后，用一句话总结这期？

永亮：AI 可以当编辑，不能当作者，这条边界百分之九十的人同意，剩下的百分之十才是战场：编辑和作者的分工线，画在每个写作者每天的流程里，画线的笔只能是人。你今天画在哪，比两篇热帖吵出什么结论重要。

拾闻：这句话，送给大家。下期见。

【技术纵深】「AI 腔」到底是一种什么东西，为什么读者能闻出来

这期一直在说「AI 味」「AI 腔」，有的读者可能想多知道一层：这东西具体是什么，为什么那么多人声称自己能闻出来。

它首先是一套统计偏好。 大模型预测下一个词时，天然偏好「全局平均意义上最顺」的接法：解释优先给定义，转折优先用「然而」，收尾优先升价值。单个看都没错，连起来就有一种均匀——每句话的用力程度一样，每个段落的落点一样。人的写作是有毛边的，想法会急、会绕、会突然插一句不相干的实话；模型的输出没有毛边，这就是「顺滑」的真相：不是没有个性，是平均得看不见个性。

其次是填充词和连接词的高频出没。 A 文点名的 very、unfortunately、really、actually 是一类；中文里对应的是「值得注意的是」「总而言之」「不仅如此」「在某种意义上」这类万能转接。它们不是错，是偷懒——没有具体信息量的胶水。白名单清 AI 味，清的主要就是这类胶水词：每个命中项都要么删掉，要么换成有具体所指的句子。

最后，「能闻出来」是有代价的。 HN 那条反讽说得很冷：连教人防 AI 味的人自己都在用 AI 腔。识别 AI 文字的能力，靠的是阅读量，读过足够多的真人文字和 AI 文字，鼻子自然就灵。而这个时代阅读量的增速，大概率追不上 AI 文字的产量。所以与其练鼻子，不如盯住那个可验证的东西：这段文字后面，有没有人承担思考。

回到本期主线：AI 腔是统计学的味道，责任心是人的味道。前者能清，后者装不出来。

本期信息来源

sockpuppet.org 博客 2026-09-17：《How to Write with an LLM》（规则一「一个 LLM 建议的词都不能用」、规则二「Avoid encouragement」、「parts per trillion」金句、「load-bearing parts of your voice」均为原文观点）
Hacker News 2026-09-17：上帖讨论，624 ▲ / 373 评论（含「第二双眼睛，不是第一双手」高赞评论、「load-bearing」反讽评论，均为一手评论转述）
Erich Grunewald 个人 Substack 2026-08-06 首发：《Why You Should Almost Never Use AI to Write Anything Substantive》（三论点、Paul Graham 与 Eric Schwitzgebel 引用、允许的 AI 用途清单均为原文观点）
Hacker News 2026-09-19：上帖再发酵，213 ▲ / 117 评论（含「只把 AI 用在让你思考得更努力的地方」「让 AI 批评而不是替你重写」「让 AI 写你希望自己读过的东西」「重读纠正 AI 总结、微妙全消失」等评论转述）