如何与AI一起写出没有“AI 味”的文章 先整理素材，再让模型动笔

从通用常识、个人经历到原创思考，理解 Nicolas Cole 的人机写作分工，并用三个模板开始实践。

• 常识对初学与思考仍然有价值；当重复写作不再带来新理解时，可以让 AI 协助重组。
• 个人经历、立场和表达样本需要由你提供，并持续积累成可复用的素材库。
• 把重复整理交给 AI，省下的精力用于新的观察与思考；模板尤其适合经验与观点写作。

如果你常用 ChatGPT 或 Claude 协助写作，很可能遇到过这种情形：输入一个常见题目，比如“如何做好时间管理”或“新手如何做行业调研”，屏幕上很快会生成一篇结构整齐、用词得体的文章。它列出了明确目标、制定计划、分清主次等几条建议。

文章挑不出明显硬伤，但读起来总让人觉得空泛机械、千篇一律，也就是人们常说的“AI 味”。

许多人把原因归结为提示词不够精妙，或者以为只要让模型模仿某种特定文风就能解决。数字写作顾问、长期从事商业代笔的 Nicolas Cole 在其专栏长文《The Right Way to Write with AI》中提出了一个不同的解释：

语言模型输出的内容显得空洞，往往不是因为它的遣词造句能力不足，而是因为人类尚未向它提供具体的情境。你觉得文章读起来不像你，本质上是因为你没有把自己真实的经历、观察和立场作为素材交由它处理。

Cole 结合自己早年撰写网络文章以及自述后来为 300 多位行业领导者（包括硅谷高管）代笔的经历，梳理了文字内容的层次划分，并解释了如何建立一个让人与机器各自发挥所长的工作流。

一、通用常识与作者辨识度

要理解人机协作的边界，首先需要区分两类性质不同的内容。

1. 共享的语言与“通用内容”

Cole 把人类共享的语言比作一套开源系统：字母、词汇和常规语法由所有人共享，没有任何人会因某一个单独的字词而具备辨识度。当不同的人写下同一句日常用语时，也无法单凭这些通用表达建立起独特的辨识度。

由这些常规词汇组合而成的基础道理，大多属于通用内容（Commodity Content）。例如：

• “做营销的关键在于了解你的客户。”
• “健康减重的基础是保证营养并控制热量摄入。”
• “长期储蓄需要尽早开始并保持克制。”

这些句子逻辑完整，对刚接触该领域的读者同样具有指导意义。但它们由普遍共享的概念构成，遮住作者的名字，读者无法判断这句话出自一位行业资深从业者，还是刚接触该领域的新手。它属于行业内的公共知识，缺乏作者的个人辨识度。

2. 为什么机器处理通用内容更具效率

大语言模型擅长处理常见语句的概率关联。面对广泛流传的通用常识、基础概念整理与标准化步骤说明，机器的改写和重组效率远高于人类手工敲击键盘。

Cole 回顾了自己 2014 年大学毕业一年后的兼职经历：当时一家旅行机构以每篇 20 美元的价格雇他撰写关于芝加哥、密尔沃基等城市餐厅和酒店的 600 词 SEO 文章。据他自述，他当时并不了解那些城市，也去不起所写的餐厅与酒店，只能在网上阅读已有的公开发布内容，调换同义词、调整副词与句式，拼凑成一篇“新文章”。

在今天，这种基于已有公开信息的常规洗稿与句式替换，机器几秒钟内就能完成。如果写作者依然把全部精力放在手工敲出人尽皆知的通用常识上，并仅仅因为自己付出了体力和打字时间就认为这是独特的创作，实际上是在效率最低的环节消耗精力。

3. 通用内容何时有价值？何时该交给机器？

这并不意味着通用常识一文不值。在 Cole 的框架中，写作者需要理性看待通用内容的生命周期：

• 初学与探索阶段：新手读者需要基础常识来建立认知框架；写作者亲手撰写和梳理常识，能够帮助自己澄清思考、检验逻辑，并主动选择自己认同的专业立场；同时，探索并沉淀自己认可的多样化表达方式，也能为后续的素材复用积累真实的文风样本。
• 定位与传播阶段：在公开写作中适度重复某些通用观点，有助于帮助读者明确你的专业领域与关注方向。
• 交给机器的临界点：当你已经在自己的领域反复表达过这些基本概念，亲手写出新的变体既不再澄清思考，也不再为素材库补充有用的表达样本时，这项工作就进入了收益递减阶段。此时，将梳理结构、填充背景常识和重组段落的工作交由机器完成，人类作者才能腾出时间去思考更深入的问题。

二、赋予文字辨识度：个人特质素材

既然通用常识可以被轻易重组，让一篇文章具备独特辨识度和真实感的核心要素究竟是什么？