如何利用 LLM 进行写作：将 AI 作为校对员而非代笔者

核心论点：校对与代笔的区别

为了保持独特的人类声音并避免 AI 生成文本带来的“恐怖谷”效应，LLM 应被用作校对员而非代笔者。读者通常能够察觉出 LLM 生成的散文——这些内容往往被视为“输出”而非“写作”——因此，作者必须亲自完成所有的实际起草工作。LLM 在写作过程中的主要作用在于其能够机械地标记已完成草稿中的缺陷，且不会感到疲劳。

保持人类声音的两条规则

为了防止“LLM 蔓延”和个人表达的稀释，作者应遵守两条严格的限制：

规则 1：永远不要使用 LLM 建议的词汇

前沿模型旨在选择悦耳的、类似标题的措辞。然而，使用这些建议往往会导致写作显得人工化或“廉价”。为了避免这种情况，模型建议的任何特定短语或词汇都应被视为禁区，无论它看起来是否比原文“更好”。

规则 2：禁止并忽略鼓励

LLM 倾向于赞美用户的工作，这可能导致作者在错误的初稿冲动上越陷越深。由于重新思考和替换段落的过程是发展独特声音的“承重”部分，模型对糟糕结构或不连贯流程的验证是有害的。作者应明确禁止模型提供鼓励，并对收到的任何赞美保持高度警惕。

LLM 校对的实际应用

虽然 LLM 不应撰写散文，但它们在识别人类难以发现的机械和结构性问题方面非常有效：

机械习惯： 识别被动语态、名词化动词和填充词（例如 "very," "unfortunately," "really," "actually"）的过度使用。
结构清晰度： 建议移动段落的位置，以立即改善文章的流畅度和清晰度。
事实准确性： 利用模型检查事实错误或识别可能削弱中心论点的文档。

社区观点与反方意见

技术作家和开发者之间的讨论揭示了对这种方法有效性的不同看法：

“拒绝使用 AI”阵营

许多批评者认为，写作是思考的延伸，外包过程的任何部分——即使是校对——都会阻碍智力成长和创造力。一些用户指出，阅读受 AI 影响的文本会让人感到压力，并降低阅读的乐趣。

将 AI 作为“基于语感的词典”的效用

一些作家发现利用 LLM 作为高级同义词词典来寻找具有特定内涵的词汇或外语习语很有价值，并认为最终的选择权仍然掌握在作者的声音中。

替代工作流程

用户提出了几种将 AI 整合到写作过程中的替代方法：

叙事探索： 在起草散文之前，利用 LLM 进行头脑风暴，构思要点和叙事弧线。
跨语言起草： 通过 AI 以非目标语言起草第一版，然后手动翻译并重写为目标语言，以避免“代理”AI 的散文。
叙事连贯性检查清单： 应用严格的检查清单（例如，统一代码和注释中的词汇）以确保提交信息和 PR 描述中的技术清晰度。

“品味”要求

一个重要的反方观点是，“校对员”方法要求作者已经具备高度的写作品味。如果没有对风格的基础理解——例如《Style: Lessons in Clarity and Grace》中所述的内容——作者可能无法区分有益的结构建议和“LLM 腔”建议。