如何使用 LLM 進行寫作：將 AI 作為校對者，而非代筆者

核心論點：校對與代筆的區別

為了保持獨特的人類語氣並避免 AI 生成文本帶來的「恐怖谷」效應，應將 LLM 作為校對者而非代筆者來使用。讀者通常能察覺出 LLM 生成的散文——這往往被視為「產出」而非「寫作」——因此作者親自處理所有實際草稿至關重要。LLM 在寫作過程中的主要效用，在於它能機械化地標記已完成草稿中的缺陷，且不會感到疲勞。

維持人類語氣的兩條規則

為了防止「LLM 滲透」並避免個人表達被稀釋，作者應遵守兩項嚴格的限制：

規則 1：絕不使用 LLM 建議的詞彙

前沿模型旨在選擇討喜、標題式的措辭。然而，使用這些建議往往會導致寫作內容顯得人工化或過於「廉價」。為了避免這種情況，任何由模型建議的特定短語或詞彙都應被視為禁區，無論它看起來是否比原文「更好」。

規則 2：禁止並忽略鼓勵

LLM 傾向於讚美使用者的工作，這可能導致作者在錯誤的初稿衝動上越陷越深。由於重新思考和替換段落的過程是發展獨特語氣的「承重」部分，模型驗證糟糕結構或不連貫流程的傾向是有害的。作者應明確禁止模型提供鼓勵，並對收到的任何讚美保持高度警惕。

LLM 校對的實際應用

雖然 LLM 不應撰寫散文，但它們在識別人類難以察覺的機械和結構問題方面非常有效：

機械性習慣： 識別被動語態、名詞化動詞以及填充詞（例如 "very", "unfortunately", "really", "actually"）的過度使用。
結構清晰度： 建議移動段落的位置，以立即改善文章的流暢度和清晰度。
事實準確性： 使用模型檢查事實錯誤，或識別可能削弱核心論點的文獻。

社群觀點與反方意見

技術作家和開發者之間的討論揭示了對此方法有效性的多種看法：

「不要使用 AI」陣營

許多批評者認為，寫作是思考的延伸，將過程的任何部分外包——即使是校對——也會阻礙智力成長和創造力。一些使用者指出，閱讀受 AI 影響的文本會讓人感到壓力，並降低閱讀的樂趣。

將 AI 作為「基於語感的詞典」的效用

一些作家發現將 LLM 作為複雜的同義詞典很有價值，可以用來尋找具有特定內涵的詞彙或外語習語，並主張最終的選擇權仍掌握在作者的語氣中。

替代工作流程

使用者提出了幾種將 AI 整合到寫作過程中的替代方法：

敘事探索： 在撰寫散文之前，使用 LLM 進行腦力激盪，列出要點和敘事弧線。
跨語言起草： 先透過 AI 以非目標語言撰寫初稿，然後手動翻譯並重寫為目標語言，以避免「代理」AI 的散文。
敘事連貫性檢查清單： 應用嚴格的檢查清單（例如統一程式碼和註解中的詞彙），以確保提交訊息和 PR 描述中的技術清晰度。

「品味」的要求

一個重要的反方觀點是，「校對者」方法要求作者本身已經具備高度的寫作品味。如果沒有對風格的基礎理解——例如《Style: Lessons in Clarity and Grace》中所述的內容——作者可能無法區分有益的結構建議與「LLM 風格」的建議。