为AI写作辩护
反方观点
写作并非唯一的思考方式
科技咨询公司负责人 Mike Taylor 在 Every 上发表的最受欢迎的文章之一,实际上是由AI代笔的。他在个人博客上的大多数文章也同样如此——他会修改段落并进行结构性编辑,但大部分文本并非由他本人生成。
这种坦白往往会引发网络上的激烈反应。人们确实非常讨厌AI写作。最常见的反对理由很简单:写作即思考。如果你把起草过程外包给大语言模型,就等于把形成原创想法所必需的推理和判断也外包了。结果当然只能是垃圾。别浪费大家的时间了。
但事情并非总是这么简单:有值得说的内容并不等于你能写出好文章,就像文笔好并不一定意味着你有值得说的东西。
Mike是第一个承认自己更像实践者而非写作者的人。他活跃在真实世界中,教高管们如何在组织中运用AI来推进工作。他还会在模型正式发布前进行测试,目前正在构建一个评估集,用于自动化Every CEO Dan Shipper 的判断。
Mike绝不会让AI去写一个他自己没有亲自做过的A/B测试。“但如果我自己跑了测试,我认为我完全有理由对AI说,‘我跑了一个测试,这是我做的方式和过程,’”他说。他会口述从设置到结果的一切,然后让AI将其格式化为一篇帖子。
这个过程把整整一天的写作时间压缩到两小时,并且能让他学到的东西更快地传达给更多人。这才是目标——而不是优美的文字。(顺便说一句,Mike同样讨厌那些明显作者根本没有审阅AI输出内容的帖子;他那两个小时的时间包括了阅读和修改。)
作为读者,他优先考虑功能性而非风格。“如果你加上这种严格限制——‘你必须是个好作家才能把你的想法传播出去’——你会错过世界上几乎所有有趣的事情,”他说。

Cora总经理Kieran Klaassen支持Mike的做法。(截图由Laura Entis提供。)
信号
解读水印风波
发生了什么。 本月早些时候,Anthropic表示将为未来版本的Claude生成的文本添加水印,以符合欧盟法规。该公司最初的帖子对这项技术的运作方式语焉不详。混乱随即在X平台上蔓延开来。大量反对声源于一种担忧:水印会扭曲token选择——如果系统推动Claude偏离最自然的词语选择,比如在描述天气时倾向于用“阴天”而非“灰色”,可能会让文章质量下降。
Anthropic后来澄清将采用Google的SynthID Text的某个版本。该技术使用密钥和前文内容来决定Claude如何在多个合理候选token中进行选择。系统设计确保不会影响单个词语被选中的频率:如果在某个句子中,Claude分配给“阴天”、“灰色”和“多云”的概率分别是70%、20%和10%,SynthID的设计目标是在平均意义上保持这些概率——尽管它可能会改变特定回答中实际选中的词语。
Google自2024年起就使用SynthID为Gemini的输出添加水印。研究表明,虽然对单次输出质量没有显著影响,但对同一提示词的多次回答可能会变得不那么多样化。
理解这项技术的最佳方式是看它的实际运作。因此我们制作了一个简短的解释视频,说明AI文本水印的工作原理。
我们关于AI文本水印工作原理的简短说明。(截图由Jack Cheng提供。)
为什么重要。 Anthropic关于其水印技术的后续帖子宣称,Claude选择用“阴天”还是“灰色”描述天气,对读者来说“并不重要”——这番话并没有平息愤怒。(现在作家们可能更加愤怒了——Daring Fireball的John Gruber 称Anthropic的做法是对“写作的亵渎”。)
另一个问题是,当存在诸多缓解因素和边缘案例时,水印究竟能证明什么。Anthropic承认,AI检测在样本量小以及包含精确语言的陈述性段落上效果不佳。大量编辑可能会削弱或移除水印信号,而且水印无法识别其他模型生成的AI文本。
这意味着什么。 Mike最初担心当前的水印会让Claude的写作质量下降,但在他研究了SynthID Text的运作方式后,这种担忧消散了。
他仍然担心水印会被当作污名化AI辅助工作的工具,尽管它无法显示Claude的使用方式——或者结果中包含了多少人类判断。与此同时,提供详细提示词、编辑AI生成文本或将输出经过另一个模型处理的用户,可以规避检测。(开发者们已经预见到Anthropic的推出,构建了去水印工具。)
他还担心各家实验室不会止步于微妙的水印——更强大的方法存在,而且会显著改变词语选择。“一旦你接受了AI输出加水印的概念,下一步的诉求就会变成:‘现在让我们把它做得更强,让它真正奏效,’”他说。
窃取这个工作流
用Codex批量处理Google Docs编辑
资深编辑 Jack Cheng 喜欢在修改之前把草稿读两遍。“如果我在寻找文章不均匀或讲不通的地方,我想保持那种阅读状态,而不是切换到改写模式,”他说。然而,在这两次阅读过程中,他会在脑海中记录问题区域。
最近,他开始使用Codex作为联合编辑来帮助识别问题,同时不打断这个过程。
以下是这个工作流。
第一步:在启用ChatGPT扩展的浏览器中打开Google Docs草稿。 然后打开侧边栏聊天窗口,这让GPT能够访问打开文档中的文本和评论。
第二步:发现问题时先不停下来处理。 一边阅读一边添加评论,暂不考虑解决方案。例如:“这听起来像AI写的。我不知道该怎么解决,”或者“有没有更简洁的表达方式?”如果想做标记但不想惊动草稿作者,可以高亮段落而不是添加评论——选中的内容会出现在聊天输入框中,然后在侧边栏描述问题。
第三步:指示Codex批量处理所有评论。 一旦你通读完整篇文章,告诉Codex:“查看所有我标记你的评论并逐一回复。”审阅它提出的修改建议,采纳那些解决问题的方案,并优化那些不够理想的修改。

Jack在Dia浏览器中使用ChatGPT扩展指示Codex处理标记的评论。(截图由Jack提供。)
本周试试: 打开一份草稿,标记至少三个让你觉得不均匀、讲不通、听起来像AI写的或可以更简洁的句子或段落。然后让Codex一次性回复你所有的评论。
最后一件小事
值得点击的链接
Stripe以75亿美元收购了OpenRouter。Z世代对AI的抵制持续升温。Google最新款手机搭载了大量AI功能。你的数据可能并不像你想的那么值钱。模型发布成了新的Taylor Swift专辑。AI能否取代Every的主编?Gwyneth Paltrow 正在汉普顿为Sam Altman 主持一场“户外晚宴”。OpenAI推出“ChatGPT青少年版”。
核心启示:AI辅助写作的真正价值不在于替代思考,而在于让那些有真知灼见但文笔不佳的实践者,能够以更低的门槛将经验分享给更多人——前提是作者本人确实做了该做的事,并愿意花时间审阅修改AI的输出。水印争论的焦点则在于:技术上的微妙手段是否足以在不损害文本质量的前提下实现监管目标,以及它是否会被滥用于污名化合法的AI辅助创作。
为 AI 写作辩护:一场关于"想法"与"表达"的古老之争
材料核心
作者 Laura Entis 以技术顾问 Mike Taylor 为例,反驳"写作即思考"的流行论调,认为当目标是把实践经验传递给更多人时,用 AI 辅助从口述到成文的过程是合理的。同时,文章追踪了 Anthropic 文本水印引发的争议,并分享了用 Codex 批量编辑 Google Docs 的具体工作流。
发芽 01:写作不等于思考,行动也是思考
种子
"写作即思考"这句话本身没有错,但它隐含了一个精英主义的前提:只有通过精雕细琢的文字,思想才算完成。 Mike Taylor 的经历挑战的正是这个前提——他的思考发生在测试 AI 模型、给高管做培训、运行 A/B 测试的过程中,那些瞬间的判断和决策才是他的"原文",博客只是这些思考的"导出格式"。
这个视角在历史上并不新鲜。苏格拉底就从不写作,他只在雅典的市集上与人对话、诘问、辩论。我们今天知道他的思想,全靠柏拉图记录下来。如果按照"写作即思考"的严格标准,苏格拉底的哲学思考算不算数?当然算。他的"写作"就是对话本身,柏拉图的记录只是媒介。Mike Taylor 做的事情本质上和苏格拉底一样——他的思考发生在行动和对话中,AI 扮演的是柏拉图的角色:把口头表达整理成书面形式。
从这个角度看,"外包写作"不等于"外包思考"。思考发生在哪里,取决于这个人如何与问题互动。对一个每天都在真实场景中做判断、解决问题的人来说,AI 写作只是把深思熟虑的经验从工作现场搬到文字页面的最短路径。
Aha 瞬间
"当思考已经发生在行动中时,写作只是它的快递服务,而不是它的生产线。"
发芽 02:水印争议的本质是"谁有权定义什么是好文字"
种子
Anthropic 的水印争议,表面上是一场技术讨论——水印会不会影响 token 选择的自然度?但深挖下去,它暴露的是一个更根本的问题:当 AI 生成文字被强制标记时,我们到底在标记什么?
John Gruber 称水印是"对写作的亵渎",这个反应很能说明问题。如果水印只是在统计意义上保持词频不变、对读者体验几乎无感,那为什么作家们会如此愤怒?因为水印的存在本身就是一个声明:这段文字是"AI 写的",它不完全是"你的"。这触及了写作最神圣的领地——作者身份。
有一个历史类比:摄影术刚发明时,画家们也曾陷入类似的恐慌。1839 年,保罗·德拉罗什在看到第一张银版照片时据说喊道:"从今天起,绘画死了!"但后来发生的事情是:摄影并没有杀死绘画,反而把绘画从"记录现实"的职责中解放出来,催生了印象派、表现主义和整个现代艺术。真正优秀的画家——比如毕加索——完全接纳了摄影的存在,然后画出了相机永远拍不出来的东西。
水印争议和当年的绘画危机一样,都是在技术冲击下重新定义"什么是真正的创作"。Anthropic 的水印也许最终会被绕过、会被削弱、会被证明无效——但在这个过程中,我们被迫回答一个无法回避的问题:如果 AI 写出了你本来也会写的话,那句话到底算谁的?这个问题没有技术答案,只有文化答案。
Aha 瞬间
"水印真正标记的不是 AI 生成的文字,而是人类对'作者身份'这个概念的焦虑。"
发芽 03:AI 编辑工作流揭示的协作新范式
种子
Jack Cheng 用 Codex 批量处理编辑意见的工作流,表面上是一个效率技巧,实际上暗含了一个新范式:人类负责发现问题,AI 负责批量解决。 这个分工之所以有效,是因为它尊重了人类注意力的有限性——Cheng 不需要在"发现问题"和"解决问题"两种认知模式之间来回切换,这两种模式需要不同的心智状态,切换本身就有认知成本。
这个工作流让人联想到 20 世纪初福特流水线的核心洞察:与其让一个工人完成所有工序,不如把每个工序拆开,让每个人专注做一件事。福特发现,当工人只需要专注一个动作时,效率会大幅提升,因为不需要频繁切换上下文。Jack Cheng 的编辑流程本质上是在做同样的事情:把"发现问题"和"修改文字"两个认知动作拆分开来。
但这里有一个关键差异:福特流水线把工人变成了机器的一环,而 AI 编辑工作流把 AI 变成了人类认知的延伸。Cheng 仍然掌握最终的判断权——哪些修改采纳、哪些放弃、哪些需要进一步调整,这些决策都在他的大脑中完成。AI 扮演的角色更接近一个高效的执行助理,而不是一个自主的创作者。
这个模式的可扩展性是惊人的。如果"发现 + 解决"的分离在编辑中有效,那么它是否也适用于编程调试、数据分析、产品设计?每一步都可能形成类似的分工:人类指问题,AI 批量处理。这不是人机竞争,也不是人机合作——而是人机分工,根据各自的能力特点分配认知任务。
Aha 瞬间
"AI 时代的真正工作流不是人机对话,而是认知分工:人负责指出'这里不对',AI 负责让'它变得对'。"
你的思考空间
如果把"写作即思考"严格化,那么口语表达、行动决策、对话讨论这些"非写作"的思考形式,是否都被系统性地低估了?这对教育和工作评价体系意味着什么?
水印技术如果真的被强化到"有效检测"的程度,会产生什么后果?作品会被分为"纯人类"和"AI 辅助"两档吗?这种分类本身是否会导致新的等级制?
当 AI 编辑能够以低成本批量修改文字时,人类的"编辑品味"是否会成为一种更稀缺、更有价值的技能?就像摄影普及后,艺术家的"眼光"变得比技术更重要一样。
Mike Taylor 说"如果你设定'必须成为好作家才能表达观点'的严格门槛,你会错过世界上几乎所有有趣的事情"——这句话在多大程度上成立?我们是否真的因为追求文字质量而错过了太多有价值的想法?
如果未来每个人都能用 AI 写出表达清晰的文字,"写得清楚"的价值会下降,"想得清楚"的价值会上升吗?还是说,两者会同时贬值,而"做得清楚"成为唯一的硬通货?