5 Rules for Better AI Writing

如果你用AI写一篇评论文章，那是不是会贬低你的思想价值？

信不信由你，这可能是过去几天AI社区里讨论得最多的问题。

当金融界最有影响力的人物之一在《华尔街日报》上发表了一篇评论文章，批评财政部长和当前货币政策，他大概没想到大家讨论的重点会是他怎么写的那篇文章。

但事实就是这样，因为那篇文章明显是AI写的。

大家的反应就像这是什么大丑闻一样。

结果那位著名的金融家和《华尔街日报》的评论版主编都说，对，他确实用了AI。

所以，如果现在我们生活在一个AI写作完全正常的时代，我们怎样才能让它真正变得好？

所以如果我们现在生活在一个AI写作完全正常的时代，怎么才能让它真正写得好呢？

信不信由你，过去几天AI领域最大的讨论之一就是关于AI写作，具体来说，是它的合法性、披露问题，以及这些事可能正在发生怎样的变化。

具体的背景是投资人Stanley Druckenmiller在《华尔街日报》上发表的一篇评论文章。

这篇题为《让债券市场说话》的评论文章相当直白地批评了财政部长Scott Bessent。

不过，我不会深入讨论Druckenmiller的具体论点，因为那是另一个节目的话题。

但值得注意的有两点：第一，Druckenmiller在金融界有着传奇地位，成就之一是管理着一家对冲基金，从1981年到2010年没有一年亏损，这在之前和之后都是前所未有的。

第二，这篇文章关注的不是次要或三级话题，而是直接切入了当前宏观经济政策的核心。

换句话说，这篇评论文章从内容角度看，至少是重要的。

然而，很快大家讨论的就不是内容了。

而是这篇文章充斥着当前所有常见的、令人反感的AI写作特征。

比如，满篇都是“不是这个，而是那个”的句式。

“如果30年期国债必须以5.5%的收益率才能出清，那不是危机，而是一张账单。”

“这不是流动性管理。”

“而是价格管理，是一个比40亿美元还要大得多的错误。”

像Pangram这样的AI检测工具迅速判定这篇文章是AI生成的概率为100%，有些人对此很不高兴。

JB在X上写道：“我不明白大家是怎么看出这是AI写的。”

我的意思是，除了用Pangram检测之外，Druckenmiller为什么要署自己的名字在AI垃圾上？

他对此无所谓，尽管这些据说不是他自己的话。

Neil Seibart写道：“为什么《华尔街日报》没有披露Druckenmiller用AI写了这篇文章？这样的披露应该是强制性的。”

这样的披露应该是强制性的。

备受关注的市场评论员Jesse Livermore写道：“把AI垃圾当作自己的作品呈现，就是抄袭，句号。”

你在为不是你写的词句邀功。

那么，Druckenmiller被揭穿后，是不是就羞愧地承认确实用了AI，道了歉，说下次会做得更好？

不对。

他的反应反而是：“兄弟，我当然用了AI。”

除了那句‘我当然用了AI’，Druckenmiller还补充说，‘这就是为什么我从英语专业转到了经济学专业’，他一点也不觉得难为情。

我一点都不觉得不好意思。

我现在写什么都用AI，就像我做数学题时会用计算器一样。

华尔街观点编辑Paul Jaigo支持Druckenmiller，他说AI是现代生活的一部分。

人们会用AI来辅助工作和写作，包括做研究、检查语法、编辑等等。

对我们来说，问题在于我们发表的投稿是否反映了作者自己的原创观点。

以及作者是否有立场和可信度去提出这个观点。

就Stan Druckenmiller来说，我们和他合作多年，没人会怀疑他的专栏文章代表了他的真实想法。

所以很明显，这家报纸的观点是，最重要的是观点的真诚，而不是表达观点的语言有没有独特的人类味道。

接着话题很快转开了。虽然有些批评的声音挺大，但也有很多人指出，这和过去大人物写专栏的做法其实没什么两样。

Bloomberg的Joe Weisenthal写道：“在AI出现之前，有很多名人署名的专栏文章其实完全是下属写的，我不觉得当时有多少争议。”

记者Sharon Goldman证实了这一点，她说：“从2015年到2020年，我给高管们写了几十篇专栏，发表在科技或行业刊物上。”

这是很常见的做法，我从来没收到过署名也不想要署名。

对于一个需要接很多不同活儿来赚钱的自由撰稿人来说，这算是个不错的工作。

我通常和高管们聊一次，再拿些笔记。

其他人也注意到了Druckenmiller的观点，即这本质上只是个工具。

谈到Druckenmiller说自己当然用了AI，投资人Scott Phillips写道：“好事！”

你能想象用打字机或电脑也要道歉吗？

或者用互联网做研究而不是翻百科全书？

AI会一直存在下去。

我们应该问为什么有人不用它，而不是批评他们用了它。

当All-In的Jason Calacanis写道：“如果你用AI写公开文章，应该在开头第一句就说明。”

“这篇是AI帮我写的。”

“公众人物发表AI写的文章，不在第一句清楚说明，这是不可原谅的。”

“这会破坏发表观点文章的全部前提，因为我们分不清哪些是你的想法，哪些是那个魔法黑匣子的想法。”

但他的联合主持人Chamath Palihapitiya反驳了。

“这是一种愚蠢的新型道德宣誓。”

“你在X上大发议论时，会每提到一篇文章都声明出处吗？”

没有！

AI也是这么运作的。

他不如在每个文字前都附上一句免责声明说内容来自整个互联网。

如果他署了自己的名字，那就是他的观点。

另外，Chamath也发帖说：如果Stan Druckenmiller都不觉得当个肉代理（手动抄写员）丢人，那你也不该觉得丢人。

这就像打火机发明了之后，还有人炫耀自己辛苦钻木取火一样。

真蠢。

更直白地说，投资人Andrew Steinwald写道：那些因为别人用AI写作而生气的人，真的很像老古董。

大概两年后，根本没人会在乎你用不用AI。

Aria Denise指出了价值的转变：谁管Druckenmiller是不是用AI帮他理清思路？

AI就是个工具。

如果它能帮助一个投资者，把他几十年的经验、判断力和模式识别能力更清晰地表达出来，那是件好事。

价值在于思考本身。

习惯就好。

但对其他人来说，这场讨论要微妙得多。

Spectra Markets的Brent Donnelly写道：关于AI写作的争论，归根结底就是一个问题：写作是艺术，还是像代码一样的功能性沟通工具？

这就像问汽车是用来从A到B的，还是用来追求刺激和快乐时光的。

这只是个人感受。

对我来说，即使是纪实写作也是艺术，车是用来玩的。

但很多人不这么认为。

没有标准答案。

这里确实值得认真讨论，Druckenmiller是个聪明人。

我毫不怀疑，那篇由AI写的评论文章反映了他真实的想法。

但太多人把AI当作替代严肃思考的工具。

看看这个网站上铺天盖地的回复党，用AI生成的垃圾内容刷屏就知道了。

那种用法只配被嘲笑。

关于问题的一部分并非AI写作本身，而是用AI写专栏观点，Dirty Texas Hedge深入写道：Druck和Jaigo说的在描述层面上100%正确。

问题不在于他们错了。

问题在于，这种行为表现出对专栏文章这种形式及其受众的蔑视。

另一些人开始思考是否存在差异：也许AI写作在某些方面好用，在其他方面就不行。

CNBC的Deirdre Bosa写过，我经常想到这个，但记不清是谁说的了。

AI在中段表现很好。

开头需要人类。

想法是什么？你到底想表达或构建什么？

中段，让AI去研究、整理、起草、重写、精简、挑毛病。

结尾也需要人类。

这写得好吗？

是真的吗？

我信吗？

我觉得Druckenmiller在结尾部分做得不够好。

为了完整起见，她引用的那个想法来自Balaji Srinivasan，他在2025年6月发帖说，AI不做端到端，它做的是中段到中段。

新的瓶颈是提示和验证。

所以，带着这些思考，作为一个对此想了很多的人，我想整理出一个关于我如何看待AI写作的简易指南。

为了播客标题好听，就叫它“AI写作的5条规则”。

除了这些准则，我还想分享我在几个不同具体场景下对写作的看法。

所有这些的基础是，我倾向于同意AI写作已成为生活现实。

如果需要证据，去看看OpenAI最近发布的企业数据，关于用户如何使用ChatGPT。

在几乎所有部门中，最主要的使用场景都是写作。

这不仅限于通信部门，还包括招聘、市场、客户支持、法务、销售、政策，你能想到的都有。

AI写作已经来了，而且会一直存在。

但这并不意味着所有AI写作都一样。

事实上，对我来说第一条规则是，不同类型的写作意味着不同类型的规则。

电子邮件不同于战略备忘录。

战略备忘录不同于LinkedIn帖子。

LinkedIn帖子不同于评论文章。

这些不同类型的写作追求的目标不同，因此我们与AI在这些写作上的互动方式也会不同。

我对AI写作的下一个准则是：我也同意这种“纯度测试”的阶段会像渡渡鸟一样消失。

我认为那些说这个讨论几年后会显得过时的人，坦率地说很可能是对的。

但如果纯度测试会消失，我觉得质量测试不会。

事实上，我认为如果有什么变化的话，写作输入变得更容易反而会进一步增加写作输出的负担。

我不认为，仅仅因为人们开始接受别人用 AI 写作，就意味着他们会因此容忍糟糕的写作。

具体来说，这就是第三条准则：对大多数人而言，质量与努力或感知到的努力成正比，而有没有努力，往往一眼就能看出来。

我觉得，很多人对 Druckenmiller 那篇专栏文章的反感，主要是因为那些 AI 套话太扎眼，也太容易修改了，给人的感觉就是他连花几秒钟改几个句式的工夫都不愿意。

如果他连这点时间都不愿花，那我们真的觉得他对自己想表达的观点投入了多少思考呢？

在这种情况下，我认为这是一个例子，人们感知到写作本身缺乏努力，进而更广泛地认为，其背后的论点构建也缺乏努力。

说一个残酷的事实。

你的公司可能每年在 AI 工具上花了几千甚至几百万美元，但这些工具的使用率极低。

一半的公司都有 AI 工具，但只有 12% 用它们创造了业务价值。

第四条准则，我觉得企业听众会特别有共鸣。

对于 AI 写作来说，长并不等于好，事实上，通常恰恰相反。

我们现在会有‘workslop’（粗制滥造）这种词，就是因为过去几年用的很多 AI 模型，更擅长长篇大论，而不是简洁地说出重点。

有趣的是，虽然 AI 写作大大加剧了这个问题，但伟大的作者们早就明白这个道理。

17 世纪的 Blaise Pascal 有句名言，后来被很多作者引用和改编过，他在一封信里写道：‘这封信我写得比平时长，是因为我没时间把它写短。’

第一波 AI 写作的特点，就是没完没了的长文档，读起来眼睛都要流血。

但下一代不会是这样。

最后，第五条准则：正如很多人指出的那样，在很多情况下，写作就是思考。

决定你的论点是什么、支持论据有哪些、如何构建叙事，甚至考虑某个词句的表达效果——这些都是思考的过程。

这些练习的主要目的，最终不是落在纸上的文字本身，而是文字背后论证的实质内容。

这并不意味着，用 AI 写作就等于外包你的思考——但它是一个始终存在的风险，在使用 AI 写作时你必须时刻警惕，因为你很容易就会掉进去。

我说这话绝对没有任何评判的意思。

我自己感受到这种矛盾的一个例子，就是当我为像这期节目这样的新概念构思的时候。

我本可以很轻松地告诉 Claude 或 ChatGPT：我想做一期叫《AI 写作五规则》的节目，我知道其中几条规则，比如‘写作就是思考’，但你来接过这个想法，帮我把内容框架搭好，我直接在节目里照着讲就行了。

那样做会比我现在做的快得多——我现在是坐在 Notion 里，把每一条规则都自己认真想清楚，甚至还在纠结要不要写成六条，或者要不要把第一条‘基础’单独列出来。

但在这种情况下，手动处理更合适。

这就引出了针对不同写作类型，我们该如何权衡的参考指南。

记住，第一条准则就是：不同的写作类型，要遵循不同的规则。

这意味着，大多数情况下，‘AI 能不能写，或者该不该写’这个问题本身，可能就问错了。

我们来聊几个不同的例子。

先从最明显的开始，比如邮件。

用 AI 写邮件，显然是安全的。

因为对绝大多数邮件来说，从来没有人会通过文笔好坏来评判它们。

而且，虽然写邮件确实有外包思考的风险，但邮件通常只涉及很小、很简洁的思想单元，所以我们那种天然倾向于智力外包的倾向，在这类任务中不太会凸显出来。

不过，我觉得总的来说，我们正在走向一个用AI写邮件在很多情况下都显得大材小用的世界。

当然，也有些时候用AI是合理的。

比如，我们有一个针对赞助请求的标准回复邮件。

但对于互动性的邮件，也就是那种你平时可能会用Slack或聊天应用来处理的事情，我觉得其他能加速流程的方法，比如用WhisperFlow这样的工具来口述，会比用AI更有效。

接下来，我们聊聊会议纪要总结，这也是AI写作中非常常见的一个用途。

这同样对AI来说非常安全，因为从很多方面看，这甚至不算是真正的写作。

它本质上是压缩。

就是把一大堆话提炼成简洁的内容。

不过，就算是在会议纪要这件事上，AI也有翻车的时候。

那就是AI过于详尽的问题。

如果一个AI全程参与了一个60分钟的会议，拿到了所有人的完整发言记录，它可能很擅长总结每个人说了什么，但在指出哪些是最重要的内容上，它可能不如你。

所以我觉得，即使你可以把大部分会议纪要总结这类事情外包给AI，也还是值得在它产出的基础上，补充说明那一两个真正关键的点。

那内部战略备忘录呢？

我认为，这可能是AI暗藏风险的一个领域，尽管你当然可以用AI来辅助。

一方面，这看起来好像很适合AI，因为它又是那种文笔好坏不太重要的任务。

但另一方面，这也是一个很好的例子，说明了第五条准则——写作即思考——的重要性。

如果让AI来写内部战略备忘录，除非你非常精确地说明了要传达的策略以及哪些内容不该包含，否则AI很容易跑偏，自行添加内容，或者仅仅基于训练数据给出一些泛泛的建议，而不是针对你组织的具体背景提供有深度的思考，从而给出糟糕的见解。

这意味着，内部战略类的写作，我认为正是Deirdre所说的那个中间地带的一个典型例子。

在个人层面上，你需要彻底地把战略想透。

而且，你甚至可能需要在两个完全不同的层面上思考与AI的互动。

第一个层面是，用AI来辅助思考——比如列要点、写大纲、反复迭代——而最终的写作则作为一个完全独立的过程。

我认为，如果大纲足够严密，包含了所有思考的成果，那么让AI来写具体的文字通常完全没问题。

那社交媒体文案这个非常常见的用途呢？

这个情况比较有趣，好坏参半。

一方面，我觉得AI在写很多社交媒体文案上做得还不错。

尤其是如果你把它调教得远离那些最惹人厌的AI腔调，比如“不是这个，而是那个”、自我表扬之类的，这些东西太扎眼，会让人分心，忽略你想表达的内容。

总体而言，我认为内容越短，AI表现越好。

换句话说，AI写X上那种传统的单行帖子，可能比写一篇完整的LinkedIn文章要容易得多，因为后者有更大的空间让它的AI腔调显露出来。

在社交媒体上，AI写作的一个更大的问题是，即便它曾经奏效过，现在社交媒体也不再仅仅是奖励那些短小精悍的文字了。

事实上，社交媒体要求的是互动参与。

它希望发帖的人不只是自动发布内容来填饱那个无底洞，还希望这些发帖人去评论别人的帖子，主动参与互动，提供那些宝贵的、人性化的信号——因为你花在平台上的时间越多，平台就越能卖广告。

我觉得，要在社交媒体上把AI写作做得更好，有两个方面。

第一，你愿意前期投入的时间越多来调整语气，你的结果就会越好，哪怕是在AI写的部分也一样。

第二点很简单，就是要认识到，AI写作无论怎么调整，在社交媒体上能帮你的程度是有限的。

这一点我感受特别深，因为我现在已经建了一个完整的流程，从每一集节目拆解后发布到aidailybrief.ai网站上，再到生成一组帖子发到Twitter和LinkedIn。

这确实很有价值。

它增加了分享量。

它帮我做了很多我想让它在社交媒体上做的事，尤其是因为我之前根本一点社交媒体都不碰，但几周之内，它显然就撞上了能为AI Daily Brief在社交媒体上做到的极限。

所以，从某种意义上说，AI写作给我们的教训就是，要抱有现实的期望。

在结束之前，还有两点要讲。

首先是营销文案，然后我们会以专栏文章收尾，因为我们就是从那里开始聊起的。

我觉得AI在营销文案上的表现糟糕得让人恼火。

我说糟糕得让人恼火，是因为这是我最希望它表现好的领域之一。

哪怕我是一个会为描述自己项目的网站措辞而纠结的人，我还是希望它足够好，能让我不用再那么纠结。

然而，营销恰恰是我发现AI腔最严重的地方。

也许是因为营销需要的是独特性和差异化，而不是千篇一律和共性。

所以那些常见的AI腔代价比其他语境下更高。

我还发现，AI在处理营销文案时，即使你与它交互，也会有一些特别糟糕的表现。

最常见的一种情况是，我给模型一个修正，比如“别对读者做太多假设”，它往往会把那个修正本身变成文案的一部分。

所以我会看到下一个版本里，某个标题写着“我们对读者不做任何假设”。

这简直让我抓狂，而且总是发生。

所以，说到如何让AI写作在营销文案上做得更好，我心里的答案很不幸是，我真的还没找到办法。

但硬要我深究的话，我会尝试大量提供过去符合品牌调性的写作范例，以及尽可能多地提供我个人对品牌喜欢和不喜欢的例子，给AI去调整，至少让它稍微好一点。

不过，对我现在而言，AI在营销文案上的更好用法是，比方说我想找一个很满意的标语，让AI想出20个点子，这对我自己来说是个很好的启发方式。

最后，来说说专栏文章和有说服力的议论文。

还记得Texas Hedge是怎么评价那篇Druckenmiller文章的吗？

他说，问题在于那篇文章表现出对专栏文章这种形式本身以及其读者的轻蔑。

我觉得，这正好点出了关于付出努力的道理。

一篇评论文章的全部意义就在于说服别人认同某个观点。

当读者几乎一眼就能看出这文章没怎么用心时，他们本能地就会关掉。

如果你都不肯花时间把论点讲得有说服力，我凭什么要在乎你的观点？

就像我说的，我觉得其实没人在乎Druckenmiller那篇评论文章的文笔好坏。

问题在于，他们觉得那篇文章显得很敷衍，这削弱了论证本身的说服力。

而这恰恰是“思考即写作”最直观的例子。

你只需要先把思考做在前面。

当你试图说服别人时，在把东西交给AI之前，你必须先把论点和论据彻底想清楚。

这就像小学里学的五段式作文，老套但管用。

你得老老实实照做。

为了把这个“努力三明治”做完，在你把内容交给AI之后，再通读一遍，确保里面没有那些特别明显的AI味儿。

总而言之，AI写作不会消失。

而且我觉得它会开启很多新机会。

那些以前不用写作来沟通的人，会开始尝试。

但它不会改变的是，工作中的偷懒会直接体现在成果上。

想做好一件事终究没有捷径，哪怕我们可以善用新工具，做得又快又好。

好了，今天的人工智能每日简报就到这里。

一如既往，感谢你的收听或收看。

下次见，祝好。