如何用LLM写作：把它当校对，而非代笔

在AI写作工具泛滥的当下，一个看似矛盾的观点正在部分资深写作者中流行：用大语言模型（LLM）来辅助写作，却坚决不让它替你写一个字。安全研究者与知名博主 Thomas Ptacek 最近撰文分享了自己的写作方法论，而独立开发者 Simon Willison 也表达了类似的实践经验。两人的核心共识值得每一位内容创作者认真思考。

核心原则：一个词都不能用LLM的

Thomas Ptacek 给出的第一条规则极为严格：

规则第一条：你不能使用 LLM 建议给你的任何一个词。

他将这条规则形容为一种「智识上的个人防护装备」（intellectual personal protective equipment）。也就是说，凡是 LLM 提出的具体措辞、特定的表达方式，都应被划为禁区，而且要严格执行。

这个原则的价值不在于对 AI 的敌视，而在于保护写作者的独立表达。当你开始采纳模型给出的漂亮句子时，文字就会逐渐失去个人风格，滑向那种千篇一律的「AI 腔调」。Ptacek 认为，与其在事后费力清除这种味道，不如从源头上就杜绝它。

LLM 的正确用途：校对而非代笔

真正的关键区别在于：把 LLM 当作校对员（copyeditor），而不是写作助手（writing assistant）。这两者的差别决定了最终文字属于谁。

Simon Willison 分享了他自己的实践边界，很好地划清了这条线：

• 绝不让 LLM 为博客撰写内容
• 可以用于事实核查（fact-checking）
• 可以用于拼写和语法检查
• 可以偶尔当作同义词词典（thesaurus）来查阅

他甚至公开了自己使用的校对提示词（proofreading prompt）。这种用法的共同点在于：LLM 只负责发现问题、指出错误、提供信息，而具体如何修改、用什么词表达，最终决定权始终握在写作者手中。

换句话说，模型可以告诉你「这句话有语法错误」或「这个事实可能不准确」，但不能告诉你「应该这么写」。前者是工具，后者是代笔。

「校对员」与「写作助手」的区分，在人机协作语境下有更深的技术含义。大语言模型在生成文本时，本质上是在对训练语料的概率分布进行采样——它输出的是「统计上最可能出现的下一个词」，而不是「最能表达你想法的词」。这意味着模型天然倾向于生成大量文本中出现频率最高的表达方式，也就是那些读起来最「正确」却最缺乏个性的句子。当你把它用作校对工具时，它在做的是识别偏差（grammar error、factual inconsistency），这类任务的正确答案相对客观；而当你让它写作时，它填补的是你本应做出的创作决策，而这些决策恰恰构成了文字的个人风格。两种用法调用的是模型相同的底层能力，但对写作者自主权的侵蚀程度却截然不同。

为什么这条规则「感觉对」

Simon Willison 对 Ptacek 的规则给出了一个直觉性但颇具说服力的解释：LLM 生成的文本「有一种奇怪的味道」（that weird smell）。

这种「AI 味」几乎每个经常阅读网络内容的人都能隐约察觉——过度工整的排比、模式化的过渡句、缺乏真实个人经验支撑的泛泛而谈。一旦这些措辞混入你的文章，读者的信任感会悄然流失。

更重要的是，「一个词都不用」这条规则本身就是一种纪律工具。它不需要你在每次修改时判断「这个 AI 建议算不算过度依赖」，而是直接给出一个清晰的、不可逾越的边界。清晰的规则比模糊的自律更容易长期坚持，这也是它「感觉对」的深层原因。

「AI 腔调」之所以可被识别，有其语言学层面的原因。研究者观察到，LLM 生成的文本往往呈现出若干高频模式：过度使用「值得注意的是」「不可否认」「综上所述」等连接短语，句子长度趋于均匀，以及倾向于在段落末尾做出总结性收束。这些特征来自模型对大量人类写作（尤其是正式文体）的统计归纳，形成了一种「平均化的正式感」。人类写作中恰恰相反——真实的个人风格往往体现在对常规表达的有意偏离：刻意截断的短句、口语化的插入语、只有亲历者才会使用的具体细节。这种偏离是模型难以模仿的，因为它在训练数据中出现频率较低，且高度依赖写作者的具体经历和个性。"一个词都不用"的规则，本质上是在强制保留这种偏离空间。

自己动手：打造个人校对工具

在文章后半部分，Ptacek 还展示了他自己搭建的个人 LLM 校对工具的截图，并附上了相关的 Twitter 讨论线程。他提供了一段可以直接使用的提示词，帮助读者动手搭建属于自己的校对助手。

这一点其实揭示了更实用的方向：与其依赖通用聊天界面里的模糊对话，不如为「校对」这个明确的任务定制专门的工具和提示词。当工具的目标被限定为「找错」而非「改写」时，它就自然而然地被约束在了辅助者的角色里，而不会僭越成写作者本身。

给内容创作者的启示

这套方法论对所有依靠文字工作的人都有借鉴意义。AI 时代真正稀缺的不是「能写出通顺句子」的能力——那已经被模型大幅降低了门槛——而是独特的观点、真实的经验和可信赖的声音。

把 LLM 定位为校对、事实核查和查词工具，既能享受技术带来的效率提升，又能守住内容的原创性与个人风格。这种「用而不依赖」的姿态，或许是当前对待生成式 AI 最成熟的一种态度。