最近有一條研究新聞在內(nèi)容創(chuàng)作者圈子里討論得不少標(biāo)題很直接AI-generated stories rated better quality than human-written ones, study finds。大意是 AI 寫(xiě)出來(lái)的故事在質(zhì)量評(píng)價(jià)里拿到了比人類(lèi)作者更高的分?jǐn)?shù)。我第一反應(yīng)不是“人類(lèi)寫(xiě)作要被替代了”而是這個(gè)評(píng)價(jià)到底在衡量什么。做內(nèi)容、做工程的人都清楚一個(gè)評(píng)測(cè)指標(biāo)的提升不等于一個(gè)系統(tǒng)放在真實(shí)產(chǎn)品里就一定能成功。模型在測(cè)試集上得分高不代表它在生產(chǎn)環(huán)境里不會(huì)出問(wèn)題AI 寫(xiě)出來(lái)的故事讀起來(lái)順也不代表它能完成選題判斷、事實(shí)核查、風(fēng)格統(tǒng)籌和價(jià)值觀把關(guān)。但我也注意到很多人已經(jīng)開(kāi)始把 AI 直接當(dāng)寫(xiě)手來(lái)用還有人開(kāi)始焦慮自己的寫(xiě)作訓(xùn)練還有沒(méi)有必要。這篇文章不打算爭(zhēng)論“AI 是不是真的比人強(qiáng)”這個(gè)結(jié)論本身而是想討論另一件更實(shí)際的事當(dāng)一個(gè) AI 生成內(nèi)容的研究結(jié)論開(kāi)始被廣泛傳播時(shí)內(nèi)容創(chuàng)作者該怎么理解它怎么把它落進(jìn)真實(shí)工作流又怎么避免被評(píng)測(cè)口徑帶偏。1. 先別急著說(shuō)“AI 已經(jīng)贏過(guò)人類(lèi)”評(píng)測(cè)得看標(biāo)準(zhǔn)和場(chǎng)景1.1 評(píng)測(cè)分?jǐn)?shù)高通常意味著什么這類(lèi)研究的常見(jiàn)做法是讓人工評(píng)估者閱讀 AI 生成的故事和人類(lèi)寫(xiě)的故事然后打分。結(jié)果大家看到的是AI 的均分更高。但如果只看這個(gè)結(jié)果很容易忽略一個(gè)關(guān)鍵問(wèn)題評(píng)估者在打分時(shí)到底更喜歡什么從工程經(jīng)驗(yàn)看AI 生成文本在測(cè)試?yán)锬酶叻值膬?yōu)勢(shì)一般集中在幾個(gè)方面。一是流暢度高。模型經(jīng)過(guò)大規(guī)模訓(xùn)練對(duì)“通順”這件事有很強(qiáng)的把握輸出句子通常沒(méi)有語(yǔ)法硬傷也不會(huì)出現(xiàn)寫(xiě)到一半忘掉主線的情況。二是結(jié)構(gòu)完整。早教一個(gè)“故事”時(shí)模型會(huì)按比較穩(wěn)定的敘事結(jié)構(gòu)展開(kāi)開(kāi)頭、沖突、結(jié)尾都在。三是速度快可以在短時(shí)間內(nèi)給出多個(gè)版本。這些特點(diǎn)一旦放到“打分量表”里優(yōu)勢(shì)會(huì)非常明顯。評(píng)審者面對(duì)大量文本時(shí)往往更容易被讀起來(lái)順、結(jié)構(gòu)完整的作品吸引。但分?jǐn)?shù)高不等于“寫(xiě)得更好”。寫(xiě)作的價(jià)值遠(yuǎn)不止“句子通順”和“結(jié)構(gòu)完整”。人類(lèi)作者在故事里放進(jìn)去的個(gè)人經(jīng)驗(yàn)、現(xiàn)實(shí)觀察、情感克制和留白在量化評(píng)分中不一定加分但在讀者那里可能是最關(guān)鍵的東西。我們得先承認(rèn)一個(gè)事實(shí)很多評(píng)測(cè)框架衡量的是“完成度”不是“原創(chuàng)性”更不是“文學(xué)價(jià)值”。所以 AI 在評(píng)測(cè)中勝出更像是在“把一個(gè)規(guī)定動(dòng)作做標(biāo)準(zhǔn)”這件事上勝出而不是在“創(chuàng)造一種新的表達(dá)方式”這件事上勝出。1.2 為什么“會(huì)寫(xiě)故事”不等于“能承擔(dān)寫(xiě)作工作”如果把“寫(xiě)作”看成一個(gè)完整工作流它至少包括以下環(huán)節(jié)理解用戶(hù)需求和內(nèi)容定位確定選題和故事角度組織信息做必要的事實(shí)核查起草、改寫(xiě)、壓縮、擴(kuò)寫(xiě)統(tǒng)一風(fēng)格、語(yǔ)氣和調(diào)性評(píng)估風(fēng)險(xiǎn)規(guī)避不適內(nèi)容發(fā)布后根據(jù)反饋繼續(xù)迭代。AI 目前最能替代的是“起草”環(huán)節(jié)也就是把已有的主題、上下文和素材快速組織成初稿。這確實(shí)是一個(gè)很大的效率提升但如果你把它理解為“AI 可以承擔(dān)整個(gè)寫(xiě)作工作”后面一定會(huì)出問(wèn)題。舉個(gè)例子。一個(gè)產(chǎn)品團(tuán)隊(duì)想寫(xiě)一篇品牌故事AI 可以快速生成一個(gè)結(jié)構(gòu)完整、語(yǔ)言?xún)?yōu)美的版本。但品牌故事里涉及公司歷史、數(shù)據(jù)口徑、合規(guī)表述這些都需要人去確認(rèn)。AI 生成的內(nèi)容可能把一件未經(jīng)核實(shí)的事寫(xiě)得很像真的也可能把一個(gè)需要謹(jǐn)慎表述的細(xì)節(jié)說(shuō)得太絕對(duì)。這時(shí)候如果沒(méi)有人工審核環(huán)節(jié)直接發(fā)布風(fēng)險(xiǎn)就不是“故事不夠好”而是事實(shí)錯(cuò)誤和責(zé)任問(wèn)題。所以我的判斷是這類(lèi)研究標(biāo)題的真正價(jià)值不是證明“AI 已經(jīng)替代人類(lèi)作者”而是把“寫(xiě)作”這個(gè)模糊的能力概念拆開(kāi)了。AI 先拿下了“生成文本”這個(gè)子問(wèn)題留下的仍然是整條決策鏈里更復(fù)雜的部分。2. 把 AI 生成故事變成可復(fù)用流程一個(gè)最小工作流2.1 最小可用流程從任務(wù)拆解到發(fā)布不想被研究結(jié)論帶偏也不想錯(cuò)過(guò) AI 帶來(lái)的效率提升最務(wù)實(shí)的做法是先搭一條最小的生產(chǎn)流程。先跑通再優(yōu)化。這個(gè)原則在內(nèi)容生成里同樣成立。我一般會(huì)建議從下面六步開(kāi)始拆任務(wù)明確你要寫(xiě)的是故事、文章、腳本還是營(yíng)銷(xiāo)文案目標(biāo)讀者是誰(shuí)發(fā)布平臺(tái)是什么。填上下文給 AI 提供足夠的信息包括主題、長(zhǎng)度、風(fēng)格、關(guān)鍵事實(shí)、結(jié)構(gòu)要求和需要規(guī)避的點(diǎn)。先出提綱不要一上來(lái)就要求“給我一篇完整故事”先讓 AI 產(chǎn)出大綱、人物卡、情節(jié)節(jié)點(diǎn)。分段生成根據(jù)提綱逐段生成而不是一次生成全文。分段生成更容易控制主題走向。人工編輯做事實(shí)核查、風(fēng)格調(diào)整、刪減冗余、補(bǔ)齊真實(shí)感受。發(fā)布并收集反饋打開(kāi)率、完讀率、收藏、評(píng)論這些數(shù)據(jù)最終指導(dǎo)下一輪生成。這六步看起來(lái)很多但在實(shí)際運(yùn)行中真正花時(shí)間的是第一步和第五步。AI 負(fù)責(zé)中間過(guò)程的“快速生成”人負(fù)責(zé)兩端的“判斷”和“修正”。2.2 為什么“先寫(xiě)提綱、再寫(xiě)全文”更穩(wěn)很多第一次接觸 AI 寫(xiě)作工具的人最常犯的錯(cuò)是直接輸入“幫我寫(xiě)一個(gè)關(guān)于創(chuàng)業(yè)者的故事”然后期待模型輸出一篇完整作品。這樣做不是不行只是結(jié)果質(zhì)量很不穩(wěn)定。模型可能會(huì)生成一篇結(jié)構(gòu)完整但內(nèi)容平淡的故事也可能在中間某一段開(kāi)始跑偏后面又沒(méi)能拉回來(lái)。先寫(xiě)提綱本質(zhì)上是在工程里先定義接口再寫(xiě)實(shí)現(xiàn)。你不需要在一開(kāi)始就告訴 AI 每一段的具體內(nèi)容但你需要讓它知道故事從哪里開(kāi)始、中間有哪些轉(zhuǎn)折、最后落在哪里。比如你可以這樣輸入請(qǐng)幫我設(shè)計(jì)一個(gè) 1500 字左右的短故事主題是“獨(dú)立開(kāi)發(fā)者開(kāi)發(fā)第一個(gè)產(chǎn)品的經(jīng)歷”。 要求 1. 開(kāi)頭從一個(gè)具體場(chǎng)景切入不要用抽象描述 2. 中間至少有一個(gè)轉(zhuǎn)折比如用戶(hù)反饋與預(yù)期完全不同 3. 結(jié)尾落到“重新理解需求”這個(gè)結(jié)論不要寫(xiě)成成功學(xué)雞湯 4. 風(fēng)格克制不要過(guò)度抒情 5. 先給我 200 字的故事大綱確認(rèn)后再展開(kāi)全文。這樣做的好處是AI 在生成全文前已經(jīng)對(duì)結(jié)構(gòu)和核心信息有了共識(shí)。如果大綱有問(wèn)題直接改大綱比生成全文后再反復(fù)重寫(xiě)便宜得多。2.3 關(guān)鍵參數(shù)與前置條件如果你用的是 API 或本地部署模型還要關(guān)注幾個(gè)基礎(chǔ)參數(shù)。溫度Temperature控制隨機(jī)性。寫(xiě)故事類(lèi)內(nèi)容溫度可以稍高但要避免太高導(dǎo)致邏輯斷裂。一般常見(jiàn)做法是從 0.7 開(kāi)始調(diào)整寫(xiě)公文或說(shuō)明文可以降到 0.3 到 0.5 左右。上下文長(zhǎng)度Context Window決定模型一次能“看到”多少內(nèi)容。輸入長(zhǎng)故事的大綱、人物關(guān)系和前文時(shí)要注意不能超過(guò)模型支持的最大長(zhǎng)度。超長(zhǎng)輸入通常會(huì)被截?cái)噍敵龅倪B貫性就會(huì)下降。輸出限制Max Tokens決定一次生成的最大長(zhǎng)度。如果目標(biāo)是一篇 3000 字文章最好分段生成而不是讓模型一次性輸出完否則后半段容易出現(xiàn)內(nèi)容稀釋和質(zhì)量下降。如果你是在本地部署模型還要考慮顯存和內(nèi)存。小規(guī)模生成實(shí)驗(yàn)用 CPU 也能跑但速度會(huì)慢很多。做批量實(shí)驗(yàn)前先確認(rèn)自己的硬件和模型適配情況。這個(gè)階段不需要追求參數(shù)最優(yōu)先把流程跑通。等輸入輸出都穩(wěn)定了再針對(duì)具體問(wèn)題調(diào)節(jié)參數(shù)。3. 評(píng)質(zhì)量不能只看“讀起來(lái)順”要有一套評(píng)估框架3.1 四個(gè)評(píng)估維度結(jié)構(gòu)、信息密度、語(yǔ)言、情感真實(shí)度用 AI 生成內(nèi)容最怕的就是讀第一遍覺(jué)得“還行”但發(fā)出去之后讀者反饋很平。要避免這個(gè)問(wèn)題需要一套比“讀起來(lái)順”更嚴(yán)格的質(zhì)量評(píng)估框架。我常用四個(gè)維度。維度評(píng)估重點(diǎn)常見(jiàn)問(wèn)題人工重點(diǎn)結(jié)構(gòu)主線是否清晰段落銜接是否自然開(kāi)頭是否能吸引人結(jié)構(gòu)完整但節(jié)奏平、缺少變化檢查開(kāi)頭和結(jié)尾是否有沖擊力中間是否存在可刪段落信息密度是否有具體細(xì)節(jié)是否有實(shí)例是否有信息增量空話(huà)多、內(nèi)容注水、泛泛而談把形容詞多的句子改為有具體場(chǎng)景或數(shù)據(jù)支持的句子語(yǔ)言質(zhì)量是否有語(yǔ)法錯(cuò)誤用詞是否準(zhǔn)確風(fēng)格是否統(tǒng)一語(yǔ)句通順但過(guò)于整齊缺少個(gè)人語(yǔ)感調(diào)整過(guò)于“模型腔”的表達(dá)讓語(yǔ)氣更自然情感真實(shí)度是否能讓人相信作者有真實(shí)感受或經(jīng)驗(yàn)情節(jié)流暢但缺乏可信度像“安全但平庸”的作文補(bǔ)充真實(shí)經(jīng)歷、具體觀察、情緒克制后的細(xì)節(jié)這四個(gè)維度看起來(lái)簡(jiǎn)單但放在一起能構(gòu)成一個(gè)很實(shí)用的判斷框架。AI 文本在“結(jié)構(gòu)”和“語(yǔ)言”上通常能拿不錯(cuò)的分?jǐn)?shù)在“信息密度”和“情感真實(shí)度”上則很容易露餡。如果你生成的內(nèi)容要發(fā)布在專(zhuān)業(yè)平臺(tái)后兩個(gè)維度往往更重要。3.2 人工審核應(yīng)該承擔(dān)什么有了評(píng)估維度還要明確人工審核的職責(zé)邊界。AI 可以幫你寫(xiě)初稿但有些問(wèn)題它處理不了。第一事實(shí)核查。AI 生成的內(nèi)容可能包含準(zhǔn)確信息也可能包含完全虛構(gòu)的事實(shí)。凡是涉及數(shù)據(jù)、歷史、政策、產(chǎn)品功能、公司信息等內(nèi)容都要逐條核對(duì)。第二風(fēng)險(xiǎn)判斷。內(nèi)容是否適合發(fā)布受眾看到之后會(huì)不會(huì)產(chǎn)生誤解是否存在合規(guī)風(fēng)險(xiǎn)這些問(wèn)題需要人來(lái)判斷。第三風(fēng)格一致性。一個(gè)賬號(hào)、一個(gè)團(tuán)隊(duì)、一個(gè)品牌往往有相對(duì)穩(wěn)定的語(yǔ)氣。AI 可以模仿某個(gè)風(fēng)格但它不知道你的讀者已經(jīng)習(xí)慣怎樣的表達(dá)方式。這個(gè)判斷只能由熟悉業(yè)務(wù)和讀者的人來(lái)做。第四價(jià)值觀把關(guān)。故事里涉及人物、沖突、結(jié)局方式都暗含立場(chǎng)和價(jià)值觀。AI 生成的“正確但平庸”的價(jià)值觀表達(dá)不一定適合你的內(nèi)容立場(chǎng)。3.3 把評(píng)估表放進(jìn)日常工作流評(píng)估表不是寫(xiě)給別人看的而是要用在每次生成之后。你可以按下面這個(gè)順序操作生成初稿后先按四個(gè)維度打分對(duì)低于 3 分的維度明確問(wèn)題是什么帶著問(wèn)題回到 AI做針對(duì)性修改而不是整篇重來(lái)人工修改完成后再做一次“讀者視角”閱讀發(fā)布后記錄反饋數(shù)據(jù)反向修正下一輪的輸入模板。這樣做一段時(shí)間后你會(huì)慢慢發(fā)現(xiàn)哪些提示詞模板能穩(wěn)定產(chǎn)出高質(zhì)量初稿哪些場(chǎng)景最好還是自己寫(xiě)。這個(gè)過(guò)程本身就是一次“用工程思維做內(nèi)容”的實(shí)踐。4. 真正容易翻車(chē)的地方輸入、參數(shù)、輸出和邊界4.1 輸入上下文不足AI 就會(huì)“自由發(fā)揮”AI 寫(xiě)作翻車(chē)的第一原因通常不是模型不夠強(qiáng)而是輸入太少、太模糊。你只給一句話(huà)“寫(xiě)一篇關(guān)于加班的文章”模型就只能靠訓(xùn)練數(shù)據(jù)里的平均印象去猜結(jié)果自然平庸。要避免這個(gè)問(wèn)題需要在輸入側(cè)多花一點(diǎn)時(shí)間。除了主題還要補(bǔ)充發(fā)布平臺(tái)、目標(biāo)讀者、字?jǐn)?shù)、風(fēng)格、必須包含的要點(diǎn)、不要出現(xiàn)的表達(dá)方式。這樣做的原理是AI 生成內(nèi)容是概率預(yù)測(cè)上下文越充分預(yù)測(cè)空間越小輸出越可控。上下文不足它就會(huì)在無(wú)數(shù)可能方向里隨機(jī)“自由發(fā)揮”。4.2 環(huán)境和參數(shù)批量、并發(fā)、token 與緩存如果你不只是寫(xiě)一篇而是要做批量?jī)?nèi)容生成還會(huì)遇到幾個(gè)工程問(wèn)題。批量任務(wù)不能一上來(lái)就拉滿(mǎn)并發(fā)。有些 API 對(duì)調(diào)用頻率有限制一次性大量請(qǐng)求可能觸發(fā)限流。更穩(wěn)妥的做法是先跑一條樣例確認(rèn)輸入輸出正常再逐步增加任務(wù)數(shù)量。對(duì)于較長(zhǎng)的文本生成還要注意 token 消耗。某些模型按 token 計(jì)費(fèi)輸入越長(zhǎng)、生成越長(zhǎng)成本越高。如果每個(gè)任務(wù)都要喂入大量上下文成本會(huì)呈線性上升。如果你開(kāi)發(fā)了一個(gè)內(nèi)容輔助工具建議增加緩存和日志。相同或相似輸入可以直接復(fù)用結(jié)果減少重復(fù)調(diào)用。日志則用來(lái)記錄每次生成的參數(shù)、結(jié)果和時(shí)間方便后續(xù)優(yōu)化。4.3 輸出物審核事實(shí)、風(fēng)格、合規(guī)與風(fēng)險(xiǎn)AI 生成內(nèi)容有一個(gè)很迷惑人的特點(diǎn)它通常讀起來(lái)很自信。不管信息對(duì)錯(cuò)它都傾向于用肯定的語(yǔ)氣呈現(xiàn)出來(lái)。所以發(fā)布前審核絕不是走形式。審核時(shí)要重點(diǎn)看四類(lèi)問(wèn)題事實(shí)性信息是否準(zhǔn)確是否包含可能誤導(dǎo)讀者的表述是否存在格式、版權(quán)、來(lái)源方面的問(wèn)題是否符合平臺(tái)規(guī)范和內(nèi)容安全要求。涉及具體產(chǎn)品或項(xiàng)目的技術(shù)類(lèi)文章尤其要注意版本號(hào)、功能名稱(chēng)、參數(shù)和注意事項(xiàng)的準(zhǔn)確性。即使 AI 生成的內(nèi)容看起來(lái)完整也不能跳過(guò)人工確認(rèn)。4.4 排查鏈路從現(xiàn)象到邊界遇到 AI 生成質(zhì)量不穩(wěn)定時(shí)可以按下面的鏈路排查而不是盲目換模型或調(diào)參數(shù)。看現(xiàn)象是整篇跑題還是局部邏輯斷裂是語(yǔ)言太平還是事實(shí)有問(wèn)題看輸入主題是否清楚上下文是否充分有沒(méi)有自相矛盾的要求看參數(shù)溫度是否過(guò)高輸出長(zhǎng)度是否被截?cái)嗯咳蝿?wù)是否觸發(fā)限流看輸出是否在編寫(xiě)過(guò)程中偏離了提綱是否存在需要實(shí)證的表述看流程邊界是不是一開(kāi)始就不適合用 AI 生成這種內(nèi)容這條鏈路能幫你把“AI 寫(xiě)得不好”這樣的籠統(tǒng)問(wèn)題拆成“輸入不足”“參數(shù)不當(dāng)”“流程不匹配”等具體問(wèn)題然后逐一處理。5. 長(zhǎng)期價(jià)值不是替代人而是把內(nèi)容生產(chǎn)變成可控流程5.1 從“讓 AI 寫(xiě)一篇文章”到“構(gòu)建內(nèi)容生產(chǎn)鏈路”AI 寫(xiě)故事的研究結(jié)論能引發(fā)這么多討論一個(gè)重要原因是它碰到了人們對(duì)“創(chuàng)造性工作被替代”的焦慮。但從實(shí)踐角度看AI 提供的不是替代關(guān)系而是一種新的流程能力。以前一個(gè)人一天寫(xiě)一篇深度文章已經(jīng)算高效現(xiàn)在如果你用 AI 輔助可以在一天內(nèi)完成選題方案、多版提綱、初稿和素材整理然后把省下來(lái)的時(shí)間投入到采訪、核實(shí)和表達(dá)潤(rùn)色上。這不等于文章質(zhì)量自動(dòng)變高但你有了更多時(shí)間和精力去打磨真正重要的部分。關(guān)鍵在于你要把這件事從“讓 AI 寫(xiě)一篇文章”升級(jí)為“構(gòu)建一個(gè)內(nèi)容生產(chǎn)鏈路”。這個(gè)鏈路包括輸入模板、生成規(guī)則、質(zhì)量評(píng)估、人工審核、發(fā)布反饋以及基于反饋的迭代。AI 在其中承擔(dān)生成階段的高強(qiáng)度重復(fù)勞動(dòng)人承擔(dān)控制和優(yōu)化。5.2 用反饋數(shù)據(jù)迭代內(nèi)容生產(chǎn)一旦流程化就會(huì)產(chǎn)生數(shù)據(jù)。比如同一個(gè)主題不同開(kāi)頭對(duì)完讀率的影響AI 寫(xiě)的故事和人類(lèi)寫(xiě)的故事在讀者反饋上的差異某個(gè)風(fēng)格的文本在某個(gè)平臺(tái)上的表現(xiàn)。這些數(shù)據(jù)反過(guò)來(lái)能指導(dǎo)你優(yōu)化提示詞模板和評(píng)估標(biāo)準(zhǔn)。如果一篇 AI 輔助生成的故事獲得了比過(guò)去更好的讀者反饋你可以分析它好在哪然后把這個(gè)“好”固化到下一輪的輸入模板里。這有些像 A/B 測(cè)試不要只依賴(lài)直覺(jué)判斷哪篇內(nèi)容好而是看實(shí)際反饋。當(dāng)然具體場(chǎng)景里的內(nèi)容質(zhì)量很難用單一指標(biāo)衡量需要結(jié)合閱讀量、評(píng)論、收藏、轉(zhuǎn)化率等多方面數(shù)據(jù)來(lái)看。5.3 適用邊界AI 適合什么不適合什么經(jīng)過(guò)一段時(shí)間實(shí)踐你會(huì)逐漸形成判斷哪些內(nèi)容交給 AI 輔助最有價(jià)值哪些最好還是自己寫(xiě)。比較適合的場(chǎng)景包括結(jié)構(gòu)化故事、產(chǎn)品文檔初稿、頭腦風(fēng)暴、不同標(biāo)題方案測(cè)試、內(nèi)容改寫(xiě)和壓縮、批量生成示例或小故事。不太適合的場(chǎng)景包括高度依賴(lài)個(gè)人經(jīng)歷和情感體驗(yàn)的內(nèi)容、需要深度調(diào)查和一手采訪的內(nèi)容、需要專(zhuān)業(yè)判斷或涉及合規(guī)風(fēng)險(xiǎn)的表達(dá)、風(fēng)格非常強(qiáng)烈且依賴(lài)個(gè)人語(yǔ)感的創(chuàng)作。這個(gè)邊界不是固定不變的。隨著模型能力提升和工具鏈完善AI 能做好的范圍會(huì)擴(kuò)大。但對(duì)寫(xiě)作者來(lái)說(shuō)真正重要的不是退回“人 vs AI”的對(duì)立而是搞清楚哪些環(huán)節(jié)交給 AI 能提升效率哪些環(huán)節(jié)必須由人來(lái)保證質(zhì)量和責(zé)任。結(jié)尾與其爭(zhēng)論誰(shuí)更強(qiáng)不如先建立自己的工作流回到開(kāi)頭那條研究標(biāo)題。AI 生成的故事在評(píng)測(cè)中拿到比人類(lèi)作者更高的分?jǐn)?shù)這件事真正提醒我們的不是“寫(xiě)作要完蛋了”而是“寫(xiě)作工作的定義正在改變”。評(píng)測(cè)分?jǐn)?shù)高的部分AI 確實(shí)可以承擔(dān)評(píng)測(cè)體現(xiàn)不了的部分仍然需要人類(lèi)判斷。你在內(nèi)容生產(chǎn)鏈里扮演的角色會(huì)從一個(gè)“從零開(kāi)始寫(xiě)作的人”慢慢變成一個(gè)“定義輸出標(biāo)準(zhǔn)、設(shè)計(jì)輸入模板、審核輸出質(zhì)量、利用反饋持續(xù)優(yōu)化的人”。這個(gè)轉(zhuǎn)變不一定容易但它是這個(gè)階段更實(shí)際的方向。如果一定要從這篇文章里帶走一句話(huà)我會(huì)說(shuō)先別焦慮 AI 會(huì)不會(huì)替代你盡快搭一個(gè)最小內(nèi)容生產(chǎn)流程用一次真實(shí)任務(wù)驗(yàn)證 AI 在哪個(gè)環(huán)節(jié)能幫到你哪個(gè)環(huán)節(jié)仍然離不開(kāi)你。然后再把那部分能交給 AI 的重復(fù)勞動(dòng)真正放手交出去。