教你如何用LLM写作
两条简单的规则，让 LLM 帮你精简和改进文章，而不是把它巴氏消毒一遍、再用玉米糖浆灌得面目全非。
谈写作是件棘手的事。它听起来像在自夸——你等于在暗示自己写得好。也许你确实写得好，也许不是，但网上肯定有一群评论家觉得你写得很烂。我和所有人一样虚荣又不自信，写这篇文章让我觉得莫名地难受。但我还是克服了自己，把它写了下来，因为这个建议很重要、很难反驳，而且直截了当。
读者能在万亿分之一的浓度里尝出 LLM 的味道。无论你花多少功夫把它磨旧、让它沾上人味，在相当一部分读者眼里，LLM 写出来的段落都不会被当成文章，而是被当成”输出”。所以，先说坏消息：你得自己写。
但 LLM 仍然极其有用。只不过你得把它当文字编辑用，而不是当枪手用。所以我方法的第一步是：把文章写出来。第二步：把它喂给一个好模型，让它挑毛病。
不过在讲这怎么操作之前，有两条规则你需要先搞明白。它们能挡住”LLM 渗透”，否则你会被推入”表达”与”输出”之间的恐怖谷，也会被读者从注意力里一脚踢出去。
第一条规则：LLM 建议给你的词，一个都不能用
违反这条规则就会让你陷入麻烦。原因在于：前沿模型在挑选讨喜的措辞方面强得近乎超自然。这差不多就是它们的看家本领。模型给出的建议，问题很微妙。这么想吧：前沿模型被卡在一种模式里，它们写什么都像杂志标题。标题是好的，但要是有人写一篇文章、里面塞了几十个标题，你会觉得这人有问题。
所以我认为，作为一种智识上的个人防护装备，你应当采纳这样一条规则：LLM 建议的任何具体措辞，一律禁用。 严格执行这条规则！这里的前提就是：你没法可靠地识别出前沿模型试图把你的文章变成 Velveeta（那种工业奶酪）的所有手法。哪怕你喜欢那些词，哪怕你确信它们比你现有的更好，LLM 生成的短语也一律取消资格。
第二条规则：避开鼓励
LLM 还会通过”影响行动”感染你的写作。这个问题微妙得多，损害也没那么明显，但它依然是 LLM 让你的文章变差的一条途径；如果结果注定如此，那你干脆别请 LLM 帮忙了。
问题在于：把任何一篇东西丢给 LLM，它都会回你一句”这是金子啊，Jerry！”但那不是你需要听到的话！
在你的初稿里，大部分段落都是烂的，主题脉络是不连贯的，而且至少还有 750 个字你根本不需要。模型却夸你的整体结构。然后，它又夸你的段落和过渡。再然后夸你的用词和隐喻。流行文化梗。它们很烂！全都烂！别听！
这会怎么坑你呢。你会把自己初稿里的每一个冲动都加倍下注。但你平时不会这么做。你会改、会重新想、会换掉整段。那些重想，是你声音里的承重结构。读者说不出哪里不对，但他们会感觉到你变得”人工调味”了。
有几年时间，我每次写文字编辑的提示词，开头都撒一个谎：我不是作者，我是一家线上刊物的编辑，正在筛选稿件。这有点用，但模型通常会用力过猛，过度拟合我这家”刊物”的”宗旨”。
所以目前来说，我最实用的建议是：禁止模型给予鼓励，然后对夸奖保持高度警惕。
那这些东西到底能干什么？
它们非常擅长标记问题。天哪，你的问题可真多。你可以机械地把它们找出来，但那是件枯燥又累人的活。模型不会累。所以它们在注意到下面这些方面比你强：
- 你在过度使用被动语态（或者，如果你什么都信 LLM 的，也许是使用不足）、把动词名词化或把动作埋起来、反复使用同样的措辞或选词。
- 你的稿子里撒满了”非常””不幸的是””真的””其实”，就像粘在工作台上的锯末。
- 几乎肯定有 2–3 个段落，你只要把它们挪到文章别的地方，清晰度立刻就上去了（这类修改真的、确实、非常令人满足）。
如果你像我一样是程序员，你会希望有本书能给这类修改提供一张图纸，一本散文界的《C 接口与实现》，像 Hanson 为那门最伟大的糟糕编程语言所做的那样。而且：真有这本书。它叫《风格：清晰与优雅的课程》（Style: Lessons in Clarity and Grace）。我向基督发誓，它能把文字编辑变成写 Java 代码。一模一样的枯燥，一模一样的有效。我是从 Richard Gabriel 那里知道这本书的；我认识的每一个程序员桌上居然没有一本，这让我很惊讶。
所以，去读《风格》，或者类似的书，边读边做笔记。整理出一份给模型的提示词清单，然后分几轮把它们跑在你的稿子上。
用这个路子你能走得很远：
- 让模型指出你写作中的问题。
- 针对每个问题，重写那个段落（或句子、或章节）。
- 把原文和新文都给模型看，问它哪个更好。
烦人的是，这里你会撞上第二条规则的一个变体：除非你小心处理，模型知道你刚重写了东西，也知道你想听到”新版更好”。所以，把两个版本交给一个不了解你编辑过程的模型实例去评判。
在我终于受够了在标签页之间来回切换、还要费劲说服模型”我不是作者，而是一位乐于助人但严厉的写作教练，正在帮一个也许有天赋也许很糟的学生”之后，我捣鼓出了一小款软件来替我管这件事。下面这个开场提示词效果很好：
我们要做一个写作工作坊工具。先把骨架搭起来。Python，交互用 HTMX，后端 SQLite，前端 Tailwind，用本地构建不要用 CDN。一个真正优秀的散文编辑器，Notion 风格。支持高亮（我们要做多轮编辑）。做 Genius 风格的侧边栏批注，跟高亮的内容对应。要能前后翻阅建议。支持多文档、追踪修订、允许用户标记重大修订。先做到这一步，然后我再告诉你我真正想要什么。
然后，把你整理出来的那串编辑提示词交给它，让它通过 Codex、Claude 或 Antigravity 的 CLI 逐个跑。你在这里想出来的东西都会比我的好，因为任何人自己琢磨出来的东西，对自己来说都比别人的好。
所以：别让 LLM 替你选词。小心别让它骗你，让你以为初稿比实际更好。然后把所有最枯燥的活外包给模型。你的声音保持完好，但你的工作更快、更好、也没那么痛苦。
最后一点。别把模型的文字编辑建议全都照收。这是第二条规则的推论。一分钟前我把这篇文章喂给了 GPT5（我说”这不是我写的”），它说整篇长了 20%。它大概是对的。但我不改。我就打算做我自己。
最后，每一款模型都有不同的写作风格。如果每个模型都尝试一遍的话，不仅开销巨大，频繁切换API也会很麻烦。我使用jiekou.ai来统一使用所有厂商的模型，在更换模型做尝试的时候只需要更换模型，不需要反反复复更换URL和Key，这能方便快捷地帮我找到适合当前写作目的的模型。如果你有强烈的写作需求，在前文的技巧基础上，也不妨尝试jiekou.ai提供的服务。