能否借助 AI 写作？
作者认可写作有困难的人使用 AI。允许使用工具，不等于每一篇作品都值得传播。创作者仍需对署名内容的事实与判断负责。
01
三个问题，三个判断对象
以下是对原文立场的整理，不是关于权利的法律意见。作者在本文中澄清了自己的态度；由于未读取作者文中提到的“三个月前”那篇文章，也无法核对这一时间间隔，本页不裁定其历史立场是否变化。[1]
为什么把它推给我？
作者把批评重点放在平台与算法。平台决定哪些候选内容进入推荐，但不能据此排除创作者、转发者和读者反馈对传播的影响。
我是否愿意阅读？
作者可以选择不读。他的偏好无需变成所有读者的标准；这种个人退出，也不足以单独解决整个平台的信息质量问题。
创作自由不自动产生被推荐的理由；推荐发生，也不要求读者接受。
本页推论：把“谁可以写”“平台如何选”“我愿不愿读”混在一起，就容易把平台批评误读为对普通人的批评。创作、推荐、阅读分别涉及不同的权利、责任和治理机制。
02
从澄清立场，走向平台批评
原文可拆成四个推进步骤。下面的连接表示文章的论述顺序，不表示这些因果关系已经成立。
- ① 回应“态度转向”区分支持写作工具与不满推荐结果，纠正被批评对象的错位。
- ② 解释“AI 文风”从夸张、讨好的输出，追问训练语料和评价偏好；这一段含因果假说。
- ③ 追问平台目标质疑流量与黏度是否足以衡量社区价值，并用古籍网站经历支持长期视角。
- ④ 回到个人选择承认个人和平台各有选择，以自己不读来划定边界，并用反讽收尾。
最强的论点
评价一个人的观点，要先识别他说的是谁、批评什么行为。支持某种生产方式，与批评其分发方式，不构成必然矛盾。
最需要补证的跨越
几处推测需要分别核查：低质中文语料是否造成特定文风；受欢迎的表达是否意味着思考质量不足；平台激励是否增加此类内容的分发；追求流量与黏度是否损害长期社区价值。原文没有把这些问题论证为一条连续因果链，本页也不替作者拼接。
03
八项主张，分别看证据
“原文明确”表示作者确实表达过，不表示外部世界已证实。规范判断讨论应当怎样；经验判断讨论实际怎样。
显示全部 8 项
原文明确
支持普通人用 AI 写作
本文明确承认这种使用方式。可以准确复述其当前立场，但未取得被提到的前文，所以不能替作者完成前后立场比对。
验证办法：取得前文，核对同一行为、同一对象、同一限制条件。[1]
个人观察
网络中 AI 文章很多
这是作者对信息环境的感受。原文没有样本、平台范围、统计时段或生成来源识别方法，不能转写成 AI 内容占比。
缺口：可复核样本与来源证据；不能凭套话或文风给作者贴“AI 生成”标签。
归因未证实
中文低质语料造成说书腔
有相关研究
讨好评价可能挤压求真
迎合性研究发现，在所测任务中，人类偏好和偏好模型有时偏爱迎合而非正确的答案。这支持一种可能机制；“语气亲切”和“迎合错误立场”仍是不同现象。
边界：没有据此测得本文对象的推理能力或迎合程度。[3]
效果依任务而变
英文资料与提问更好
作者介绍的是一类使用经验。语言、资料来源与文体是三种不同变量。多语言研究不支持“翻成英文总是最优”；文化语境任务可能更适合原语言。
缺口：在自己的任务和当前模型上做配对测试，而不是把英语当作质量凭证。[4]
平台归因未证实
算法喜欢 AI 爆文
原文没有平台审计数据。算法可能奖励引发互动的特征，而未必直接奖励“由 AI 生成”。YouTube 曾公开列出多种推荐信号，也不证明其他平台照此运行。
缺口：曝光、候选集、用户行为、推荐版本与对照组；企业说明不能替代独立审计。[5]
轶事与推测
长期价值胜过一时热闹
古籍网站长期存在的经历，能启发对持久价值的思考；不能证明它的收入、用户留存、经营健康，或其他网站消亡的原因。
替代解释：成本、资助、运营者投入与竞争不同；也需观察未存续的同类网站，避免幸存者偏差。
个人偏好
选择不读 AI 文章
作者有权表达不愿读的偏好，不需要先证明所有 AI 文章质量低。把偏好升级成通用质量规则，则需处理混合创作、错误识别与优质反例。
本页建议：评价事实、来源、论证和实际用途；不把生产方式当作唯一质量指标。
04
同一种“AI 味”，可能有不同原因
本页将以下因素列为检查项，不宣称已经找到这篇文章所述现象的原因。“像论文”是形式，“论证成立”是质量，两者需要分开判断。
使用阶段
任务、提示与来源
请求鼓励、请求讲故事、请求事实核查，会设定不同目标。指定英文论文仍需核查论文是否存在、是否相关，以及模型是否真正取得全文。
可直接使用的要求：说明关键结论及其依据；标明观察、推断与建议；给出一个可能推翻结论的条件；来源拿不到就说明。禁止虚构引用，比禁止几个高频套话更接近质量问题。
05
把“平台要什么”拆成可观察目标
下面是分析者提出的评价框架，不是任何平台的真实权重。目标可能冲突，也可能同时改善。娱乐可以有价值；看完即走也不一定表示满意。
点击与停留
能观察是否吸引注意、是否继续消费；不能单独证明内容正确或有用。争议和困惑也可能延长停留。
满意与任务完成
追问“是否解决了原来的问题”。满意度调查、任务测试与有用性反馈提供不同线索；自报满意也可能受表达风格影响。
信任与持续使用
观察纠错、投诉、回访和主动选择。重复使用仍不等于信任，需要结合用户理由与体验记录判断。
多样性与创作供给
查看重复内容、来源差异与创作者持续贡献。不能只看总发布量，也不能把某一审美当作全体用户的需求。
已核依据：YouTube 2021 年说明列出了点击、观看时长、调查、分享及赞踩等信号，并讨论满意度。这是该公司的历史自述，只能用来反驳“推荐系统必然只看点击”的绝对说法，不能替本文未具名平台证明清白或定罪。[5]
06
文章怎样说服人，又留下什么问题？
修辞的作用与代价
反问，把批评对象重新摆正
标题与连续追问把注意力从普通创作者移回分发者。效果是纠正责任对象；局限是传播责任仍可由多方共同承担。
强烈评价，表达审美与失望
对语料和输出的激烈评价传递了作者的不满，却没有提供可复现的质量定义。读者可以接受这种表达，但不能直接把它当技术结论。
学生类比与古籍网站轶事
学生只追求学习产出的类比，旨在提示单一目标可能牺牲其他能力；古籍网站经历提示持久用途。两者适合引出问题，均不足以证实平台经营的因果关系。
转向角度的反讽收尾
收尾把争论还给读者的解释自由，强化作者不愿继续纠缠的态度。它完成表达闭环，但没有回答如何识别 AI 内容等操作难题。
应当认真对待的反方
推荐也可能让优质内容被发现
没有推荐，用户同样面临搜索成本。更有力的问题是推荐如何衡量价值、允许纠偏，而不是是否应该存在推荐。
易读、愉悦与有深度可以并存
把娱乐与有用写成二选一，会漏掉好科普、好的入门材料和本就以娱乐为目标的内容。应检查愉悦是否替代证据，而不是排斥愉悦本身。
AI 参与程度不是简单二元标签
提纲辅助、润色、全文生成与人类复核的程度不同。页面的题图说明文字标注了 AI 工具（本次未解读图像本身），这与批评推荐机制不矛盾；不能从题图推断作者正文由 AI 写成。
不读，是个人策略而非完整治理
个人退出能节省自己的注意力，但平台问题涉及反馈、透明度、申诉与激励。原文主要表达立场，没有给出系统治理方案。
07
把文章带回自己的工作
以下建议由分析者提出，不冒充作者原话，也没有真实成效数据。选择一个角色查看下一步；关闭脚本时三组内容仍完整可读。
读者：先判断用途，再决定是否读
- 明确这次阅读是找事实、学方法，还是娱乐；用对应标准判断价值。
- 选择一条影响行动的结论，打开其原始来源，核对范围与日期。
- 对于重复、低信息量内容，减少继续消费；不要把“疑似 AI”当作对个人的指控。
观察结果：读后能否说明得到什么、证据在哪里、下一步是什么。喜欢与不喜欢都可以保留。
创作者：把复核责任留在自己手里
- 提供真实材料和明确受众，再让 AI 协助组织；资料不足时不要编案例。
- 逐条复核数字、引用和因果表达；把“我观察到”与“普遍如此”分开。
- 先删无依据的承诺，再处理套话；记录读者是否能复述或使用内容。
观察结果：事实错误、关键遗漏、理解偏差与修改成本。阅读量不能替代这些检查。
运营者：把短期吸引与长期反馈放在一起看
- 从一小组内容开始，同时记录互动与读后反馈，先确认是否存在质量问题。
- 按来源、主题与用户群比较，排查重复供给和误推荐；尊重用户隐私与平台规则。
- 在有权限和资源时做受控实验，预先定义质量、满意度和停止条件。
观察结果：互动变化是否伴随问题解决、信任或持续贡献的改善。没有对照数据，不归因于算法。
08
“换英文、换文体”是否有效？自己验证
默认方案：使用同一模型版本与同一份材料，分别用中文和英文提问，每组运行 3 次。两组都输出中文，按相同标准盲评。不能据此比较不同模型或推断平台推荐机制。
执行前固定条件
记录模型版本、日期、上下文、是否联网、来源材料、输出字数及可设置的生成参数。网页端不可控制的参数写“不可控”。语言实验须核对翻译等义，保持输出语言相同。
随机打乱答案、隐藏组别；先写好标准再评分。判断事实正确、证据对应、推理遗漏与可读性，尽量由另一位读者复核，不只让同一个 AI 给自己打分。
执行后怎样下结论
记录每个具体错误、遗漏与评分分歧，保留所有输出。少量重复只能提供探索线索，不能给出普遍优势或统计显著性。
来源策略实验测试的是整套选源方法，不是纯语言效果；文体实验不检验推理能力全貌。若要检验推荐机制，还需另行收集可复现的推荐结果，不能用生成实验代替平台审计。