打开Kiro AI，敲入主题大纲，你等着看一篇技术博文。结果第一句：“在当今飞速发展的云计算领域……”你马上想关掉。那破折号用得毫无道理，还有“显著提升”“值得注意的是”——读者看一眼就知道是AI写的，于是连你的真知灼见也一起划走。不是AI的问题，是默认语气太像AI了。

用AI写作不丢人。我是一位云架构师，想法、结构、踩过的坑全是我自己的，Kiro AI只是帮我收紧压缩。但过去一年，我意识到一个残酷事实：就算你的观点再原创，只要文字闻起来像AI，被AI slop训练出来的读者就会跳过。他们看到那个模式，就默认底下什么都没有。

打开网易新闻 查看精彩图片

能解决这个问题的不是AI研究员，而是文案撰稿人。在AI成为写作搭档之前，我每周和人类编辑来回改稿，稿件总是一版比一版好。换AI之后，速度上去了，质量却跌下来。后来我干脆把编辑脑子里的规矩，一条一条写进AI的指令里。结果，文章不再带AI味儿，读者也能读下去了。

我参考了五位文案大师，每人取一条规则，叠起来用，每一条正好修正前一条暴露的问题。这五个规则是：

第一，滑梯效应（乔·休格曼）。每个句子的存在，就是为了让读者读下一句。开头句子要短，留下一个读者非填上不可的空隙。AI生成的段落经常一口气灌一堆背景，滑梯还没搭好就想把人推下去。

第二，砍掉清嗓子（威廉·津瑟）。段落的第一个句子经常只是作者在热身。删掉它。“值得注意的是，部署时间显著改善”直接改成“部署时间从20分钟降到了3分钟”。少了废话，数字自己会说话。

第三，展示，别解释（戴维·多伊奇）。在读者脑子里放一幅画面，别给摘要。这条规则对文字的改变最大。先看AI原来的写法：“这次集成很不稳定，造成多次生产事故。”改后变成：“上周二，上游团队没通知任何人就改了载荷结构，直接宕机40分钟。值班的被凌晨两点叫起来，处理的问题本可以用一条合成事件就提前抓到。”前者是报告，后者把你放进那个凌晨两点被叫醒的现场。

第四，奥格威测试。大声读出来，如果你不会在白板前跟同事这么说，那就重写。没人会说“组织利用了前沿解决方案”。大家只说“我们换成了X，部署时间砍半”。AI的通病就是爱用纸面上漂亮但没人对话用的词汇。

第五，损失框架压过收益框架。先指出读者什么都不做会损失什么，而不是做了会得到什么。“错过这次优化，你的每次部署继续白白烧掉20分钟”永远比“优化后能缩短部署时间”更戳人。

为什么AI总滑向平庸？这不只是我的感觉。训练语言模型有一环叫RLHF——基于人类反馈的强化学习，它会奖励给出愉快、讨好回答的模型，把输出调向一个安全的调性。Kirk等人在ICLR 2024的论文里实测过：经过RLHF训练的模型，其输出多样性明显低于未经历该步骤的模型。换句话说，AI默认的那股“AI味”，本来就是被训练出来的。

要破这个局面，不用等下一代模型，只需要把老派文案的规矩写进指令。别再让AI替你清嗓子，逼它讲故事，用它扔出画面，再念出来听听是否像人话。当你的文字不再像AI时，读者才愿意坐下，认真看看你要讲的东西。