用 LLM 改稿不用 LLM 写稿：两条规则守住自己的文风，重复劳动全部外包

星海拾光AI 前沿📡 觉醒AI2026-09-201213 阅读💛 196 收藏

一句话结论

安全专家 Thomas Ptacek 给出了一套完整的 LLM 辅助写作方法：模型只能当校对编辑，不能当代笔。核心是两条规则——第一，模型建议的任何措辞一个字都不能采用；第二，禁止模型鼓励你。自己写完初稿后，让模型找问题、逐段改写、盲评新旧版本，把最枯燥的机械检查全部外包给模型，文章的文风和声音始终是自己的。

为什么不能让模型替你写

读者对 LLM 词汇的识别能力是「万亿分之一量级」的——无论你花多少功夫打磨、做人工化处理，一段 LLM 生成的文字在多数读者眼里不是「写作」，而是「输出」。这是 Ptacek 的第一个判断：想靠 AI 代写然后改得像人写的，此路不通。

但这不代表 LLM 没用。他的定位是：像用校对编辑（copyeditor）一样用模型，而不是像用枪手（ghostwriter）。流程分两步：第一步，自己把文章写出来；第二步，把稿子交给一个好模型去找毛病。

规则一：模型建议的措辞一个字都不能用

这条规则是他整套方法的基石。原因在于：前沿模型选「讨喜的措辞」的能力超乎寻常，这恰恰是问题所在。模型给出的措辞毛病很隐蔽——可以这样理解，前沿模型被卡在一种「所有句子都是杂志标题」的模式里。标题是好东西，但一个人写了满篇几十个标题，你会觉得这人不对劲。

所以他把这条规则称为「知识分子的个人防护装备」：模型建议的任何具体措辞一律禁用。要对自己严格！这套方法的前提就是承认——你无法可靠地识别模型会把你的文字变成「加工奶酪」的所有方式。就算你喜欢那句话，就算你确信它比你原来写的好，只要出自模型，一律取消资格。

规则二：避免被模型鼓励

第二条规则更隐蔽：模型会通过「鼓励攻势」污染你的写作。把任何稿子交给 LLM，它都会回答「写得太棒了」——但那不是你需要听的话。

初稿里，你的多数段落都是糟糕的，主题流转混乱，至少多出 750 个字。模型会先夸你的整体结构，接着夸段落和过渡，再夸遣词造句和比喻。Ptacek 的判断是：它们都不行，全都不行，别听。

危害在于：你会把初稿的所有直觉加倍坚持——原本你会去编辑、重想、替换段落，这些「重想」恰恰是你文风承重的一部分。读者说不出哪里不对，但会感觉到你变成了「人工调味」的版本。

他过去两年的做法是给每个校对提示词加一句谎话：声称自己不是作者，而是一家线上刊物的编辑，正在筛选来稿。这招有用，但模型通常会用力过猛，过度拟合那个「虚构刊物」的目标。

目前他最实用的建议是：直接禁止模型鼓励你，然后对一切夸奖保持高度警惕。

模型擅长干什么：找问题

LLM 在「标记问题」上极其出色。以下几类机械检查，人工做又累又容易漏，模型不会疲劳：

被动语态滥用（或者反过来，全听模型的之后用得太少）、动词名词化、动作被埋没、同一措辞或用词反复出现；
「非常」「不幸地」「真的」「实际上」这类填充词像木屑一样粘在稿子上；
几乎每篇都有两三个段落，只要挪到别的位置，清晰度立刻提升。

他推荐了一本程序员友好的参考书《Style: Lessons In Clarity and Grace》，说这本书把文字校对变成了写 Java：同样枯燥，同样有效。读完做笔记，为自己整理出一组提示词，然后在稿子上分轮执行。

三步工作流

具体操作可以走三步循环：

让模型指出稿子的问题；
针对每个问题，自己重写该段落（或句子、章节）；
把原版和新版都给模型，问哪个更好。

第三步有个坑：模型知道你刚改写过、知道你想听「新版更好」，这会触发规则二的变种。解决办法是把两个版本交给一个不掌握你编辑过程上下文的模型盲评。

自建写作工作台的开场提示词

他不耐烦在多个标签页之间倒腾、还要反复说服模型「我不是作者而是教练」，于是直接让模型给自己造了个工具。开场提示词原文如下，值得整段收藏：

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。要一个真正好用的正文编辑器，Notion 风格。支持高亮（后面要做编辑轮次）。做 Genius 风格的侧边批注来对应高亮内容。要能前后逐条翻看建议。多文档、修订追踪、允许用户标记大版本。先做到这一步，然后我再说真正想要什么。

工具骨架起来后，把自己整理的那组编辑提示词喂给它，让它逐条跑 Codex、Claude 或 Antigravity 命令行。

他的原话是：你在这条路上做出的东西会比我的好——因为任何人自己折腾出来的东西，对他自己来说，总是比别人给的更好。