自己先把稿子写完，再把模型当复制编辑，这是少数能同时保住效率和声音的用法。判断标准只有一条，交出去之后，每一处取舍还得由你本人做。适合有表达欲、常年写技术长文的人，靠搬运观点追热度的人不在这篇讨论范围里。
模型到底能替你写多少才不算替你说话
答案不在比例，在顺序。先把整篇写完，再送审。让模型在你动笔之前进场，它给的第一版就通顺，你改不动，也舍不得改，稿子从此归它。
两条纪律照着执行。模型建议的具体措辞一律不采用。它挑词的能力强得过分，单个词像杂志标题，一篇正文堆几十个标题就不正常。不听夸奖。稿子递上去，它先夸你一句，你初稿里那些直觉就被加固了，该删的段落、该重想的结构，一下都舍不得动。
三步编辑循环怎么做
- 把成稿交给模型，让它列问题，不动手改稿。
- 每个问题自己重写那段、那句、那节。
- 把原文和新版交给一个没有编辑过程上下文的模型，盲评哪个更好，再决定采不采纳。
第三步是关键。评判者知道你刚改过、想看新版赢，偏心就来了，交给不知情的另一次要干净得多。
它适合干的是机械检查。被动语态过多、动词被名词化、句式重复、填充词扎堆、有两三个段落换个位置就变清楚，这些它一眼看准，还不嫌累。配一个习惯更稳，整理一份编辑清单，分成几批，一次只跑一类。范围收到语法、文字编辑、翻译三类，再要求轻度风格编辑，提示词里写清避让项和读者画像，它的手会老实很多。
为什么它挑的词越好文字越危险
它挑词的能力是真的，危险在于这种能力不带场合判断。你的段落想糙一点、想留点毛边，它一律抹平，抹得比你自己写的更像范文。抹得越干净，越像它。读者对套话的敏感可以按百万字里挑出一个来算，你再怎么打磨去 AI 味，多数人仍会把那几段认成机器输出，不认它是人写的。
把它当个人防护装备来用，比当生产力工具更诚实。护住的是你声音里那些不平的地方。
它的夸奖为什么比建议更毁稿
具体措辞你不采用，伤害有限。夸奖会改你的行为。你开始绕着它的口味写，下一稿提前自我审查，先把棱角剪掉，再递上去等下一句表扬。通顺的稿子递过去，基本都能换回一顿夸。所以提示词里要显式写上不许鼓励，对这种话保持警惕。
文字编辑的建议也别全收。有一版模型判定全篇长了 20%，这个判断可能对，照改会把你的节奏一起改没。
读者怎么在长文里嗅出 AI 味
有一份 668 份的问卷，匿名、多平台分发、自述抽样，没有人口学保证，只能看倾向，不能当总体推断。比例还是值得摆出来。85% 的人把「在不在乎文章像 AI 写的」打成 5 分。怀疑文章有 AI 参与时，78% 立刻离开，71% 长期回避这个作者，约 57% 会设法点踩，只有约 15% 肯在底层见解真实时继续读。98% 更愿意读作者原样的、带毛刺的真实文字。
读者不是道德警察，他们在做能力推断。闻到 AI 味，就顺手推定你没本事挑出自己文里的事实错误。文风不可信的时候，凭什么信内容。
硬数字一个都不能交给模型
它连自己什么时候在编都预测不了。在可核验的联邦法院案例问答里，两个受测模型的幻觉率分别是 58% 和 88%，它还会顺着用户错误的法律假设往下答。版本号、时间、性能数字，一律回到原始材料自己核。
用没用它到底该不该说
说清楚比说与不说更要紧。可行的做法是分级标记。页脚给三档，无或几乎无（只做语法修正）、增强（做过文字编辑）、生成（例如翻译），悬停能看到具体模型和承担的角色，例「Claude Sonnet 4.5 润色了这篇」。
学术出版机构的口径可以当模板。单独开一节，写明工具名、用途、审阅程度、责任由谁承担。只查语法拼写标点，不必声明；工具动了句子结构或文本组织，必须声明。AI 不得列为作者。它列出的文献条目可能不正确或虚构，逐条核验之后才能进正文。
我的判断，用到增强这一档就在文末标一句，别含糊。这条只是个人取舍，不是行业共识。
常见问题
- 完全不用模型行吗。行，代价是慢。全用也行，前提是你接受文风不再归你。
- 盲评要多轮吗。一两轮够用，分歧大时你自己拍。
- 它挑的词真一句都不能用。挑着用会慢慢滑回代笔，纪律松一次就退一步。