物界前沿Substack 的 AI 检测工具：透明化设计，还是信任博弈的起点？
Substack 导入 Pangram 检测工具，让读者能看见内容的 AI 生成比例。这个动作的直接意图是解决“AI 伪装”问题——当创作者用 AI 辅助写作却不标注，平台需要一种机制来重建信任。但作为一个天天和用户行为打交道的设计师，我更关心的是：这个工具一旦上线，会如何改变阅读交互的底层逻辑。
先说结论：Pangram 的价值不在“检测准确率”，而在“设计透明度”。 如果 Substack 只是把 AI 比例以数字或进度条塞进文章头部，那它和那些被用户跳过的“隐私声明”没区别。真正值得关注的，是交互框架如何让这个数据成为阅读决策的辅助，而非干扰。
动机拆解：为什么是“AI 比例”而不是“是否 AI”
Substack 在公告里说“真正的问题不是人工智能，而是人工智能生成内容被伪装”。这句话很关键——它放弃了非黑即白的判定（是/否 AI 生成），转而采用连续比例。从设计角度看，这更符合现实：大多数创作者会用 AI 辅助思路、润色、翻译，而非全盘生成。一个 20% AI 辅助率的文章和 80% 的，对读者的价值完全不同。
不过，比例的呈现方式会直接影响用户的解读。我做了个简单的交互方案对比：
| 呈现方式 | 用户解读假设 | 可能的问题 |
|---|---|---|
| 百分比数字（如“AI 辅助率 35%”） | 精确、客观 | 数字本身缺乏上下文，35% 是高风险还是低风险？ |
| 进度条/色阶（绿-黄-红） | 直观、情绪化 | 色彩阈值难以统一，创作者可能钻空子控制在绿色区 |
| 标签（如“AI 轻微辅助”） | 易理解，模糊 | 标签化会导致用户忽略细节，失去判断力 |
| 复合视图（数字+历史对比） | 提供参考系 | 增加认知负荷，用户可能直接跳过 |
从 UX 角度看，最平衡的方式可能是数字+分级标签，同时允许用户点击进入详情，看到具体哪些段落被 AI 标记。但 Substack 目前只公布了“导入”，未透露具体交互。我推测他们会采用类似“信用分”的视觉语言——圆环进度条，绿色到灰色渐变，点击后展开明细。
数据化的视觉语言：把“信任”做成可感知的指标
如果让我设计这个功能，我会把 AI 检测结果放在文章元数据区（标题下方、作者头像旁边），和阅读时长、评论数并列。原因有二：
- 位置决定认知权重：放在文章头部，用户扫一眼就能做“是否值得读”的决策。放在底部则变成事后确认，意义大打折扣。
- 信息密度控制：只显示一个数字（如“AI 辅助 22%”），用 加粗 和 小字号 与标题区分，避免喧宾夺主。
视觉上，颜色必须谨慎。红色代表危险，如果一篇观点文章被标注红色，用户可能直接跳过，即使它的 AI 辅助只用于语法检查。不同内容的 AI 用途差异很大，但用户不会去区分。设计的目标不是“惩罚”AI，而是“告知”。所以我倾向于用中性色梯度：从白色（0%）到深灰色（100%），同时用图标辅助——一个手写笔图标代表人类创作，一个机械臂图标代表 AI 辅助，比例混合显示。
配图这里插入：
这张图里的笔记本和笔，恰好隐喻了“创作过程”的痕迹。Pangram 检测的其实也是这种痕迹——AI 生成的语言模式相对平滑、缺乏人类书写中的“意外”和“瑕疵”。但问题是，工具只能检测文本特征，无法判断创作意图。一个创作者用 AI 写大纲，自己填充血肉，和另一个直接复制粘贴 AI 输出，在检测结果上可能都是“30% AI 辅助”。这给用户带来了新的困惑。
交互流程的优化空间：从“结果”到“过程”
当前框架是“发布后检测”，读写两端的交互都是单向的。但真正好的设计应该把检测点前置到创作流程中。比如：
- 在编辑器里实时显示当前段落的 AI 相似度，让创作者自己调整
- 提供“AI 引用说明”输入框，创作者可以标注哪些部分用了 AI、用了什么工具
- 读者端看到比例后，可以一键对比“AI 辅助版本”和“纯人类版本”（如果创作者有备份）
这些交互能显著降低“AI 伪装”的动机，同时把检测工具从“警察”变成“伴侣”。Substack 的平台属性决定了它不能只做黑盒检测，而要提供引导创作者透明化的工具链。