AI辅助写作，到底省不省事

被朋友安利了AI辅助写作，试试看到底好不好用。先说结论：值得买，但别指望它替你写。它适合把零散素材变成结构，不适合从空白页里凭空长出观点。适合咨询、报告、长文初稿，不适合完全没想法、只要一段漂亮话的人。

这周我刚上手 Claude，也翻了 Hacker News 上那篇「AI-assisted writing is common because writing is hard」。朋友丢来一堆类似文章，说现在海外讨论已经从「能不能用」转向「怎么才算认真用」。我正好手上有个客户快时尚数字化项目，要写一页给管理层的简报，就拿它当一次真实场景。

从行业趋势来看，写作并没有变简单，只是可发布文本变多了。对标海外案例，很多团队也不是让模型直接生成终稿，而是把素材、证据、框架先整理好，再让模型做结构压缩和表达改写。我这边试下来，这个判断挺准。

我先建了个小流程：把客户会议纪要、竞品截图、之前写的分析，全部丢进本地笔记，用混合检索找相关内容。混合检索说白了就是既按关键词找，也按语义找，不容易漏同义表达。再把检索结果喂给刚上手几天的 Claude，要求输出三层：事实、解释、建议。

这一步有点惊喜。界面里它很快把一堆会议记录归成「价格策略、履约时效、售后体验」三块，还顺手指出我原始材料里缺少用户留存数据。这个提醒挺像初级分析师，不惊艳，但能挡掉一些低级漏项。

但真正开始写正文，卡点就来了。第一版太圆滑，每个判断都带着「可能」「通常」「需要关注」，读起来像模板。我让它按咨询报告风格收束，它又显得用力过猛，动不动上「护城河」「第二曲线」。最后我不得不一遍遍改：删形容词，补事实，限制它不能引入没给过的数据。

更麻烦的是来源。AI很擅长把不同段落的话缝起来，缝完就像它自己想的。我让它总结素材里一个观点时，它把学生写作、非英语母语科研、生物医学论文几类案例混在一个段落里。单独看顺，放回原素材一查，归属就乱了。后来我改成每个结论后面标一个内部编号，才勉强压住。

有人说学生以为 AI 是捷径，其实 AI 辅助写作要求更多思考。

我同意，而且不止学生。做咨询也一样。模型可以帮你快，但它不会替你判断什么重要。以前写报告，难在从零搭结构；现在难在怎么不让结构被平均化。你给它十段素材，它很容易给你一段「什么都说了，又什么都没说」的摘要。

优点是效率。我原本预计半天的简报初稿，大概两个小时出框架，四个小时能到可讨论状态。省的是机械劳动：归类、改句、检查逻辑断裂。缺点也明显：它会偷懒，会把不确定写成确定，会过度顺滑地抹掉粗糙但真实的细节。如果不给它验收标准，最后只是生成一篇更像文章的文章。

我后来加了个 agent harness 的思路，不是聊天，而是流程：先输入验收标准，再列证据，再出提纲，再逐段生成，末尾用另一模型做反方审稿。agent harness 可以理解为给 AI 套一个流程脚手架。这样比单纯对话稳，漏项少很多。

适合谁：有素材、有框架、需要把复杂信息整理成表达的人。不适合谁：期待一句话生成完整原创观点的人。也不适合把 AI 输出直接署名的场景，至少在我这个咨询语境里不行。

一句话总结：AI辅助写作不是把写作变简单，而是把写作从「打字」变成「验收」。

---

📌 本文编译自 Hacker News，原文：https://greyenlightenment.com/2026/08/24/ai-assisted-writing-is-common-because-writing-is-hard/

版权归原作者所有，本文为基于公开报道的编译与独立分析。