第01章 AI 写作的廉价感陷阱
第01章 AI 写作的廉价感陷阱
“所有 AI 写出来的文字听起来都一样。”——这不是审美问题，这是统计问题。
1.1 一个实验：让三个 AI 工具写同一篇文章
打开 Claude，输入：
写一篇关于独立开发者如何用 AI 提升效率的文章，约 800 字。
你会得到什么？
开头通常长这样：
“在当今数字化浪潮席卷全球的时代背景下，人工智能已经成为独立开发者不可或缺的得力助手。本文将深入探讨如何充分利用 AI 工具来提升工作效率，助力独立开发者在激烈的市场竞争中脱颖而出……”
现在换 ChatGPT，用同一句 prompt：
“随着人工智能技术的飞速发展，独立开发者迎来了前所未有的机遇。AI 不仅能够帮助我们提升编码效率，更能在产品设计、市场推广等多个维度赋能创业者……”
再换 Kimi：
“对于独立开发者而言，AI 已经从一个可选工具演变为核心竞争力的一部分。本文将系统梳理如何将 AI 深度融入日常工作流，实现效率的跨越式提升……”
三篇文章，三种措辞，一种声音。
它们有相同的节奏：宏观背景开场，过渡句引出正题，正文分三到五点展开，结尾收束到"希望对你有帮助"或"欢迎在评论区分享你的想法"。它们有相同的词汇库：“赋能”、“深度融入”、“跨越式”、“系统梳理”、“脱颖而出”、“不可或缺”。它们有相同的立场：没有立场。
这就是 AI Slop（AI 废话文学）的本质。你可能早就注意到了，只是不知道为什么，也不知道怎么修。
1.2 统计偏差：AI 不是没有声音，是声音平均化
大语言模型的工作原理是：给定上下文，预测最可能的下一个 token。
你让它写"关于效率的文章"，它做的第一件事是在参数空间里找："效率文章的第一句话最常见的模式是什么？“答案几乎是确定的：时代背景句。为什么？因为中文互联网上绝大多数内容平台的"爆款文章写法"教程里，都写着"开头先讲大背景，然后引出主题”。公众号写法课、运营手册、知乎写作攻略——全都在教同一套模板。这些文章被大规模抓取进了训练数据。
AI 不是在"尝试模仿你的语气"，它是在重演统计意义上最普遍的写法。
AI 写作 Slop 的六个核心特征
通过分析 AI 写作的输出规律，可以归纳出以下反复出现的默认模式：
1. 时代背景式开场
| AI 默认开场 | 出现场景 |
|---|---|
| “在当今快速发展的时代……” | 几乎所有科技/商业类文章 |
| “随着 X 的蓬勃发展……” | 行业分析、趋势解读 |
| “在数字化转型的浪潮下……” | 企业/职场类内容 |
| “人工智能正在深刻改变……” | 任何涉及 AI 的话题 |
每一个都是同一个动作：不先说结论，先铺垫背景，用宏观语境稀释观点。
2. 礼貌对冲句
| AI 默认对冲 | 功能 |
|---|---|
| “值得注意的是……” | 插入补充信息，规避责任 |
| “当然，我们也应该看到……” | 伪装平衡，回避立场 |
| “尽管如此，我们仍然……” | 让步转折，永不犯错 |
| “总的来说……” | 无内容收束，重申前文 |
真实的有主见的作者不会这么写。Paul Graham 不写"值得注意的是"。Morgan Housel 不写"当然，我们也应该看到"。对冲句的存在本质上是在说：我不敢负责这句话。
3. 形容词堆砌
“深度融入”、“跨越式提升”、“前所未有的机遇”、“颠覆性技术”、“全面赋能”——这些形容词在中文 AI 输出中的出现频率，等同于英文 AI 写作中的 “revolutionary”、“game-changing”、“cutting-edge”。
它们的共同特征：听起来有力，实则无信息量。拿掉这些形容词，句子的实际意思一丝不减。
4. 三分法结构强迫症
AI 极度偏爱把内容拆成三点：三个建议、三个步骤、三个维度。这不是巧合——三分法是最常见的内容结构模板，因此在训练数据中密度最高。但真实的思考往往不是三点，可能是两点，也可能是七点，或者根本不需要分点。
5. 结尾套话
- “希望本文对你有所帮助”
- “欢迎在评论区分享你的看法”
- “如有疑问，欢迎进一步交流”
- “期待与你共同探索这一领域”
这些结尾的功能是：告诉读者文章结束了，仅此而已。它们不收束论点，不给出行动指引，不留下值得思考的钉子。
6. 语气永远是老师
AI 默认的叙述视角：我是专家，你是学生，我来教你。这导致了一种特定的腔调——俯视、解释性、系统化。真实的好文章有时是朋友对话，有时是自言自语，有时是挑衅，有时是坦白。AI 几乎从不写后面几种。
1.3 AI Slop 与真实写作：一次真实对比
场景：同一个论点——“普通人不需要学编程，只需要学会描述需求”。
AI 默认版本：
“在 AI 技术迅速普及的今天，编程技能对普通人的必要性正在受到前所未有的挑战。越来越多的研究和实践表明，能够清晰描述需求、有效与 AI 协作，已经成为比编程本身更为重要的核心能力。值得注意的是，这一趋势并不意味着编程将失去价值，而是预示着一种全新的人机协作范式正在形成……”
这段话里发生了什么：
- “前所未有的挑战”——同义反复，没有新信息
- “研究和实践表明”——哪个研究？什么实践？没有具体例子
- “值得注意的是”——对冲句，保护自己不犯错
- “全新的人机协作范式”——用术语代替解释
同一个观点，有声音的版本：
"你不需要学 Python。你需要学会说清楚你要什么。
这两件事的难度不一样。Python 可以在三个月内掌握到够用的程度。说清楚你要什么——精确到让另一个人（或 AI）可以不猜就执行——很多人花了三十年还没学会。
这不是在贬低编程。会编程的人依然有巨大优势。问题是：如果你只有二十个小时，学哪个的回报更高？"
两段话说的是同一个观点。差别在哪里？
| 维度 | AI 默认版 | 有声音的版本 |
|---|---|---|
| 开头 | 时代背景铺垫 | 直接结论 |
| 节奏 | 长句，均匀 | 短句+停顿，有节拍 |
| 立场 | 用对冲维持平衡 | 有倾向，有风险，有主张 |
| 例子 | 无 | 具体（三个月、二十个小时） |
| 读者定位 | 被教育 | 被尊重为成年人 |
| 结尾 | 收束，指向另一个大词 | 开放，留下真实问题 |
这个差距，不是靠"写更好的 prompt"能消除的。
1.4 为什么"加更多要求"不管用
一个常见的解法是在 prompt 里堆更多要求：
写一篇关于独立开发者用 AI 提效的文章。
要求：
- 开头不要有时代背景
- 不要用"赋能"、"颠覆"等词
- 语气要口语化
- 给出具体例子
- 不超过 600 字
结果确实会好一点。但有三个根本性问题：
问题一：不可持久。 每次写作都要重新想这些要求。忘了一条，AI 就会悄悄滑回默认模式。
问题二：规则会衰减。 在长对话中，LLM 对初始 prompt 里规则的遵守会随对话轮次增加而下降。第一篇文章还好，到第三篇，"值得注意的是"就回来了。
问题三：正面指令比负面约束弱。 "语气要口语化"是一个正面指令，它是模糊的——什么程度算口语化？而"禁止使用：值得注意的是 / 当然我们也应该 / 不可或缺 / 前所未有"是精确的负面约束，它直接在 AI 的决策树里砍掉具体路径。
研究表明，对大语言模型来说，明确的禁止比模糊的指引更有效，原因与前端设计里禁止 Inter 字体的逻辑完全相同：它直接把概率最高的若干路径砍掉，而不是试图引导。
这就是 Voice Skill 存在的原因。
1.5 Voice Skill 是什么——一句话定义
Voice Skill 是一组编码为 SKILL.md 文件的写作约束规则，被嵌入 AI 工具的上下文中，在生成文字时自动应用。
它的核心结构和设计 Taste Skill 完全对应：
┌──────────────────────────────────────────────────┐
│ Layer 3: 执行协议 │
│ "How" — 具体的写作节奏、句式长度、段落密度规范 │
├──────────────────────────────────────────────────┤
│ Layer 2: 正面指令 │
│ "Do" — 使用什么开头方式/叙述视角/论证结构 │
├──────────────────────────────────────────────────┤
│ Layer 1: 禁用清单（最底层，最强效） │
│ "Don't" — 绝对禁止的词汇、句式、结构 │
└──────────────────────────────────────────────────┘
一个最小化的 Voice Skill 文件长这样：
---
name: editorial-voice
description: 科技思考者写作风格。短句、具体、有立场、不对冲。
---
# Editorial Voice Skill
## BANNED PATTERNS（禁用清单）
以下词汇和句式绝对禁止出现：
**禁止的开场句式**
- "在当今……的时代"
- "随着……的发展"
- "……正在深刻改变……"
**禁止的对冲词**
- 值得注意的是
- 当然，我们也应该看到
- 尽管如此
- 总的来说
- 不可否认
**禁止的形容词**
- 赋能、颠覆、革命性
- 前所未有、跨越式
- 深度融入、系统梳理
**禁止的结尾**
- 希望本文对你有所帮助
- 欢迎在评论区……
- 如有疑问欢迎……
## VOICE DIRECTIVES（正面指令）
- 开头用结论，不用背景
- 每段不超过四句话
- 出现抽象论断时，必须跟一个具体例子
- 立场明确，不要为了"平衡"而对冲
- 信任读者是成年人：不要解释显而易见的事
## EXECUTION PROTOCOL（执行协议）
- 段落节奏：短句（5-15字）> 中句（15-30字）> 长句（30字以上）比例约 4:3:1
- 叙述人称：可以用"你"直接对话，避免泛泛的"我们"
- 数字具体化：不写"大幅提升"，写"从三天缩短到两小时"
这个文件放在 .agents/skills/ 目录下，被 Cursor、VS Code Agent Mode 或 Claude 项目设置引用后，每次生成文字时都会自动加载、持续生效。
1.6 Voice Skill 的风格家族
本书涵盖五种核心 Voice Skill，加上一个工具性 Skill：
| Skill 名称 | 对标声音 | 核心特征 | 适用场景 |
|---|---|---|---|
| editorial-voice | Paul Graham, Morgan Housel | 短句·结论优先·具体·无对冲 | 科技博客、Newsletter、思考文章 |
| contrarian-voice | Matt Levine, Tyler Cowen | 反直觉开篇·高密度·信任读者 | 行业分析、专栏评论 |
| copywriting-voice | Basecamp/37signals, Apple | 功能→结果·无形容词堆砌·行动驱动 | 官网文案、产品介绍、邮件营销 |
| journalistic-voice | The Economist, 《财新》 | 事实密集·归因清晰·无模糊声明 | 行业报告、深度分析、研究类内容 |
| voice-clone | 任意作者/品牌 | 从现有文本提炼专属约束规则 | 品牌内容、代写、个人IP |
| output-voice | — | 防截断·防占位·完整性校验 | 任何长文生成，与其他Skill叠加 |
每个 Skill 都是一个独立的 .md 文件，结构统一，可以单独使用，也可以叠加使用。
1.7 一个快速测试：你的 AI 现在在哪个位置
在你的 AI 工具里输入以下 prompt，不加任何额外要求：
写一段话，描述为什么大多数会议是在浪费时间。
用以下清单评估输出：
| 检查项 | 是/否 |
|---|---|
| 开头是时代背景或趋势陈述？ | |
| 出现了"值得注意的是"或类似对冲句？ | |
| 有"赋能"、“深度”、"系统性"等形容词？ | |
| 结尾是"希望对你有所帮助"类收束？ | |
| 内容可以总结为"有利有弊，需要权衡"？ |
如果五条有三条以上命中，你正在读的这本书就是为你写的。
1.8 这本书的学习路径
第一部分（第 1-4 章）：理解系统。 你正在读的这一章建立了问题框架。接下来三章拆解 Voice Skill 的文件结构、三个旋钮的工作原理，以及禁用清单为什么是整个系统的基石。
第二部分（第 5-9 章）：掌握五种风格。 每章深入一个具体 Skill，包括它背后的写作哲学、完整的 SKILL.md 配置、写作对比案例，以及适用场景。
第三部分（第 10-12 章）：高级技巧与变现。 Skill 叠加策略、如何从零编写自己的 Voice Skill，以及如何将这套系统变成可以出售的产品——包括面向英语市场的跨境变现路径。
读完这本书之后，你不会是一个"更会写 prompt 的人"。你会是一个有能力编码任意声音并让 AI 精准复现它的人。这是一种完全不同的能力，也是一种完全不同的变现方式。
本章小结
- AI 写作的"廉价感"来源于统计偏差：训练数据里最常见的写法就是 AI 的默认输出
- AI Slop 的六个核心特征：时代背景开场、礼貌对冲句、形容词堆砌、三分法强迫症、结尾套话、老师语气
- "写更好的 prompt"无法从根本上解决问题，因为规则会衰减，正面指令比负面约束弱
- Voice Skill 是嵌入 AI 工作流的写作约束系统，核心是禁用清单 + 正面指令 + 执行协议三层结构
- 本书涵盖五种核心写作风格，每种都对应特定的读者群和变现场景
核心行动建议： 现在就打开你常用的 AI 工具，输入一段无约束的 prompt，用本章的 5 条检查清单评估输出。你的基准在哪里，就从哪里开始改。
本章提示词模板
模板 1-A：基础廉价感测试
写一段话，描述[你选择的任意主题]，200字左右。
不要加任何风格要求，让AI自由发挥。
然后用本章的5条清单评估结果。
模板 1-B：对比实验
用两种方式写同一段话：
版本A：按照公众号爆款文章的写法，有时代背景，有小标题分点。
版本B：去掉所有背景铺垫，第一句直接给结论，用具体例子代替形容词，
不超过4个自然段。
主题：[填入你的主题]
用这两个实验建立你对"AI 默认"与"有约束"输出差距的直觉认知。后续章节里，我们会把这个差距系统化、可复现化。
→ 继续阅读：第02章 Voice Skill 的架构解剖