我最近越来越怀疑，我们判断“一个人会不会写”的标准，可能有一大半都放错了地方。

结构完整、句子漂亮、会留白、会反转、会把一句话正反各说一遍，这些当然都是写作能力。但它们有一个共同特点：都能被观察、总结、训练，最后变成方法。

这也是为什么“看起来很深刻”其实很容易批量生产。只要把抽象词放进去，再制造一点矛盾，句子立刻就有味道。可你继续追问一句：什么情况下成立？反例是什么？为什么是这个判断？很多东西就开始塌。

Gilbert Ryle 很早就讨论过 knowing-that 和 knowing-how 的区别。他举过棋手的例子：一个高手可以把规则、战术、诀窍全告诉另一个人，对方依然可能不会下好棋。写作其实也有类似的问题。知道什么叫首尾呼应，和知道为什么这里需要首尾呼应，不是一回事。

2018 年 Myhill、Lines 和 Jones 研究 model text 时也提醒，范文可以是脚手架，但如果只学表面形式，它也会变成 straitjacket。真正重要的是理解语言选择和 rhetorical purpose 的关系。

AI 把这个老问题放大了。2025 年 PNAS 的研究发现，即使模型已经非常流畅，它们的语法和 rhetorical style 仍然有系统性模式；同年的 EMNLP 研究对 400 多位真实作者、超过 4 万次生成做评估，也发现模型更容易模仿结构化写作，对博客、论坛这种隐性的个人风格反而更难。

所以我现在越来越在乎的，不是“这句话漂不漂亮”，而是它能不能经得住追问。

这个判断从哪里来？碰到反例会不会改？作者到底接触过什么现实，才会在这里做这个选择？

AI 可以越来越擅长生成“会写的样子”。但一篇文章真正有价值的地方，可能恰好是那些很难被压缩成写作技巧的判断。

#AI #写作 #人工智能 #内容创作 #个人表达
#AI写作 #写作思考 #独立判断 #写作教育 #人类经验