关于将 AI 作为写作助手

# 关于将 AI 作为写作助手 · Nina I. Shamsi 来源：https://ninashamsi.com/writing/i-am-a-bad-writer 写作 我是一个糟糕的作者，因为我在解释事物上是最差的。 2026·10·07·阅读约 9 分钟 假设有人想了解如何挑选最适合烘焙的苹果。我可能（在脑海中）将这种兴趣与苹果树的生长方式联系起来，如果奇迹般地让读者一路读到那里，我就会从苹果树的生长讲到农业，再讲到果园的栽培与养护。在我看来，我是在帮助读者形成某种具有韧性或可持续性的行为方式（"如果你对用苹果烘焙感兴趣，你可以自己种！"），但即便我自己对这些信息感兴趣，我也坦率承认，对别人来说，这些知识碎片充其量是风马牛不相及，最差则纯属胡言乱语。因此，我干脆认定自己是个糟糕的作者，也就从来没有分享过大部分的写作。于是，AI 出现了。 我非常喜欢 AI 作为写作助手，因为我觉得它让我能够将自己流动的思维过程倾注其中，再用提示词工程这瓶液氮将其急冻定型，并把我的文字整整齐齐地包装成一口一口的小块。诚然，我还不确定这个实验有多成功，因为我并没有多少接收反馈的渠道。整体上我有点不太满意 AI 辅助写作的成品，因为我觉得 AI 写出的文字往往很生硬（总觉得哪里味道不对），而且我觉得审阅和编辑的过程虽然捕捉到了我声音的某些侧面，却让成文比 AI 写作助手最初写出的版本更缺乏整体性。 随着越来越多的人使用 AI 写作助手，我很想知道他们使用这些工具的工作流程和方法，但我觉得至少可以先分享一下我自己的。需要说明的是，我了解关于使用 AI 的所有争议，同时也对驯服这类波动性强的新兴技术很感兴趣。我觉得在以不同方式使用它的过程中，我学到了更多关于它潜在问题的知识。 ## 流程 在开始写作之前，理想情况下，我喜欢先通过阅读或观看某些东西来获得灵感，通常与所写主题无关，或者是听听音乐。如果我特别缺乏灵感，可能会出去开车兜一圈。我的未发表作品要多得多，但在这篇文章里，我会用网上已发表的少量技术写作作为例子。 以下段落摘自我写的一篇关于深度伪造的文章，写作时没有使用任何 AI： > 内容认证的目标是在媒体中主动嵌入人类感官无法察觉的标记或图案，或者为追踪非 AI 生成媒体的来源制定一套方法论。区块链正在被用于来源追踪的探索，但可能速度缓慢且操作繁琐。与此同时，图案嵌入可以应用于非合成媒体以表明其真实性，或在合成媒体的生成过程中嵌入，以表明它是由 AI 产生的。传统的版权保护和认证技术往往容易受到神经网络的攻击，因此需要开发新的认证方法。某些认证方法会将元数据或凭证（可以小到 1 比特）嵌入媒体中，就像用于识别内容所有者、内容主题或生成方式的一把钥匙。最近的研究大多聚焦于利用神经网络的盲嵌入方法，而非半盲或非盲方法，因为盲方法在认证时不需要原始媒体。 以下段落摘自我在看医生时，通过 Telegram 机器人提示在我自托管服务器上运行的一组 agent 写出的一篇文章： > 身份与可信行为之间的区别由来已久。Google 2006 年的运营研究描述了将经过认证的域名身份与垃圾邮件分类和用户反馈相结合，以建立信誉体系。在那个历史数据集中，约 41% 的垃圾邮件已经过认证。身份识别提供了一个一致的实体，行为证据可以围绕它积累；仅凭认证并不能确定一封消息是被人需要的或安全的。这些先例支持将身份作为滥用响应系统的一部分，例如：验证权限、将事件与某个凭证或部署关联、协调调查，以及在有正当理由时撤销访问权限。即便一个系统不能阻止最初的入侵，它也可以通过缩短事件持续时间或限制事件蔓延来提供价值。对于 agent，工作组应研究现有机制可以提供上述哪些好处、身份被替换或被攻破会如何影响这些好处，以及它们会带来哪些隐私和访问成本。这些先例确立了值得测试的有效机制，但它们本身并不能证明需要一个新的机构。 我喜欢第二段摘录那种冷静克制的质感，因为这只是我个人对技术写作的偏好（并非所有人都能接受，这没问题），但我确实喜欢第一个例子中那种近乎临床却又不完全是临床的气质。 对许多人来说，这两个例子读起来可能完全一样，我认为从认知科学的角度来看，这非常有趣。我不知道该如何解释为什么它们在我眼里看起来不同。 作为一个沉迷流程的工程师，我始终在"忠实地写作"（无论这对不同的人来说意味着什么）与"为读者提供客观的技术信息"之间纠结。 ## 关于流程的细节 更好的作者——记住，我是个糟糕的作者——在写作时有自己组织内容的方法。没有 AI 帮我收住思路，我就是做不到。别人可能会自然而然地通过以下阶段来组织写作并坚持执行，但我需要 AI 提醒我遵守这些阶段，同时让我的写作助手保留以下工件以供使用和复现： 当我不是通过 Telegram 机器人进行提示时，我通过自建的定制工具来使用这一流程，大致结构如下： `` Custom HTML + JavaScript chat │ authenticated application requests ▼ Writing application backend sessions · briefs · source packs · profiles · document versions │ ├── LiteLLM Python SDK ─────────────────► model provider │ └── optional LiteLLM Proxy ─────────────► model provider `` 或者我使用 AI agent 编码工具的聊天界面，并辅以（通常是自建的）MCP 和 skills，包括以下内容（列举并不完整）： 下面我分享一个我可能用于 AI 辅助写作的示例仓库的结构大纲： `` ai-assisted-writing-workflow/ article.v1.md Saved reference draft brief.md Writing requirements and assumptions messages.json Available ordered inputs; explicit transcript gaps sources/ Frozen evidence and workflow instructions source-index.json Source identities, capture metadata, and hashes generation.json Observed runtime settings and declared unknowns environment.lock Recorded application and dependency versions tool-results.json External evidence/tool records with stated scope edits.patch Applied editorial changes; empty before review manifest.json Artifact inventory, versions, and hashes `` 我特别关注流程在不同会话间的可复现性，以确保并维护所收集证据的完整性，因此我希望可以（以 LiteLLM API 为例）对不同提供商的最新模型 API 控制以下参数： 对于这篇文章（就是你现在在读的这篇，你好），我用 AI 做了研究和表格信息的组织，但没有用它来写作。例如，我研究了早期模型 API 可以使用哪些控制参数（这些参数我没有亲自测试过）： 我开发的写作 agent skill 目前试图通过以下目标来实现可复现性，但我仍在努力将其塑造成我喜欢的样子： ## 总结 由于这篇文章主要是由我自己的 LLM（人类大脑）撰写的和组织的（题外话：我讨厌把心智等同于 LLM，因为我认为事情没那么简单，但我跑题了），这篇文章可能有点散乱。我仍在努力寻找一种适合我的 AI 辅助写作流程，能够产出稳定、可靠的输出。也就是说，我现在有了一个苹果园形状的东西，但它能产出各种烘焙苹果制品所需的优质原料吗？我不知道。待定（TBD）。