思考的是誰？

Martin Fowler 上週發表了一篇文章，叫〈LLM Voice 〉。文章描述讀到疑似由 LLM 寫的文字時那種不舒服的感覺，並建議寫作者不要讓模型幫自己寫草稿。Hacker News 上的網友 大多同意。

這類文章我已經讀過很多篇了，證據每次都一樣：作者看得出來。AI 寫的文字平淡，又說不出哪裡怪，他們一眼就認得出來。我覺得這沒抓到重點，我也不想再寫一篇爭論 AI 寫作好不好的文章。這種文章已經夠多了。我想展示好的版本長什麼樣子，以及我怎麼用 AI 讓自己的寫作更好。

每頂假髮看起來都很假

如果你只注意到做得差的那些，每頂假髮看起來都很假。做得好的那些在街上和你擦身而過，你根本不會注意到。

Fowler 的文章就替我證明了這一點。他在一則註腳裡提到一篇文章：他知道那篇的初稿完全是 LLM 寫的，但在最終版本裡，他完全讀不出 AI 味。不過，那篇文章「還是需要一家大型期刊的專業編輯來整理」。他會知道這篇，只是因為有人告訴他。他也寫到，他「懷疑自己是否真能準確認出 AI 味」，因為有些讓他覺得刺耳的措辭，很可能只是世代差異，換句話說，是品味問題。

所以，他知道的那一個經過仔細編修的例子，過關了。他評斷的其他所有東西，都是被抓到的那些，也就是草率的那些。這說明了很多關於草率寫作的事，卻完全沒說明工具本身。

草率的寫作也不是新鮮事。把這些批評者丟進高中國文課看看。作文開頭先抄一段字典定義，結尾寫「總而言之」。沒有人會說那是好文章。但也沒有人會叫這些學生別再寫了，因為他們是初學者，寫得差是每個人的起點。很多被嘲笑的 AI 寫作也是一樣：是剛開始學一種新寫法的人。因為早期的作品不好就叫他們停下來，只代表他們永遠沒有機會進步。

兩個論點

Fowler 提出了兩個論點，那則註腳只回答了第一個。第一個是讀者的論點：這種文字讓我讀不下去。第二個是寫作者的論點，表面上看起來比較有道理。

「往往只有把東西寫下來，」他寫道，「我才能真正把對一個主題的想法理清楚。」寫作是他釐清自己想法的方式。如果你把寫作交給模型，你也就把思考交了出去，永遠不會真正理解自己寫的主題。所以，當他想像有一天 LLM 寫的文字和我們寫的再也分不出來時，他寫道：「在很多方面，那更令人擔憂。」目前，AI 味還能當作一種警示標籤。如果它消失了，你讀到的東西看起來像一個人在對你說話，背後卻沒有任何人的思考。

聽起來很對。但我認為它是錯的，理由有好幾個。

起草，就是出聲思考

Fowler 說他在寫下來之前，會先在腦子裡把字句說一遍。我也一樣，只是我是在早上散步時說出聲。大多數早上，我會帶狗出去散步，對著手機講半小時。有時候我在想一個點子，有時候只是隨口亂講。那就是我的內心獨白，用口述記下來。接著我把逐字稿交給模型，然後我們開始爭論。它會提問、找出反方論點、指出我還沒讀過的資料。我會反駁，再把方向拉回來。我的草稿，都是從這類對話裡生成的。

所以當 Fowler 叫寫作者不要讓模型寫草稿時，放在我的流程裡，意思就是：不要和夥伴一起出聲思考。對我來說，LLM 是我用過最好的思考工具。他重視的那種掙扎並沒有消失。它移到了對話裡，然後再移到編修裡。我之前在〈AI 原生寫作〉寫過這套流程。

編修是批評者想像錯的另一個環節。我不自己動手改稿。我讀草稿，說出哪裡不對，由 agent 來改。我常常否決它的修改，再否決下一個，直到有一個對了為止。有時候模型提出的句子比我的好，我就採用。要寫進去什麼，每一個決定都是我做的。判斷力從來不在鍵盤上。它在於讀到一個句子、知道它不對、也知道為什麼。這是編輯的工作，也正是 Fowler 在自己的註腳裡接受的那份工作。

這些事模型都不會自己做。放著不管，它就只是待在那裡，什麼也不產出。讓新東西出現的是對話，就像 DJ 用現有的唱片做出新東西一樣。沒有人會把一首好的混搭（mashup）和馬友友搞混，也不該搞混。它們是不同的技藝，兩者都有真正的價值。

例外就是規則

Fowler 也有例外。他的同事 Jim Highsmith 用 LLM 寫作，因為 Fowler 說，那對他「克服巴金森氏症的折磨」不可或缺，而 Fowler 為了繼續讀他的文章，接受了那股 AI 味。他也提到有些同事用 LLM 翻譯成英文。

我認為這些例外是對的，而且我不認為它們會一直這麼少。一旦你承認了這些例外，規則就不再是「作者應該自己把文字寫出來」。它變成一種成本效益的判斷，而每個人的成本都不一樣。有閱讀障礙的人有一種成本。點子很好、但寫作很差的人也有。寫得還可以、但寫得很慢，又有份工作的人也有。我就屬於最後這一種。自己一個字一個字寫實在太花時間，所以我以前從來沒有部落格。直到 LLM 讓寫作變得省時，我才開了這一個。

我看過資深程式設計師面對 AI 寫程式時的反應，和現在一些資深寫作者的反應一樣。一件事變簡單了，當年辛苦學會的人往往會捍衛舊的做法。我認為 Fowler 做的就是某種版本的這件事。他顯然是在公開地把事情想清楚，我也尊重這一點，但他的建議歸結起來，就是照他當年學寫作的方式去寫。

看結果

我更大膽的回答是：是誰做的思考並不重要。重要的是思考得好不好。

Fowler 的論點把價值放在作者的掙扎上。那是寫作者看待寫作的角度。讀者從我的掙扎裡什麼也得不到。他們得到的是想法，而一個想法不管從哪裡開始，一樣真實、一樣有用。鄧小平那句話在這裡適用：「不管黑貓白貓，能捉到老鼠就是好貓。」你讀報紙不是為了欣賞記者的工作過程。你讀報紙是為了知道發生了什麼事。

幾乎在所有其他地方，我們早就接受這件事了。沒有人會問執行長的致股東信是不是她自己寫的，也沒有人會問掛名在論文上的教授是不是每個實驗都親自做過。演講有撰稿人。回憶錄有代筆作家。程式碼一向都有 bug，都是人寫出來的，也沒有人因此認為人類應該別再寫程式。

我的名字出現在一篇文章上，代表我讀過每一句、我相信它，而且我會為它辯護。這就是我會給每個用 AI 寫作的人的測試：模型不在場的時候，你能不能為每一句話辯護？如果不能，那 Fowler 說的就是你。

Fowler 說對的地方

他說得沒錯：沒有編修過的產出，不該直接放到讀者面前。我和兩個朋友有一個群組。其中一個非常反 AI。我認為他的看法來自缺乏第一手經驗，加上大量的二手資訊。另一個很愛 AI，但用得很隨興，會把沒編修過的聊天紀錄直接貼進群組。對第一個朋友來說，這就是 AI 精神病。

我不介意那些聊天紀錄。我另一個朋友對自己用 AI 這件事毫不隱瞞，而我想知道他想表達什麼，所以我會快速掃過，再問他是什麼意思。在朋友之間，這樣大多行得通，雖然即使在朋友之間，也可能讓你失去一半的讀者。面對廣大的讀者，這就行不通了，而且從來都行不通。解決方法也沒有變。在乎結果。只要有那份在乎，用什麼工具應該都無所謂。

好的版本長什麼樣子

這是我的做法。

說出來。把自己思考一個點子的過程錄下來，要錄多久就錄多久。離題、岔開、自相矛盾都沒關係。沒有人會讀這段。

和它爭論。把逐字稿交給模型，問它你到底在說什麼、哪裡站不住腳、另一方會怎麼說。讓它反駁你。這篇文章裡有些最好的論點來自那段對話，有些則來自我否決了它提出的東西。

在對話中編修。用讀者的角度讀草稿。用簡短的指令說出哪裡不對：刪掉這段、這個說法太強了、這不是我的意思。一直否決修改，直到對了為止。編修的目標，是讓想法清楚地傳達出來，用你自己的聲音。

把破綻寫下來。這是我希望批評者會討論的步驟。每次你在草稿裡發現一個你討厭的習慣，就為它寫一條規則，把規則交給自動審稿人，也就是另一個模型，在你之前先讀過每一份草稿。

從破綻到規則

舉一個最近的例子。我的博學者檔案是一系列有趣人物的長篇側寫，由 agent 研究並起草。這些是寫給一個讀者看的：我自己。我挑我好奇的人，因為沒有人在寫我想讀的那種側寫，所以我自己生成。

這些草稿養成了一個習慣：資料來源之間只要有一點小出入，就要特別交代。Stafford Beer 那篇側寫說，他和第二任妻子結婚是「在 1968 或 1969 年（維基百科和 Leonard 的悼文說法不同）」，還說他放棄了「倫敦（或薩里）的房子」。每一個附註都準確、誠實，但合在一起，讓整篇文章讀不下去。

我希望這些側寫講的是一個人怎麼生活，而不是在稽核紀錄。所以我寫了一條規則：遇到小細節，就採用證據最充分的說法，或者取個概數，而且永遠不要在文中交代說法的分歧。現在，審稿模型會把這類附註標記為需要修正的地方。那篇側寫現在寫的是「1960 年代末」和「那棟大房子」，讀起來好多了。

另一條來自把這個部落格翻譯成繁體中文的過程。一位母語人士一再退回那些翻譯得沒錯的譯文，說它們很尬。每一次退件都變成一條具體的規則，說明是什麼讓它尬，而這些規則現在會在有人看到譯文之前，先引導每一篇翻譯。

這些規則沒有一條來自模型。每一個破綻都得先由我注意到。這也回答了對這種工作方式最好的反對意見：從模型的建議裡挑選，會慢慢把你的品味拉向它的品味。我的規則就是我的品味，寫在模型磨不掉的地方。

這篇文章是怎麼寫出來的

這篇文章一開始是一段半小時的語音備忘錄，錄於我讀到 Fowler 那篇文章的那天早上，遛狗的時候。接著是和 Claude 的一段長聊，我提出論點，它反駁，然後是一段我前面描述過的那種編修。原始的逐字稿很粗糙。有一段我說：「我可能沒講得很清楚。但這也正是我的重點。」語音轉文字把「Deng Xiaoping」（鄧小平）聽成了「dung Shopping」（大便購物）。從那樣的東西走到現在這樣，就是我說的那份功夫。

這個部落格上很多文章，我參與的成分少得多。博學者檔案和此路不通系列大多是生成的，只經過輕度編修。它們是實驗：我在打造幾乎不需要我投入就能寫作的流程，並且讓它們先寫得差，好讓我把它們變好。這只是一個部落格。沒有人付錢要我寫，有人讀就算我運氣好，所以這裡很適合拿來實驗。有些早期的文章比我希望的還要差。Stafford Beer 那條規則之所以存在，是因為我發表了一份有這個問題的草稿，讀了它，然後修正了整條流程，而不只是那篇文章。學會任何事都是這樣。你一開始做不好，注意到了，再修正。

Fowler 要求在他網站上發表的作者揭露自己怎麼使用 AI，部分原因是讓讀者學到哪些用法值得效法。這是一條好規則，而這就是我的揭露。

做加法

我身邊談論 AI 的人，很多都把重點放在把壞處降到最低。這值得做，但不是唯一值得做的事。你可以避開壞處，同時替好處留下空間，而這裡的好處很大。大多數人不擅長溝通。溝通是一種要花好幾年練的技能，而大多數人沒有時間投入。現在有了工具，能幫我們想清楚自己在想什麼、找出遺漏的地方，並且把話說清楚。這是好事。

我很高興 Fowler 寫了那篇文章。它讓我想清楚自己為什麼這麼強烈地不同意它。所以，我想請每一個自認認得出 AI 寫作的人：既然你能把那些破綻看得這麼清楚，就把它們寫下來。把每一個都變成別人用得上的規則。看出來，是最容易的部分。