这是一篇关于”写作者如何与 AI 相处”的实地调查。Every 的 Laura Entis 采访了五位职业写作者——《纽约时报》前科技记者 Kevin Roose、GitHub Next 的设计师 Maggie Appleton、记者 Alexandra Samuel、科技记者 Emilia David，以及 Every 首席执行官 Dan Shipper——问他们在写作的每个环节如何让 AI 进场，又在哪里划线。

（以下为好读摘要与评论，非全文翻译）

摘要：五套工作流，一个共识

研究环节，AI 是最好的助理。 Roose 用智能体自动转写 150 多场采访、提取关键细节、推荐新的采访对象，还把访谈、论文、书的章节扔进可检索的”外置大脑”，用来备战采访。Appleton 则让 AI 补研究缺口——“看看我在引用谁，我还该引用谁”——有一次竟让她重逢了一位大学时读过、却没看出与自己论点相关的人类学家。

构思环节，AI 是磨刀石。 Samuel 把脑内倾倒的转写稿丢给智能体，让它提问，逼出论证的缺口；David 微调了一个”读者视角”定制 GPT，站在目标读者的立场掂量选题，压住追热点的 FOMO。

结构环节，人必须自己来。 Appleton 用 AI 搭了写作画布来整理卡片，但叙事弧线和取舍仍靠自己：智能体没有和我们一样的品味。Roose 发现 AI 给结构提建议时糟得离谱，最后在办公室一面墙大的白板上，自己盘出了全书的叙事弧线。

写字环节，分歧最大。 Samuel 立下规矩，AI 不写她的一字一句；Roose 在作者注里划了一条铁律——研究、转写、核查可以用 AI，书里的文字一个词都不行。Dan Shipper 是例外：他公开用 AI 生成句子，再一轮轮接招改写，直到文字说出他想说的意思。

审稿和核查，AI 是便宜但有水分的劳动力。 Roose 组了一个”克劳德评审团”——实验室史学家、技术怀疑论者、安全研究员等六个智能体轮番审稿，返工的东西大半是注水货，但筛出的那一点真有用。Samuel 则用两个智能体交叉核查事实备忘录，有分歧时第三个进来裁决。

这篇文章的核心论点是：没有放之四海皆准的配方。同一种工具，让一个人想得更清楚，却让另一个人的文字变差。写作是把想法变清晰的个人劳动，AI 只是工具——而知道何时、如何用它，本身就是一门和写作一样需要练习的手艺。

Roose 的一句话值得记住：写书这一年，他对模型做研究和事实核查的信任上升了，对它们做结构、做技艺、做句子层面构建的信任，反而下降了。

好读评论

这篇最打动我的不是”怎么写提示词”，而是它无意中画出的一条线：AI 接管的是流程，人死守的是判断。 五个人里，没有一个人把”这篇在说什么、值不值得说”交给 AI——提纲、取舍、品味、最终的文字，都还攥在人手里。AI 干的是转写、检索、提醒、初筛这些体力活。

有意思的是，这恰好呼应了 Mollick 最近几篇一直在讲的东西：AI 的能力早已悬置在那儿，掉队的是人的用法。而”用法”在这里被具体化了——不是学更多提示词技巧，而是在自己的流程里一次次试探出”哪一步让文字变好、哪一步让它变差”，然后立下自己的规矩。

对中文写作者来说，Samuel 的”想象读者团”和 David 的”读者视角 GPT”是最值得偷走的两个点子：它们都不直接写字，而是逼你把”为谁而写”想清楚。而”为谁而写”一旦想清楚，AI 自然知道该站在哪儿。