让 AI 写出，
我宁愿发的那一版。
一个产品经理给自己（只有自己）做的中文长文写作工具。难的不是让 AI 写，是把 AI 味压下去、把判断保住。 下面让 pipeline 跑一遍——同一段题材，看 writer 和 critic 怎么逐轮把一篇看着挺像样的 AI 初稿，逼成我会发的版本。
巴耶杜帕尔的这场选举，与其说是一次理性的抉择，不如说是一场关于符号的角逐。在信息过载的时代，选民很难真正穿透候选人精心构建的形象，去触及其治理能力的实质——他们最终选择的，往往是那个更能承载自己焦虑与期待的叙事。当然，我们或许不应简单地苛责选民的非理性，因为在制度性信任普遍流失的背景下，这种选择自有其逻辑。更值得深思的是，当一个民主体制亲手把权力交给一个可能侵蚀它的人，它暴露的，正是民主自身那个古老而深刻的悖论。这或许是一个没有标准答案的问题，但它值得每一个关心这片土地的人，持续追问下去。
没几个选民拿得到这些底。验不了实质，就只能挑行头。最挺的那身西装赢。那件从没穿过的军装赢。
⋯⋯
看看他的偶像们：藤森一九九二年直接解散了秘鲁国会；布克莱带着兵走进萨尔瓦多立法会，坐上议长的椅子，低头祈祷，说这是上帝的意思；米莱举着电锯竞选，那电锯是用来锯国家的。这些招式土得掉渣，可你不得不承认，它们好使。
⋯⋯
他会不会去搬，我不画问号。这套东西扛不扛得住，我才画问号。
目标不是模仿我，是写出比我更好、我会真心欣赏的那一版。
我写不顺。成篇的原创长文产能一直低，稳定出稿的只有拉美旅行写作这一条线。找 AI 搭手，新麻烦又来了—— 它写出来的东西 AI 味太重：导览腔、升华结尾、套路连接词、用力过猛的金句。
这些稿子要上我的公众号，要让真朋友愿意读完。AI 味，或者编造一个我没亲见的事实，会直接把可信度和我自己的声音一起毁掉。 所以这个工具的北极星很简单：同一个题材，它的版本能不能让我宁愿发它，而不是我自己写的那篇。不是骗过某个 AI 检测器。
砸掉自己设计的系统
THE DEMOLITION第一版我做大了。三层架构、8 个 skill 加 5 个 sub-agent、还有 hook 和向量库——审计里按「13 组件」算这笔账。 做完我换了个身份：让 AI 扮一个严苛的 AI PM 面试官，只评产品判断、不评写作，把设计、流程、计划、三轮 critic、终稿全审一遍。
写作品味 A，产品架构判断 C——用 multi-agent 复杂度，掩盖一篇文章都没做出版本的事实。
最戳人的一条：critic 抓到的 4 个问题（招牌句式频次、概念边界、对比方向、反例深度），和我自己抓的 5 个 （编造事实、自夸、AI 味、导览句、概念失败），两张单子几乎不重叠。审计一句话戳穿了原因—— LLM 模仿者天然抓不到 AI 味，因为它自己就是 AI 味的来源。
我没 git reset，也没 force push。v0 留在仓库里，顶上加一个 ARCHIVED 框，当反面教材。 13 个组件里只活下来一个设计：Thesis Gate——说什么还没定就开始风格化，是本末倒置。
用例子，不用 schema
EXAMPLES ≫ RULESv0 我想把风格写成一份 5 维 JSON schema——词汇、句法、修辞、人格、格式，逐项填满。补到后面才看清这是打地鼠： 堵一个洞，漏出三个。风格的核心是没法拆成字段的判断，schema 永远补不完。
MVP 换了个法子：一份我手写的 markdown 备忘录，加 5 篇我真写过的拉美行记当 few-shot，每次随机抽 2 篇喂给 writer。 LLM 是模式学习者，不是符号推理器——给它看我怎么写，比给它一串规则管用，实测大概差三四倍。
不要止步于模仿我，也不要极尽贴近这份备忘录。在我的判断与品味之上，写出比我自己更好、我会真心欣赏的版本。
这份备忘录不是一面静态的镜子，是个正在校准的品味目标。每写一篇我手动加一两条，不靠 AI 自动 diff 学习—— 一篇满意的成品都还没有，飞轮没有可转的东西。
AI 味到底是什么
WHAT AI SLOP IS动手前我做了一轮调研（三个并行 agent，覆盖中英文的机制、检测、实践、和怀疑视角）。本质是： AI 味不是词汇问题，是概率问题。LLM 每一步都在挑「最可能的下一个词」，写出来的，是把所有人写过的东西取了个平均—— 最稳、最周全、最不得罪人的那一版。检测器（GPTZero、Originality、Turnitin）把这件事量化成两个数：perplexity（文本多可预测，AI 太好猜）、 burstiness（句子节奏多起伏，人忽长忽短、机器齐平）。RLHF 再加一层：打分的人偏爱「清楚、周到、显得到位」， 于是模型学会用导览腔、排比、破折号、四平八稳的对仗，把「安全」演成「深刻」。
所以那些 tell——delve、破折号、「与其说不如说」、「没有标准答案」——不是七个毛病，是一个病根的七种表症： 模型在求稳、在讨好，不在下判断。上面 stage-1 那段「体面的空洞」最难治，正因为它没有病句，只是不敢判断。
改写文本，去骗过 GPTZero / Originality 的 AI 评分。
跟检测器的军备竞赛——它们 v3/v4 一直在追；何况北极星错了：骗过机器 ≠ 我宁愿发。
把可疑词逐个拉黑、全局替换。
纯词汇层是打地鼠：删一个词，换一种 tell，清单永远补不完（v0 voice DNA 同款陷阱）。
喂模型几篇你真写过的东西，让它学你怎么写。
我在这派——但加了别人没有的两样：一个会扫「体面的空洞」那层残留的 critic，和一条「我宁愿发它」的验收线（不是检测分）。
有意思的是，我和检测器只在诊断上一致、在裁判上分道：它说低 burstiness = AI，对—— 所以我的 writer 把「长短句交替」当硬约束；但它拿检测分当判决，我拿「Rick 会不会贴到公众号」当判决。 治 AI 味的北极星：不是骗过机器，是写出我自己愿意签名的那一版。
把 AI 味做成可扫描的清单
THE SCAN我的解法落在第三派，但拆成两层、各加一道扫描。第一层是通用的中文 AI 腔，critic 逐类扫、命中即标原句：
但更对症的是第二层。我真正的毛病不是通用套话，是金句口癖——为了对仗，去找个判断填进去。 所以 critic 逐句扫所有对仗，分三档：
判断从场景挤出来，对仗是顺带的结果。留。
可疑，像在「做 Rick」，修辞自觉偏高。标出。
为风格而风格，贴到哪篇都行的普适格言。砍。
再加一条配额：一篇只够 1–2 记真甩尾，押给 A 类，C 类狠删。还有一条反直觉的——正向约束比负向有效： 「用确定的陈述」比「别 hedging」管用得多。
一篇真稿，v4 到 v5 只做减法
WORKED EXAMPLE这套东西第一次用在真稿上。升级后的 critic 扫 draft-v4，诊断挺意外：三个 hard floor 全干净——没编造、没自夸、没通用 AI 味， 结尾落在「军装」这个物象上，节奏也健康。真症状是另一个，太像我自己。于是 v5 一个字没加，只做减法，四处：
米莱举着电锯竞选，那电锯是用来锯国家的。
v5米莱举着电锯竞选。
藤森 / 布克莱 / 米莱三例都是具体事实，留；删掉的是为俏皮去补的那记甩尾。
一个被对方从头到脚骂过一轮的人，把这口气咽下去，去给骂她的人抬轿。
v5（整句删除）
瓦伦西亚倒戈的事实前一句已说清，这记是为反讽上的一道修辞。
问了一个好问题——也许是这整个国家里最该问的那个。
v5问了一个好问题。
「最该问的那个」是自抬的小 flourish；§7「投了错的答案」已是承重落点。
我没有答案。硬凑一个，是又一种偷懒。
v5原样保留。
诚实的不收口，不是提前认怂。这记 critic 没动，我也不动。
判断都立住了；砍掉电锯补刀，同一道缝别在三段各甩一记漂亮话。
我推翻了自己写进计划的推荐
THE RETRACTION调研里有一条很硬的结论：LLM 给自己的输出挑风格毛病，有约 64.5% 的盲区—— 它自己就是 AI 味的源头，自评约等于演戏。破法是换一个模型来批评。我在计划里白纸黑字写下： 跨模型是最高杠杆，critic 改用 DeepSeek，证据最强、还省钱。
然后我没直接信自己。在同一篇 draft-v4 上跑了一组 A/B：Opus 一版 critic，DeepSeek-v4-pro 一版 critic。 DeepSeek 确实加了新角度，但它在中文文学校准上误判——把承重句判成该砍： 「最挺的西装赢／没穿过的军装赢」「我不画问号／我才画问号」，正是全篇最该留的两记。
所以 critic 定回 Opus，DeepSeek 降成偶尔的第二意见。我撤回了自己在计划里写下的那条推荐。 跨模型破自盲的理论收益，被它在中文文学批评上误砍承重句的实测代价抵消了。证据打败了直觉——包括我自己的直觉。
一条把自己否掉两次的时间线
TIMELINE- v0 05-21
我先把它做大了
「个人长文写作系统」v0：Claude Code plugin，三层架构，按三体裁差异化，Critic Council 同 persona 跑三遍，外加学习飞轮、MCP 向量库。审计后来按「13 组件」算这笔账。
- 压测 05-22 ~ 23
跑通全链路，也跑出第一个警讯
用最严苛的档，写一篇训练集没直接覆盖的题材，验过拟合。链路跑通了。
战争故事 ↘
writer 自报招牌句式用了 6 次，critic 一数实际 10 次。作者自审不可靠——频次这种东西得让 critic 来数、加硬约束，不能信生成器自己报的数。
- 砸 v0 05-23
换个身份，把自己的设计判了 C
让 AI 扮一个严苛的 AI PM 面试官，只评产品判断、不评写作，审 spec / 流程 / 计划 / 三轮 critic / 终稿。判 severity 4/5，13 组件砍到 3，只留 Thesis Gate。
战争故事 ↘
审计还翻出两件事：writer 曾给一篇稿编造 5 处私人家族细节；给 critic 成句的替换模板，会让 writer 机械套句式绕过 voice。从此 critic 只给改写方向，不给可以照抄的句子。
- MVP 06-03 ~ 04
重启，严格照计划落地不加料
单 writer skill + 单 critic subagent + 我手写的 voice memo + 5 篇真行记 few-shot（每次随机抽 2 篇）。计划里写了一条守则：不要因为「想做点新东西」就加组件。
- 真稿 06-04 ~ 06
第一篇真文章，暴露真症状
哥伦比亚大选《巴耶杜帕尔的回响》v1 跑到 v5。三个 hard floor 全干净，真毛病是另一个——太像我自己。
战争故事 ↘
critic-v3 给了一句我后来一直记着的话：这不是 voice，这是 voice 的肌肉记忆。招牌对仗用顺了手，就成了口癖。
- 降AI味 06-06
把 AI 味做成可逐句扫描的东西
critic 升级：抽象的「AI 味」拆成可扫描的中文 tell 清单 + 金句 earned-vs-cosplay 逐句分档 + 配额。writer 端同步加 burstiness、挖深单例、物象收尾。
- 定案 06-06
跑一组 A/B，把自己的推荐推翻
我在计划里写过「critic 改用 DeepSeek 是最高杠杆」。在 draft-v4 上跑 Opus vs DeepSeek-v4-pro 两版 critic 一比——DeepSeek 误砍承重句。critic 定回 Opus，我撤回自己写下的那条推荐。
怎么算它成了
THE BAR我给它定了一个唯一判据——不是 voice_score，不是 severity，不是「pipeline 跑通」这些好算的代理指标。 是 critic 的反馈，和人评（我自评 + 一个真朋友评）的重合度。
达标，才考虑加组件；不达标，回去重做 critic，或者干脆停。下面这些我都刻意没做—— 每一个都能讲通，但对一个只有我自己用的工具（N=1），它们是工程上的过度反应：
现在的状态
STATUS这个项目最值钱的不是代码。是一条把自己否掉两次的记录——一次砸掉自己设计的系统，一次推翻自己写下的推荐。 对一个 AI 产品经理，这两下比多做几个组件更说明问题。
仓库 writing_pipeline 含未发表的个人写作，和这份对自己的审计，暂不公开。