AI的寫作問題與協作技巧

【雙魚之論】
這也是我對於AI寫作的觀察。缺乏內容與諂媚，是最嚴重的，不過，整理的功夫還不錯。
在一般用途上，AI「協作」下的文章已經很好。此處強調「協作」是AI會誤解、惡用（此語可能有問題）、用語不精準等，甚至會出錯而變成「正經八百講廢話」的現象，所以人的事前（草稿）、事中（指定規格）、事後（調整與校正），變成非常關鍵。畢竟，要擔負文責的不可能是AI（哪一個硬體GPU？那一版次的LLM？甚至於，哪一間公司該負責？完全無法確認），要負文責的是人。人，才是作者。所以，AI的缺點，正好是人應該補足部分，甚至於是人的優點。
但未來會有改變與改善嗎？未來再說。

AI 生成的文章還有救嗎？    張文鈿FB 20250701

最近看到很多人反感 AI 文章，覺得 AI 感太重。最近看到兩篇關於 AI 寫作的好文，分享給大家來改善 AI 文章品質。

第一篇是 AI 研究員 Shreya Shankar 分享她和 LLM 協作寫作的心得，她先是列出 AI 寫作的 8 個 Anti-Patterns (反模式)：

AI 寫作常見問題

1. 空洞的總結句：像是「透過這些步驟，我們能達到更好的表現」看似在做結論，其實什麼也沒說。

2. 過度使用列表清單(Bullet points)：AI 超愛用列表，但當想法需要脈絡串連時，段落更合適，只有內容是各自獨立時才適合用清單

3. 句子節奏太平板：每句話都差不多長，像機器人。長短句交錯才能創造節奏感、引導注意力

4. 主詞不正確：例如「當主詞與句子的主要想法相符時，讀者會更容易被引導」 vs. 「選擇正確的主詞能讓寫作清晰且聚焦」這兩句話，後者好很多

5. 資訊密度太低：句子寫得漂亮，但缺乏具體內容和洞察

6. 模糊不清：缺少具體說明、提及概念卻不加定義，提出主張卻沒有證據，例如「一些專家說...」但沒說是哪些專家、什麼影響、對誰的工作。缺乏具體參考讓文字顯得空洞

7. 過度使用指示代詞：大量使用 this、that、these、those 卻沒有明確指涉對象，讓人搞不清在講什麼

8. 流暢但缺乏理解：聽起來正確但沒解釋任何東西，LLM 還可能會編造不存在的術語，特別是技術內容相關術語

不是所有「AI 感」寫法都不好，以下 6 種用得好其實不錯

1. 刻意重複：可以幫助澄清或強化複雜概念

2. 路標短語：「基本上」、「簡單來說」、「重點是」等等引導詞

3. 平行結構：組織相關想法，讓句子更好讀

4. 呼應結構的章節標題：標題可以幫助讀者預測接下來的內容

5. 宣告式開頭：只要後面有證據支撐就很有效

6. 破折號：適合插入說明細節、快速轉折或犀利的旁白——不會中斷句子，可以增加節奏和強調效果

作者的 LLM 寫作心法

寫作卡關的點因人而異，有人在規劃階段停滯，有人不確定如何將想法轉化為結構、有人初稿很快但修訂時卡住。建議找出你的瓶頸，將適量任務交給 AI 來重新獲得寫作動力。

作者的方式是這樣:

1. 先對模型說故事：把想法像對同事解釋一樣說出來，請 LLM 生成大綱

2. 要自己先寫初稿，再爛也要自己先寫。例如作者先寫了開頭但卡住了，後續讓 AI 幫忙生出多個版本，然後從中挑最好的來繼續改。

3. 針對性改寫：不要只說「重寫」，要給具體指示，作者推薦兩種修辭方式：第一招是把主詞跟動詞放更接近，並放在句子開頭，第二招是用 SWBST 結構：Somebody Wanted But So Then（某人想要什麼，但遇到障礙，所以採取行動，然後得到結果）

Shreya Shankar 認為，現在用 AI 來生成中等品質的文字很便宜，但搞清楚要說什麼、如何表達、何時深入探討，這些仍是困難的部分，這需要判斷力。在 LLM 生成文字的時代，好文章的標準是：內容的價值要和篇幅相稱，讀者要覺得閱讀時間花得值得！

--

原文連結放留言，另一篇 AI 寫作下集待續

AI 生成的文章還有救嗎？這是下集。

這篇由 Salesforce AI Research 發表的論文 "Can AI writing be salvaged?" 深入探討 AI 寫作的問題癥結，以及能否透過 AI 自身來改進。

研究團隊找來 18 位擁有寫作學位的專業作家，請他們認真批改 1057 篇由 GPT-4o、Claude-3.5-Sonnet、Llama-3.1-70b 生成的文章段落，最後收集了超過 8,000 筆細緻的編輯修改。

透過系統性分析，研究歸納出 AI 寫作的七大通病，突顯 AI 寫作的問題：

* 陳腔濫調(17%)：過度使用已經失去意義的老套老梗

* 冗餘廢話(18%)：明明一句話能講完，AI 硬要寫成三句

* 華而不實(10%)：過度華麗的詞藻，但其實什麼都沒說

* 句子結構糟糕(20%)：又臭又長的句子讓人讀不下去

* 缺乏細節(10%)：寫得太籠統，缺少具體和特定資訊

* 用詞尷尬(28%)：用字遣詞不自然，感覺生硬彆扭

* 時態不一致(5%)：過去式現在式混著用

有趣的是，這三個頂尖 AI 模型寫出來的文章品質都差不多

作家們給的平均分數都在 4.5 分左右(滿分 10 分)，顯示不同模型在寫作品質上並無顯著差異。

好消息是，AI 可以學會改進自己的文章！他們這樣實驗，先用 AI 偵測出文章的問題片段，然後針對每種問題類型用專門的 prompt 進行改寫，最後將改寫後的片段替換回原文。

結果還不錯，在 600 次偏好度評比中，雖然 AI 編輯後的版本仍比不上專業作家，但確實顯著比原來版本好很多。這證明了透過系統性編輯流程，反覆精煉確實能改善 LLM 的輸出品質。

我對論文提供的改進 prompt 也特別感興趣，研究團隊針對其中五種主要問題，設計了具體的改寫策略 (完整 prompt 請見論文附錄)：

- 陳腔濫調：重寫或直接刪除，保持句子簡短

- 冗餘內容：用更少的字重寫或刪除，避免重複和華麗裝飾

- 華而不實：改用簡單詞彙，減少形容詞、副詞和比喻

- 句子結構：拆分冗長句子，改善結構流暢度

- 缺乏細節：加入具體吸引人的細節，創造生動意象

不過，論文也指出，即使一開始明確要求 AI「避免陳腔濫調」，AI 還是會犯同樣的錯，這顯示這可能是模型訓練時就根深蒂固的問題。

總之，AI 寫作確實有救，但需要設計一套系統性的編輯流程，精準識別問題、針對性改寫，可以顯著提升 AI 生成內容的品質。

(paper 連結在留言)