当你用 LLM 撰写帖子时，你的“智力拉链”是开着的（2025）

原文 ↗ Hacker News 讨论 ↗

在诸如 LinkedIn 之类的平台上，使用大型语言模型起草帖子已越来越普遍，也因此引发了对真实性、可读性和智识诚实的担忧。许多评论者认为，未披露的 AI 生成文本相当于一种智力钓鱼或代笔，会侵蚀信任，并剥夺作者与读者在真实写作过程中产生的思考。也有人把 LLM 视为正当的“认知义肢”或翻译工具——尤其适合非母语者或日常沟通——前提是人类仍然要审阅、认可，并清楚区分机器辅助与机器委托式写作。

LLM 写作质量与“垃圾文”

  • 许多评论者认为，典型的 LLM 散文冗长、陈词滥调，而且风格高度同质化，尤其是在 LinkedIn 和企业邮件里。
  • 常见“破绽”包括：过度使用某些句式（例如“这不是 X，而是 Y”）、篇幅膨胀、泛泛的热情，以及扁平化、千篇一律的“平台腔”。
  • 有人认为，批评者在某种程度上就是希望 AI 输出很糟；也有人指出，AI 文本和图像确实在进步，表面上已经可以很“顺”，但内里仍然空洞。

真实性、披露与伦理

  • 强烈观点：把大部分由 LLM 写成的文本当作自己的作品，是一种误导，或是不署名的代笔；类似于对机器的抄袭。
  • 反对不披露使用 AI 的理由是：读者以为自己看到的是一个人的思考，实际上看到的却是模型模板加少量提示词。
  • 反方观点：工具就是工具；没人会特地说明自己用了拼写检查、Word 语法检查或自动补全。无论使用什么工具，作者都要对内容负责。
  • 有人主张区分“机器辅助”与“机器委托”式写作，并认为至少应高层次披露 LLM 的使用方式。

写作是思考，还是只是工具使用

  • 很多人强调，写作会迫使你澄清、串联，并有时改变自己的想法；把散文外包，也就外包了部分思考过程。
  • 也有人反驳说，并非所有写作都属于深度思考（例如例行邮件、状态更新），在这些场景里 AI 润色是务实的。
  • 一些人把 LLM 当作“认知义肢”（非母语者、有健康问题或注意力问题的人尤其如此），特别适用于官僚式或高焦虑沟通。

读者反应与平台效应

  • 许多人表示，只要闻到 LLM 的味道，就会立刻停止阅读；这传递出低投入和对读者时间的不尊重。
  • LinkedIn 反复被描述为被 AI 生成的“思想领袖”内容和个人品牌垃圾信息淹没，因而把认真的读者赶走。
  • 有人把这看作一种“读者的反抗”：有投入的读者更喜欢有缺陷但人味十足、语境丰富的写作，而不是光滑但空泛的 AI 文本。

可接受与边界模糊的用途

  • 普遍可接受：语法和清晰度修正、翻译、总结付费墙内或短暂性新闻（附链接）、内部笔记，以及纯功能性或低风险文本。
  • 有争议但仍在讨论：用 LLM 扩写详细提纲，或重写自己粗糙的初稿；对于这是否仍然破坏真实性，意见分歧很大。

未来走向与编程类比

  • 一派认为，随着 LLM 写作和编程能力提升，人类会在更高抽象层级上工作（提纲/规格说明），把散文和代码生成交给模型。
  • 另一派则认为，当前模型在理解和原创性上存在根本限制；下一词预测会把输出推向平均值、去个性化。
  • 担忧在于：如果不可检测的 LLM 写作和编程变得普遍，身份、信任以及可维护性（无论是散文还是代码）都会成为重大的长期问题。