■重點摘要
AI 文章最討人厭的地方，往往出在作者整個不見了：每段一樣工整、對稱句太多、每節硬收一句漂亮結論，換個名詞整篇還能成立。這篇從我自己被老婆吐槽
AI 味的經驗出發，聊我怎麼把 AI 放在整理、驗算、校稿與流程自動化，而把立場、經驗與最後判斷留在自己手上。
■本篇能獲得什麼觀點或學習
分清楚「使用工具」和「把思考外包」的差別，學會辨認制式 AI 文的常見特徵，也能建立一套比較實際的 AI 協作流程：先有人話、案例與判斷，再讓工具做整理；最後反過來檢查，讓文章保留作者的脾氣、生活與不完美。
■前言
最近「AI 文」幾乎變成一種罵人的形容詞。文章只要太工整、對稱句太多，很多人還沒看內容就先關掉。我自己也被老婆吐槽過，看到某些句型會覺得很有機器味。可是我每天工作又真的大量使用
AI，從字幕、校稿、資料整理到自動化都離不開它。這篇想談的就是這個矛盾：工具可以很強，作者還是要在。速度可以交給機器，立場、查核和最後發布責任仍得自己扛。我也不追求每一篇都像完美作文，反而會保留個人經驗、限制條件和有點不工整的語氣。讀者要看的終究是作者怎麼判斷，不是模型排版有多漂亮。這個順序我會一直保留，也會每篇重新檢查。
■大綱
1. 我老婆一看就問：這是不是 AI 寫的？
2. AI 味最重的時候，是作者整個消失
3. 工具進步從來沒有等人同意
4. 沒有想法，叫 AI 生五千字只會更空
5. 我把 AI 當編輯，不當代筆人格
6. 先做風格規則，再做 AI 感反查
7. 真正要保留的是作者的判斷痕跡
8. 未來難辨識，反而更需要對內容負責
9. AI 最適合接手的是「重複」，不是「責任」
10. 數字愈多，愈不能把查核一起自動化掉
11. 把自己的修改紀錄留下來，風格才會愈來愈像本人
12. 有些不完美我反而會故意留下
13. 我會用三個問題做最後人工驗收
■關鍵字
#AI寫作 #自媒體 #ChatGPT #寫作風格 #AI感 #內容創作 #工作流程
#Codex
■完整內文
我老婆一看就問：這是不是 AI 寫的？
我老婆非常討厭那種一眼就看得出來的 AI 文。有時候我拿一段整理好的文章給她看，她先不管內容，第一句就問：「這是不是 AI 做的？」那個眼神大概就是「你又偷懶了喔」。我覺得滿好笑，但也不能說她完全沒道理。
現在網路上真的很多固定句型。「不是 A，而是 B」、「不只是 A，更是 B」、「真正重要的不是什麼，而是什麼」，一篇裡面連續出現好幾次，再加上每一節都整整齊齊三段，最後硬收一句漂亮金句，讀久了自然會疲乏。
我自己也不喜歡這種文章。問題是，我討厭的是制式，不是工具。就像一把刀切出來的菜不好吃，我不會因此回去用石頭切菜。我會先問：到底是哪個步驟把人味洗掉了？
AI 味最重的時候，是作者整個消失
我現在判斷 AI 感，有一個很簡單的方法：把作者名字拿掉，再把 ETF 名稱、公司名稱和幾個數字換掉，整篇還是不是照樣成立？如果答案是「完全可以」，那篇文章多半太像模板。
真人寫東西通常會留下很多不完美但有辨識度的東西。你會知道他為什麼突然想到這題，哪個地方讓他覺得怪，哪個數字讓他不舒服，甚至會有一句沒那麼漂亮、可是很像本人會講的話。這些東西才是讀者追一個作者的理由。
AI 最容易做掉的，就是把這些毛邊全部磨平。每一段都很有道理，卻看不出誰在講。這種「正確但可替換」的文章，我覺得才是最重的 AI 味。
工具進步從來沒有等人同意
我以前念工程，對工具進步這件事其實滿習慣的。機械加工從手作一路走到 CNC，畫圖從手繪到電腦，計算從算盤、計算機到 Excel、VBA。沒有人會因為工程師用電腦，就說這個零件不夠認真。
我小時候還看過 DOS、倚天系統那個年代的電腦，現在用 Excel 算一張表幾秒就完成。如果有人堅持每一格都要手算，當然可以，那是他的選擇；但我不會把「比較慢」等同「比較有誠意」。
寫作也會走同一條路。語音轉文字、錯字修正、資料整理、格式轉換、標題版本比較，這些大量重複工作交給工具很合理。省下來的時間，我寧可拿去想這篇到底要說什麼。
沒有想法，叫 AI 生五千字只會更空
最容易得到罐頭文的做法，就是丟一句「幫我寫五千字」然後什麼都不給。AI 不知道你今天為什麼想寫，也不知道你遇過什麼事情，只能從平均值裡組一篇看起來像文章的東西。它可能很順，可是順得像旅館走廊，哪一間都差不多。
我自己的流程通常反過來。我會先有題目，有時候先錄音，有時候丟一段很亂的筆記。裡面要有我的立場、案例、數字、我卡住的地方。這些原料不漂亮沒關係，甚至有錯字也沒關係。
接下來才讓 AI 幫我整理長句、找重複、檢查前後邏輯、把表格算一次。作者先把「為什麼」交出來，工具才有東西可以整理。前面是空的，後面再會排版都只是更漂亮的空。
我把 AI 當編輯，不當代筆人格
我比較喜歡把 AI 想成一個很能做雜事的編輯。它可以幫我把逐字稿拆開、把同一段講三次的地方抓出來、把數字重新驗算，也可以幫我做 Word、PPT、字幕、封面流程。這些事情如果全部手工，我一天大概不用做別的了。
可是最後的立場還是我來決定。比如一個投資回測看起來很漂亮，我到底信不信？哪個風險要提醒？這個案例對我的生活有沒有用？這些判斷不能因為
AI 句子寫得很漂亮就交出去。
甚至有時候 AI 把文章改得太漂亮，我反而會叫它改回來。真人說話本來就不會每一段都像演講稿。留一點停頓、吐槽和不那麼工整的轉折，讀者才知道這不是客服機器人。
先做風格規則，再做 AI 感反查
後來我乾脆把自己以前寫過的大量文章拿來整理，做成一套威利寫作風格規則。重點也不在叫模型背我的口頭禪，而是去看我習慣怎麼想：會從生活問題開始、會算一筆帳、會承認方法有代價，也常把漂亮數學拉回「人到底做不做得到」。
另外我又做一套 AI 感檢核。對稱句太多、段落長得一樣、每節硬收結論、抽象詞堆太多，都會被扣分。寫完再反查一次，看到哪裡太像模板，就把那一段重做。
這個流程已經改過很多版。我覺得有趣的地方是，AI 不只可以拿來生成，也可以拿來抓自己生成的壞習慣。工具彼此制衡，最後留下來的才比較像人。
真正要保留的是作者的判斷痕跡
自媒體做久了，我越來越覺得讀者不是缺資訊。網路上同一個 ETF、同一個新聞、同一個研究，幾分鐘就能找到一大堆。真正稀缺的是「你怎麼看」。
你為什麼在意這個風險？你以前踩過什麼雷？同一個數字你跟別人解讀哪裡不一樣？有沒有哪個地方你其實也不確定？這些判斷痕跡愈清楚，文章愈不容易被任何模型直接替換。
所以我不追求完全看不出 AI。我比較在意的是，看完之後讀者能不能知道這個作者在想什麼。工具可以把字修好，不能替作者活過那些經驗。
未來難辨識，反而更需要對內容負責
模型只會越來越好，以後光靠句型去猜「這是不是 AI」一定愈來愈難。到那個時候，我覺得判斷標準反而會回到很老派的東西：內容有沒有用、資料有沒有核對、作者願不願意為自己的判斷負責。
我甚至開玩笑說，哪天我不在了，只要 Codex 的錢還有繳，搞不好帳號還能照樣發文。玩笑歸玩笑，它也提醒我一件事：外表模仿得再像，真正的作者責任不能自動續費。
AI 是趨勢，我不會假裝它不存在；但使用 AI 也不是把腦袋交出去。能把重複工作變快很好，省下來的時間應該拿去做更難的事——想清楚、查清楚、講出自己的判斷。
AI 最適合接手的是「重複」，不是「責任」
我現在的內容製作流程裡，其實到處都是 AI。從語音轉文字、文字校對、逐字稿整理成文章，到去重、風格檢查、互動題與節目資訊整理，都可以先讓工具處理重複性工作，再由我做最後判斷。這些如果每一個都從零人工複製貼上，很容易把時間耗在機械工作。
所以我很樂意讓 AI 做重複。檔名整理、欄位轉換、格式檢查、錯字候選、同一段重複了幾次，這些它通常比人有耐心。人留在最後，判斷要不要改、數字對不對、語氣是不是我真的會說。
我覺得這種分工比較健康。速度是工具的優勢，責任是作者不能丟掉的工作。兩個都要，文章才不會只剩漂亮外殼。
數字愈多，愈不能把查核一起自動化掉
財經內容特別麻煩，因為一句數字錯了，後面整段推論可能一起歪掉。AI 很會把數字排得像真的，也很會在沒有資料時補一個看起來合理的答案。這種地方我反而更保守。
我的做法通常是讓模型幫我重新算一次，但同時保留原始來源。ETF 代號、日期、百分比、配息、回測期間，只要是可以查的資料，就要能回頭找到根。模型算的結果和原表不一致，就先停下來找原因，不會因為句子寫得順就放過。
創作工具愈強，查核責任其實愈重。以前手寫很慢，錯誤也慢慢產生；現在一分鐘可以生十頁，錯誤同樣可以一分鐘複製十頁。速度提高後，最後那道人工閘門更重要。
把自己的修改紀錄留下來，風格才會愈來愈像本人
我做風格 Skill 不是一次定稿。每次我看完文章覺得「這句太 AI」、「這個標題我不會這樣寫」、「這段又在重複」，就把差異留下來。久了之後，規則不只知道我喜歡什麼，也知道我討厭什麼。
這件事很像工程除錯。只看最後成功版本，常常學不到為什麼；把修改前後放在一起，才能找到模型最常犯的錯。字幕字典也是同樣概念，誤聽修正累積久了，下次就能少踩一次。
我覺得個人化 AI 真正有價值的地方就在這裡。真正的個人化不只會喊你名字，它還要逐漸知道你怎麼判斷、哪種句子你會刪、哪些風險你一定會提醒。
有些不完美我反而會故意留下
真人講話不會每句都像作文比賽。會有「我覺得」、會突然想到一個例子、會自嘲，也會承認這裡我還沒研究完。AI 很容易把這些全部修成乾淨、均勻、四平八穩。
但內容創作如果完全沒有毛邊，讀者反而很難建立信任。因為真實判斷常常帶著限制：「這個我只看過這段資料」、「這裡我沒有完整對帳單」、「這個結果只在目前樣本成立」。這些句子沒有氣勢，卻很重要。
所以我現在不怕文章有一點不完美。我怕的是它完美到誰都可以署名。讓工具把錯誤修掉就好，不必把作者也一起磨掉。
我會用三個問題做最後人工驗收
文章整理完，我最後會自己問三題。第一，這個觀點真的是我同意的嗎？第二，數字和名詞我能不能找到來源？第三，熟悉我的人把名字遮掉，還看得出來這是我會講的話嗎？三題只要有一題答不出來，我就不會直接發。
這個人工驗收沒有很高科技，甚至有點土。可是它剛好補上 AI 最容易偷懶的地方。模型可以同時生成很多版本，卻不知道哪個版本符合我的人生經驗；它能把資料整理得很像研究報告，也不會替我承擔寫錯後讀者拿去做決策的後果。
我反而覺得未來作者的價值會更集中在這裡。大家都有工具，差別不再是誰打字比較快，而是誰願意把內容看完、把不確定講清楚，最後對自己按下發布的那一刻負責。
而且這件事會直接影響讀者信任。文章偶爾寫慢一點、少發一篇，我覺得都還能接受；如果為了產量把自己也沒看過的內容丟出去，最後錯的是作者名字，不是那個模型。對我來說，能不能在按下發布前完整讀一遍、願意刪掉自己也說不清楚的句子，這個動作比任何去
AI 技巧都更重要。這也是我現在固定保留的最後一道人工關卡。
■文章後習題與思考
1. 一篇文章最容易產生「AI 味」的原因是什麼？
2. 為什麼作者先提供立場、案例與數字，再讓 AI 整理會比較有效？
3. AI 適合替自媒體創作者處理哪些工作？
4. 為什麼「完全看不出 AI」不該是唯一品質標準？
5. 用 AI 寫作時，作者最不能外包的是什麼？
■參考解答
1. 模板化、過度工整且作者判斷消失，讓文章換掉名詞仍可成立。
2. 因為工具有具體原料可以整理，不必從平均語料猜作者想法。
3. 重複性高的整理、校稿、驗算、格式轉換、流程自動化等工作。
4. 模型會進步，形式辨識愈來愈難，內容價值、查核與責任更重要。
5. 立場、經驗脈絡、風險判斷與最後是否採用內容的責任。
■延伸閱讀
Podcast收聽入口|社群入口|節目目錄: https://cutt.ly/AwesomeMoney
威利財經角YouTube
發表文章
0 留言