Why You Should Almost Never Use AI to Write Anything Substantive
编译摘要
1. 浓缩
核心结论1（作者明确主张）：对研究报告、备忘录、深思熟虑的邮件等实质性文本，写作本身是思考、检验证据和修正论证的过程；把起草交给 AI 会绕开这部分认知工作。
关键证据：〈The Writing Process Is the Thinking Process〉中，作者引用 Paul Graham 与 Clara Collier，指出把提纲变成句子和段落会暴露论证空洞、矛盾和研究不足；作者据此主张写作迫使人把证据、考虑和论证整体放入脑中（raw lines 31–55）。
关键证据：〈AI Writing Is Vague and Wrong in Hard-to-Notice Ways〉中，作者逐项拆解 AI 对 AI 芯片走私的示例，指出“compact”“sprawling global supply chains”等表述与真实机制、数量、时间范围和概念精度不匹配；脚注还记录了即使提供会议全文、示例和受众背景，AI 仍会引入模糊与错误（raw lines 57–115、footnote 7）。
核心结论3（作者明确主张）：未披露的 AI 起草会破坏读者对“作者确实思考过且文本代表其判断”的隐含契约；因此 AI 更适合研究辅助、转录、分析、检索、头脑风暴、反馈和人工逐项采纳的编辑，而不是代写完整实质性文本。
关键证据：〈Writing with AI (and Not Labeling It as Such) Is Rude and Misleading〉把读者注意力与作者思考投入视为交换契约；〈Aren’t There Exceptions?〉允许明确标注的局部 AI 输出、翻译和短的协调性邮件，但仍认为完整实质性文本通常不值得外包（raw lines 117–149）。
2. 质疑
关于“写作即思考”的质疑：这是作者和所引访谈者的经验性论证，不是对所有写作任务的实验定律。公式化、低风险、主要用于协调的短文本可能不需要同等深度的认知投入；若人类先完成充分思考、再对 AI 输出逐句重写，边界也会移动。
关于错误密度的质疑：AI 芯片走私段落是作者熟悉领域中的单次示例，且作者承认自己也曾低估预测规模；它能说明“专家容易发现模型输出的细微失真”，不能单独估计 AI 文本的普遍错误率。
关于读者契约的质疑：透明披露是否必然使文本“不值得读”取决于场景、作者声誉、文本目的和读者对 AI 的容忍度。作者的规范性判断不能替代不同组织对披露、责任和质量的制度设计。