AI时代的写作：是谱写，而不是打字

什么是作者?任何绝对的答案都不能令人满意,一部分是因为作者身份的概念在历史和不同文化中不断变化,另一部分是因为人们所理解的作者,会随艺术形式或媒介的不同而不同。每部电影都有导演和编剧,他们可能是同一个人,也可能不是,但同时也存在所谓的“作者电影”。在电视剧领域,showrunner(剧集主创)的分量早已变得很重,可要是问《Game of Thrones》(权力的游戏)这部剧的作者是谁,就很难定论:是原著小说作者George R. R. Martin,是showrunner David Benioff和D. B. Weiss,还是每一集的编剧或导演?电子游戏里也有类似的问题,有些游戏确实“有作者”(Monkey Island和Ron Gilbert的其他图形冒险游戏),但大多数情况下,我们要么毫无头绪,要么根本不知道该怎么套用这个范畴。

但是,有人会说,在文字的世界里,这个问题相对简单。我们起初假定,作者身份来自书写的物质劳动与构思文本的智力劳动之和。毫无疑问,大多数情况下确实如此。当学生、朋友或同事对我们说“这是我写的”并把文章拿给我们看时,我们默认他既构思了内容,也亲自打了字(或手写)。可是,不用费多大力气就能找到一大堆灰色地带。古代的哲学家和演说家常常把文字口述给奴隶,由奴隶誊写。可以想见,在很多情况下,这种誊写多少包含一些编辑,哪怕只是表面的,针对的是主人口述的内容。口述作为一种写作方式的传统当然从未消失。奴隶被秘书或配偶取代,比如María Kodama,她在博尔赫斯生命的最后阶段为他记录口述。这些抄写者当中,有多少人在文本的作者身份中扮演了重要角色?亚里士多德大概有多少次对他的奴隶说过:“好了,我要去和柏拉图喝一杯,你接着从那儿往下写,就按我老讲的,德性是一种习惯那套来”?

不过,即便承认这种可能性非常真实、在某些案例中也有记录,我们仍然主要把作者身份归于那个署名、为自己所想的文字担保的人。口述虽然不等于书写,但同样是一种身体活动,涉及声波这种看不见却真实存在的物质性。关于书写技术,已有一些有趣的研究,探讨比如从鹅毛笔到金属笔尖、再到打字机、再到文字处理软件的转变带来的影响。但没有哪次变革像我们现在经历的生成式人工智能这样剧烈,它是第一种似乎在所有层面上改变“写作”这一概念本身的技术。

能动性与作者身份

事到如今,再去定义“生成式人工智能”或“大语言模型”(LLM)似乎已经没什么必要,但有一个常见的误解确实值得拆解。把运行在ChatGPT、Claude 或Gemini这些友好界面背后的模型,说成只是预测下一个词的东西,即“随机鹦鹉”,是一种扭曲事实的简化。这就好比说:你的电脑所做的一切,不过是高速处理一堆0和1。从某种意义上说,虽然很不准确,但确实没错。

没有哪次变革像我们现在经历的生成式人工智能这样剧烈,它是第一种似乎在所有层面上改变“写作”这一概念本身的技术。

但这根本说明不了计算机实际在做什么。除非我们是在自己的电脑上运行小型本地模型,否则我们每天在线使用的生成式人工智能,即使是免费版,也动用了大量子系统和工具,让它们能够上网搜索、连接其他应用、对自己写的内容进行“推理”以作评估(当然,不是人类那种推理方式)、读取各种格式的文件、记住之前的交互,等等。如果我们还是通过Claude Code、Google Antigravity或OpenAI的Codex这类桌面应用来运行模型,那么它的能力范围几乎涵盖电脑能做的任何事。正如人们早就在说的,它们是“智能体”(agente),尽管在这个语境下,“agente”的定义并不是一目了然的。

Agente一词来自拉丁语动词agere,意为“做”,“行动”(acción)也由它派生;“作者”(autor)则来自auctor,它同样与auctoritas (某物的发起者并能为之负责者所具有的权威)有亲缘关系, 尽管如今这两个词之间的联系已不像过去那样显而易见。因此,写一篇文本就是去做它,也就是把它完成,但同时也是对它获得一种权威,而且是最字面、最不带隐喻意味的那种:能够说“这是我所主张的”。成为文本的能动者(agente),即生产它、执行它、赋予它物质或语言的形态,与在后一种意义上成为它的作者并不是一回事:作者是可以被追问,要为这篇文本所断言、所承诺或所暗示的内容负责的人。口述、委托或辅助的写作,总是让这两个维度之间产生张力,但在生成式AI之前,没有哪种技术把它们区分得如此清楚。

如今我们可以非常轻松地把整个写作过程,无论是物质层面还是构思层面,都委托给一项技术,而结果是一篇完全能够达到人类文本性最低要求的文本,多数时候还远不止于此。可以大胆地说,即便有那些众所周知的缺陷,它们写得也比绝大多数人好得多。而且现在已经不需要多么严谨或详尽的提示词了。没错,它们有一些恼人的习惯,滥用转折性句式(不是这个,而是那个),滥用长破折号和冒号之类的手法,而且总体上有些冗余,很快就让人觉得乏味。但这些缺陷在对写作缺乏兴趣或训练的人身上也并不少见,写作本就是一门难以精通的艺术,哪怕你并不想成为福楼拜或维吉尔。

如果我们属于那少数对写作有特别兴趣的人,仍然可以选择不使用人工智能(或至少不在写作上使用),在一个正不可阻挡地走向自动化的文本生态中,寻求人类和手工的独特性。毕竟,尽管我们日常使用的几乎所有物品都已工业化,手工艺集市和木匠手工打造的家具依然存在。但我们也可以像许多人正在做的那样,选择另一些路径和策略,利用这项技术的部分潜力,同时不放弃我们要为自己所写负责的想法。本文接下来要提出的,是一个用AI进行写作的思考与实践模型,它不会忽视这一点:无论逐字逐句的写作委托到什么程度,作者身份(在强意义上,即auctoritas的意义上)依然完全属于人类。

作为作曲家的作者

让我们回到文章开头。早在生成式AI出现之前,作者身份的定义就已随媒介而异。为了思考AI介入写作时的人机共同创作的运作方式,我们提出这样一个类比:作者就像作曲家,而且是一位像过去常有、现在仍然常有的那样,不仅创作乐谱、还亲自指挥乐团的作曲家。

在任何领域与AI合作,在很大程度上都意味着承担协调者的角色。就写作而言,这意味着我们不再亲手演奏每一件乐器,正如指挥不会亲自吹每一支长笛、拉每一把小提琴或敲每一面钹(尽管他确实必须了解每种乐器如何运作、发出什么声音)。说得具体一点,就是我们不会逐字逐句地写(也不会逐字口述),正如作曲家兼指挥不会亲自奏出每一个音。他的任务是写一份乐谱,分配各声部的职能,确定进入的时机,预想效果,并相信每位乐手知道自己该做什么,而无需逐个音符地告诉他们怎么演奏。在我们所提出的意义上,与LLM合作也是同样的逻辑:我们要求改写,生成变体,把扩写或压缩委托出去,并决定哪些内容能熬过最终的删减,但AI就像一位异常娴熟的乐手。它能稳妥地完成局部任务(调整一段话的衔接、变换用词、把我们只是略微暗示的推论说明白),但它没有、也不可能有超出这一具体任务的、属于自己的交流目的。文本的整体意图,以及我们在第一部分称为权威的东西,依然完全属于人类。由这种分工还可以得出一点,在那些较为危言耸听的争论中常被忽略:作者的责任不会因委托而被稀释,反而会加重。如果乐手弹错了一个音(一条凭空捏造的引文、一个编造的数据、一个听起来比实际更好的论点),这个错误就不只是乐器的错,也是指挥者的错。当作曲家兼指挥并不是少做,而是要为更多负责,甚至包括自己没有亲手敲下的部分。

由这种分工还可以得出一点,在那些较为危言耸听的争论中常被忽略:作者的责任不会因委托而被稀释,反而会加重。

但这种任务分配的前提是,指挥者清楚自己在说什么。只有对主题有掌握、有素养的人,才能把AI指挥好,才知道什么是无关紧要的,什么只是老生常谈,哪个细节其实才是关键。不是谁都能往乐团前面一站就开始指挥。恰恰相反,需要更多的判断力和更多的知识,才知道该向乐手要求什么,以及什么时候该对他演奏的东西保持怀疑。

出发点:宏观结构、相关性、材料与风格

语言学家Teun van Dijk提出了“宏观结构”的概念,用来说明(书面或口头的)文本可以通过一系列规则(“宏观规则”)加以概括,因此无论多长多复杂,总能浓缩成几个提炼出核心内容的命题。可以说,像作曲家那样写作,首先就是从界定我们想要写出的文本的宏观结构开始。

但对于人类交流(而每一篇文本在某种层面上都是交流性的)来说,一个清晰的想法从来不只是一个想法。它总是处在某个语境中的想法,是在特定情境下值得对某个人或许多人说的东西。这把我们引向另一个概念:文本的相关性。凭直觉我们可以说,一篇文本只要说出了某种突出的东西,在特定语境中变得重要,它就是相关的。

因此,在开始文本创作过程之前,我们需要的两个基本要素是:一份大致成形的、关于我想写的内容核心思想的框架(文本的宏观结构,其组织方式取决于我写的是说明文、议论文还是叙事文等),以及对我认为这篇文本在某个情境中何为相关的界定,这个情境可以较具体,也可以较宽泛,但在规划中绝不能省略。

接下来谈与AI互动的层面，还需要两个要素。首先是我希望模型在写作时能用到的材料。这打开了一个充满可能性的世界，却没有放之四海而皆准的建议，因为这在很大程度上取决于我要写的文本类型。如果我在写一篇主题极其specific的学术文章，就需要比较详细地给它上传资料（比如关于该主题的其他学术论文）；但如果写的是更为人熟知的内容（也就是说，有理由认为语言模型在训练中已经获得了足够的信息），这一步就可能没必要。我也可以上传一些文本，把它们的风格当作参考。和所有事情一样，这里有大量的试错。很多人曾以为，给ChatGPT或Claude喂的信息越多，它就越聪明，结果往往恰恰相反：模型会拼命想从我们给的所有东西里榨出点什么来，哪怕这些内容与具体情境毫不相关。

到目前为止，我们有了宏观结构、关于我要写的东西有何相关性的假设，以及材料。最后一个问题：风格。这里的变数取决于文本面向的领域，几乎无穷无尽：一端是为了表述清晰而彻底抹去个人风格（而“对谁清晰”又有许多变化：外行、专家，还是介于两者之间？），另一端则是追求一种属于自己的、可辨认的、手工打磨的声音。在后一种情况下，文本的任何部分都不可能交给别人去写。那就好比一位指挥家，非要在音乐会上亲自演奏独奏乐器。

写作与迭代

这一切在prompt里该如何表达？没有固定配方：prompt engineering（“提示工程”）已经过时了。比如，你可以把这篇文章贴给它，说你想复现这套方法，让模型向你提出相关的问题。或者，你也可以搭一个包含这四个组成部分的结构化prompt模板，每次往里填内容。大概像这样：

# 启动写作项目的PROMPT

## 宏观结构

（填写文本的核心观点）

## 语境中的相关性

（填写与我们所处语境相适应的相关性假设，详细列出语境中最重要的要素，以及文本对其中每一项的意义）

## 材料

（上传文件，必要时说明它们是什么、用来做什么）

## 风格

（填写总体方面，以及所要采用的语体的具体要求）

但在这个人类写作的新阶段，真正关键的并不是这些可以有很多种解法的细枝末节，而是在这样的环境里找到作者的位置。为此，我们需要这样来构想写作的规划：即便“一字一句”的书写过程已经交给别人，我们依然能对自己写下的东西负责。这在实践中意味着，我们分配给各项任务的时间会发生重大变化。当然，规划一直是写作的关键环节，从古代修辞学论著到去年的教材都这么说。但现在我们拥有了可以委托的可能，于是能在另一种尺度上思考这件事。

来看一个学术界的例子，不过它也可以移到其他领域。对于论文拖延的人，常见的建议是：行了，别想了，开始写吧，怎么顺手怎么写，别再多读文献，别再琢磨更多的关联。你就写；不然来不及，也永远开不了头。如今我们可以设想：如果一个博士生要在一年后交论文，他可以把计划详细排到倒数第二天，最后一天再逐章给模型下达一系列详细指令。写作几个小时就能完成。

当然，这并不准确，因为它忽略了必须考虑的校对和修改时间。这就像一位作曲家，把曲子写到了最后一把小提琴最轻微的pizzicato里每个音的力度，却直到首演当天才排练。文本创作在我们提到的四个层面上都是极其迭代的过程。这种修订仍将是我们的责任，也是我们auctoritas（权威）的最终来源。

没碰过乐器就当指挥的风险

AI几乎能用文字做任何事，并不意味着它能用想法做任何事。这里有一个有用的区分。由于被训练去预测最可能的内容，大型语言模型极其擅长表述那些强化稳定模式的想法。也就是说，它们非常善于在史蒂文·瑟洛（Steven Thurlow）所说的收敛性思维之内活动。另一方面，一旦涉足发散性思维，大型语言模型在结构上就显得乏力：当需要提出一个全新的假设、把论证引向未经探索的方向，或者重新定义一个问题时，模型的稳定与可靠就消失了。所以，我们不能把原创的假设、论证的转折、文本试图出人意料的那一刻（无论是靠一个比喻、一个想法还是节奏的转换）交给它们。

我们不能把原创的假设、论证的转折、文本试图出人意料的那一刻（无论是靠一个比喻、一个想法还是节奏的转换）交给它们。

如今的模型，是写作中最大公约数的绝佳体现，代表着可预期的、“正确”的东西（只要它们不胡编乱造）。这意味着它们提供了一个可以拿来对照的参照物。我们可以让它们写出心里所想的那一段，再读读它们写成了什么。那些让我们觉得平淡、泛泛或隔膜的地方，通过差异告诉我们：自己想说的东西到底在哪里。这并没有改变角色的分工。属于自己的声音依然是人的工作，只是现在有了一个以前不这么触手可及的比较对象。

此外，也不要忘了我们是在用什么作曲。如今使用最广的生成式AI应用，被外国的巨型企业（OpenAI、Google、Anthropic）掌控着，它们有自己的商业和地缘政治盘算。用它们来写作，哪怕是最小心谨慎的“乐团指挥”式用法，也意味着在某种程度上参与了这些公司改进模型、牟利和扩大影响力的不透明机制。这不是放弃辅助写作的理由，却是又一个理由：不要不经判断地委托，也不要对模型另一端是谁毫无意识。

最后，面向未来还剩下一个令人不适的问题，它与其说是技术性的，不如说是教育性的。这种模式如何与未来作曲家的培养共存？当一个人可以直接跳过一字一句写作这项缓慢而费力的工作，会发生什么？这种风险并非怀旧情绪。如果整整一代人从一开始就在委托中成长，未来的作家又凭什么自己的判断标准去评估AI交还给他们的东西？没摸过乐器就去指挥乐团，是一种文明层面的风险，对此我们还没有确切的答案。