让 AI 写出中国人看得下去的中文

AI 学习中文写作

前阵子有个读者给我发消息：

"blog现在的中文版的阅读体验不是很好, 用语很生硬"

第一反应——不至于吧？中文文章都认真写过的。

回去重新读了一遍。读完了就沉默了。人家说得对。确实"生硬"。不是语法错误，不是用词不当。一种更微妙的问题：读起来不像中文博客，像英文博客的翻译稿。每句都对。整篇不对。

---

翻译腔长什么样

随便挑一段早期文章（改写过，味道一样）：

该系统的核心特征在于其能够在无需人类持续干预的情况下，独立执行一系列复杂任务。

你品品。语法没毛病吧？信息传达清楚吧？会在微信上看到有人这么写吗？不会。这种句子只出现在两个地方：翻译教材和大学论文。

问题出在哪？从句套从句，英语的定语结构硬搬过来。"在...的情况下"——典型英语 "without..." 的翻译痕迹。先说抽象定义，再给例子——英文论文的思路。没有一丝"人味"。

同样的意思，换个写法：

Agent和普通AI助手有什么区别？打个比方：AI助手像听话的员工——你说什么它干什么。Agent呢？更像靠谱的合伙人。你说"帮我把这个项目搞定"，它自己拆任务、自己干活、干完了还给你写个总结。

一样的内容。读起来完全是两回事。第一段像维基百科。第二段像朋友饭桌上跟你解释。

---

根子上的区别

一开始以为问题在用词——把几个书面词换成口语词就行。后来发现不是。问题在思维结构。

英文写作，思路是演绎的：先说观点，再摆证据，最后总结。写文章就像做陈述——要说服你，所以先亮结论，然后用数据和逻辑堆证明。

中文自媒体？思路是归纳的、螺旋的：先给你看一个场景，让你有感觉，然后点出道理。不是告诉你什么是对的，是带你看一个东西，看完你自己会觉得。

说白了——英文说服你靠逻辑。中文自媒体说服你靠共鸣。

不是哪个好哪个差。两种传统都能写出好东西。用英文的修辞结构写中文内容，出来的东西像筷子吃意面——能吃，总觉得哪里不对。

---

去研究"别人怎么写的"

搞清楚问题之后，做了一件可能有点蠢的事：研究公众号爆款文章怎么写的。

研究对象：半佛仙人、九边、卢克文、差评、虎嗅、36氪。

风格各异，有几个共同点。

开头绝对不会是"本文将分析..."。半佛仙人一句骚话把你钩住。九边直接丢一个违反直觉的判断。卢克文从历史故事开始讲。差评一张截图加一句吐槽。没有人第一段告诉你"这篇文章要讨论什么"——论文写法。

短段落，短到你不好意思。一句话一段？常规操作。两句话？算长了。三句话以上？在做重大论述。

"但是"是最重要的词。好文章的节奏全靠转折。给你一个判断，"但是"——打破它。再给一个更深的判断，"问题是"——再打破。一波三折，读者才不会走。

金句是社交货币。每篇爆款里都有一两句适合截图发朋友圈。不是信息量大，是说得漂亮。"速度就是护城河。""AI不是来抢你饭碗的，是来抢你饭碗里最好吃的那块肉的。"读者分享文章不是因为它有用，是分享这篇文章让他们显得聪明。

把这些分析整理成了一份 435 行的写作风格参考文档。

---

踩过的坑：抽象规则没用

搞完研究很兴奋，立刻给 AI 的指令加了一堆规则："用短段落""语气要口语化""写得像跟朋友聊天"。

让 AI 重新写一篇。写出来一看——跟没加规则一模一样。

为什么？"语气要口语化"不是可执行的指令。跟对一个从小只读法律文书的人说"你写轻松点"一样——根本不知道"轻松"长什么样。参考系里没有。

AI 的训练数据里，中文正式文本（新闻、百科、教材、翻译内容）占比远高于口语化自媒体文本。告诉它"说人话"，它的"人话"还是翻译腔，因为那就是它见过最多的中文。

---

真正管用的：具体到不能再具体

转折来了——想明白一件事：规则必须具体到 AI 没有解释空间。

禁用词表。别说"不要用学术语言"。直接列表：

这个表一加进去，效果立竿见影。正则匹配级别的具体。AI 不需要理解什么叫"口语化"，只需要看到"值得注意的是"替换成"有意思的是"。

Before/After 对比。最有效的是让 AI 看同一个意思的两种写法。

翻译腔："该公司的商业模式面临着一个根本性的挑战。随着AI Agent技术的普及，传统的SaaS订阅模式正在被按使用量计费的消费模式所取代。"

公众号风格："这家公司的商业模式，说难听点，快走不下去了。原因很简单：以前你卖SaaS，客户按月付费，管你用不用，钱照收。现在呢？客户说，我有Agent了，用多少付多少，不用就不付。"

AI 能看到这个变换——什么变了，为什么变了。单句成段、"说难听点"替换"面临根本性挑战"、用对话（"客户说..."）代替抽象描述。一个例子胜过十条规则。

结构模板。别说"用螺旋结构"。给具体步骤：

模板A：现象拆解
1. 钩子：反常识 or 场景代入（1段）
2. "你可能觉得...但其实..."（设反差）
3. 第一层：表面原因（场景+洞察）
4. "但这还不是最关键的"（转折加深）
5. 第二层：底层逻辑（场景+洞察）
6. "所以你看..."（回到读者的现实）
7. 金句收尾 or 行动建议

有了脚手架，AI 才知道往哪搭砖。

口语化的刻度尺。定义了一条频谱——不是论文，不是网络段子，是"聪明朋友在饭桌上聊天"：

论文 ←————— 甜区 —————→ 段子手
"基于上述分析"   "说白了"        "笑死，绷不住了"
"值得注意的是"   "这事儿有意思"    "家人们谁懂啊"
"综上所述"      "所以你看"       "绝绝子"

目标：甜区。不端着，也不油。

校对关。所有规则都到位，第一稿还是会漏翻译腔。加了一道强制校对：写完之后扫描全文，搜"作为""之一""进行""综上""值得注意"——看到一个杀一个。整篇读出声——读起来别扭的句子，写出来一定也别扭。

---

更深的一课

教 AI 写出文化特定风格的文字，比教它写代码难太多了。

代码有明确对错。测试跑过就是过，lint 报错就去修。反馈循环紧凑、客观。

写作风格？"感觉像原生的"和"感觉像翻译的"——差距巨大，很难精确描述。

翻译腔最阴险的地方在于它不是错的。每句话语法都对。信息传达都准确。语法检查器跑一遍，满分。问题恰恰在这：不是语法问题，是文化寄存器问题。文本模式匹配到"翻译教材"而不是"原生内容"，中文读者一秒就能感觉到，即使说不出哪里不对。

几个收获。抽象规则活不过生成。"语气口语化"不是规则，是愿望。规则要具体到正则表达式都能部分执行。例子比描述好用十倍。同一个意思的两种写法，教会 AI 的东西比任何关于"好中文"的论述都多。禁用词表是杠杆最高的干预。一张简单替换表干掉 80% 翻译腔。剩下的结构、节奏、语气，需要迭代。风格是一条管线，不是一个开关。没法用一条指令修好文化寄存器。需要研究、参考文档、显式规则、示例、结构模板、校对流程。一个系统，不是一个设定。

---

说到最后，这篇文章读起来像翻译稿还是正常中文博客——这个答案只有你能给。

This post is also available in English.