教 AI 写出没有翻译腔的中文

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"

我第一反应是不太服，中文文章都是认真写过的，怎么就生硬了。结果回去重读了一遍，只能说人家讲得对，确实生硬。而且这种生硬跟语法错误、用词不当都不沾边，更难说清楚。每句话单看都没毛病，但整篇读下来不像中文博客，像英文博客的翻译稿。

翻译腔长什么样

随便挑一段早期的文章（我改写过，味道是一样的）：

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。

这句话语法一点毛病没有，意思也说清楚了，但你在微信上不会看到有人这么写。这种句子一般只出现在两个地方，翻译教材和大学论文。

拆开看，问题大概有三处。一是从句套从句，这是把英语的定语结构直接搬了过来。二是「在……的情况下」，一看就是英文的 without 翻出来的。三是先给抽象定义、再给例子，这是英文论文的写法。反正整句话读下来，一点不像活人在说话。

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。

内容一模一样，读起来完全是两回事。前面那段像维基百科，后面这段像朋友在饭桌上给你讲一件事。

换几个词救不回来

我一开始以为是用词的问题，把几个书面词换成口语词就行了。后来发现不是，毛病出在思路上，文章怎么搭、先说什么后说什么，这比用词还深一层。

英文写作走的是演绎的路子，先亮观点，再摆证据，最后总结。整篇文章像在做陈述，就是为了说服你，所以结论放最前面，再拿数据和逻辑一层层往上堆。

中文自媒体不走这个路子。它是归纳的，像绕着圈往里走，先给你看一个场景，等你有感觉了，再把道理点出来。它不直接告诉你什么是对的，就带你看一个东西，你看完自己就有了那个感觉。它靠的是共鸣，不是拿逻辑一层层推给你。

这两种写法没有谁好谁差，都能写出好东西。但你拿英文的架子去装中文的内容，出来就是不对味，读者说不出具体哪不对，可一下就能感觉到。

先去研究别人是怎么写的

搞清楚问题在哪以后，我认真研究了一圈公众号爆款是怎么写的，看的是半佛仙人、九边、卢克文、差评、虎嗅、36氪这几家。他们风格差得挺多，但有几个共同点很明显：

1. 开头绝对不会是 本文将分析……。半佛仙人用一句骚话把你钩住，九边直接丢一个违反直觉的判断，卢克文从历史故事讲起，差评一张截图加一句吐槽。没有谁会在第一段告诉你这篇要讨论什么，那是论文的写法。
2. 段落特别短。一句话一段是常事，两句就算长的了，三句以上那是在讲大道理。
3. 「但是」是最重要的词。好文章的节奏全靠转折。先给你一个判断，用「但是」打破它；再给一个更深的判断，用「问题是」再打破。一波三折，读者才不会看到一半走掉。
4. 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的话，比如「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」。读者分享一篇文章，很多时候图的就是它能让自己显得聪明，内容有没有用反而是次要的。

我把这些分析整理成了一份写作风格参考文档，写完一看有 435 行，后面所有的规则都是从这份文档里长出来的。

第一版规则没用，太抽象了

研究完，我马上往 AI 的指令里加了一堆规则，用短段落，语气要口语化，写得像跟朋友聊天。然后让它重写一篇，写出来一看，跟没加规则的时候几乎一模一样。

我想了想为什么。「语气要口语化」这种话，AI 根本没法照着做。就好比你跟一个从小只读法律文书的人说「你写轻松点」，他不知道轻松长什么样，因为他压根没见过。

AI 也是一样。它的训练数据里，新闻、百科、教材、翻译内容这些正式的中文，比口语化的自媒体文章多得多。你让它「说人话」，它写出来的人话还是翻译腔，因为那就是它见得最多的中文。

抽象规则「说人话」在生成时被 AI 丢掉、输出仍是翻译腔；具体到正则级的禁用词表才真正执行、写出原生中文。

真正管用的做法是具体到没有解释空间

后来我想明白了，规则得具体到 AI 一点自己发挥的余地都没有。照这个思路，我做了这么几样东西。

第一样是禁用词表。别跟它说「不要用学术语言」，直接列出来：

这个表一加进去，马上就见效了，因为它具体到了能拿正则去匹配的程度。AI 用不着理解什么叫口语化，看到左边那个词，换成右边那个就行。

第二样是 before/after 对比，就是让 AI 看同一个意思的两种写法，实际试下来这个最管用。

翻译腔的版本：

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。

公众号风格的版本：

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。

从这一对里，AI 能直接看到改了什么。单句成段了，「面临根本性挑战」变成了「说难听点，快走不下去了」，抽象的描述变成了对话。这种东西你拿规则讲半天都讲不清，摆一对例子它一下就看懂了。

第三样是结构模板。别说「用螺旋结构」，直接给步骤：

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

有了这个脚手架，它才知道第一段该干什么、第五段该干什么，不至于拿着「螺旋结构」四个字自己发挥。

第四样是口语化的刻度尺。我拉了一条频谱，两头都不要，要的是「聪明朋友在饭桌上聊天」那个度，也就是中间那个甜区，不端着，也不油：

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"

口语化是一把刻度尺，两头是论文腔和段子手，要的是正中间那个「甜区」。

最后还有一道校对关。上面这些规则就算全用上，第一稿还是会漏出翻译腔。所以写完以后一定要把全文扫一遍，搜 作为、之一、进行、综上、值得注意 这些词，看到一个改一个。然后整篇念出声，念着别扭的句子，写出来肯定也别扭。

这事比教 AI 写代码难多了

整个过程下来，我感受最深的是，教 AI 写出某种文化里特有的风格，比教它写代码难太多了。代码对就是对，错就是错，测试跑过就是过，lint 报错就去修，反馈又快又客观。写作风格不一样。「读起来像原生的」和「读起来像翻译的」差得很远，但到底差在哪，你很难说准。

翻译腔麻烦就麻烦在它没错。每句话语法都对，意思都准，语法检查器跑一遍能给满分。可毛病恰恰就在这，它不是语法问题，是文化 register 的问题。这种文字的路数像翻译教材，不像中文原生的东西，中文读者一秒就能感觉到，哪怕说不出具体哪里不对。

所以最后攒下来的经验大概是这么几条。「语气要口语化」这种抽象规则基本没用，AI 一到生成那一步就把它丢了，规则得具体到差不多能写成正则，AI 才照着做。例子比描述好用得多，同一个意思的两种写法摆在一起，它一眼就看得出差在哪。禁用词表是花力气最少、效果最大的一招，一张简单的替换表就能干掉八成的翻译腔。剩下的结构、节奏、语气，再一轮一轮慢慢磨。还有一点，风格不是一条指令就能修好的。研究、参考文档、写明白的规则、示例、结构模板、校对流程，这是一整条管线，你得把它搭起来，光拧一个开关不够。

风格修不了靠一个开关，得搭一条从研究爆款到校对关的多级管线，中文才能变原生。

对了，这篇本身也是走这条管线出来的。

---

This post is also available in English.