让 AI 写出中国人看得下去的中文

AI 学习中文写作

被读者打脸了

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"

我当时第一反应是——不至于吧？我的中文文章都认真写过的。

然后我回去重新读了一遍。

读完我就沉默了。人家说得对。这些文章确实"生硬"。不是语法错误，不是用词不当，而是一种更微妙的问题：它们读起来不像中文博客，像英文博客的翻译稿。

每一句话都是对的。但整篇文章就是不对。

翻译腔长什么样

我随便挑一段早期文章（改写过，但味道一样）：

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。

你品品这句话。语法没毛病吧？信息传达清楚吧？

但你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。

它的问题出在哪？

• 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。第二段像朋友在饭桌上跟你解释。

根子上的区别

我一开始以为问题出在用词——把几个书面词换成口语词就行了。

后来发现不是。问题出在思维结构。

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——我要说服你，所以我先亮结论，然后用数据和逻辑堆证明。

中文自媒体呢？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。不是我告诉你什么是对的，而是我带你看一个东西，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。

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

去研究"别人怎么写的"

搞清楚问题之后，我做了一件可能有点蠢的事：去研究公众号爆款文章是怎么写的。

研究对象：半佛仙人、九边、卢克文、差评、虎嗅、36氪。

这些人风格各异，但有几个共同点：

1. 开头绝对不会是"本文将分析..."

半佛仙人会用一句骚话把你钩住。九边直接丢一个违反直觉的判断。卢克文从一个历史故事开始讲。差评用一张截图加一句吐槽。

没有人会在第一段告诉你"这篇文章要讨论什么"——那是论文的写法。

2. 短段落，短到你不好意思

一句话一段？常规操作。

两句话？已经算长了。

三句话以上？那是在做重大论述。

3. "但是"是最重要的词

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

4. 金句是社交货币

每篇爆款里都有那么一两句话，适合截图发朋友圈。不是因为信息量大，而是因为说得漂亮。"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，而是因为分享这篇文章让他们显得聪明。

我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，我很兴奋，立刻给 AI 的指令加上了一堆规则：

• "用短段落"
• "语气要口语化"
• "写得像跟朋友聊天"

然后让 AI 重新写一篇文章。

写出来一看——跟没加规则一模一样。

为什么？因为"语气要口语化"不是一条可执行的指令。这就像你跟一个从小只读法律文书的人说"你写轻松点"——他根本不知道"轻松"长什么样。他的参考系里没有这个东西。

AI 的训练数据里，中文正式文本（新闻、百科、教材、翻译内容）的占比远高于口语化自媒体文本。你告诉它"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——我后来想明白一件事：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。为什么？因为它是正则匹配级别的具体。AI 不需要理解什么叫"口语化"，它只需要看到"值得注意的是"就替换成"有意思的是"。

Before/After 对比

最有效的方法是让 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、用比喻（"旱涝保收"→"看天吃饭"）把概念变成画面。

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

我定义了一条频谱——不是论文，也不是网络段子，而是**"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，但也不油。

校对关

即使所有规则都到位，第一稿还是会漏出翻译腔。所以我加了一道强制校对：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。然后整篇读出声——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。

代码有明确的对错。测试跑过了就是过了，lint 报错了就去修。反馈循环紧凑、客观。

但写作风格？"感觉像原生的"和"感觉像翻译的"——这个差距巨大，但很难精确描述。

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。你用语法检查器跑一遍，满分。但问题恰恰在这：它不是语法问题，是文化寄存器问题。文本模式匹配到了"翻译教材"而不是"原生内容"，中文读者一秒就能感觉到，即使他们说不出哪里不对。

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。 一张简单的替换表干掉了 80% 的翻译腔。剩下的结构、节奏、语气，都需要迭代。

风格是一条管线，不是一个开关。 你没法用一条指令修好文化寄存器。你需要研究、参考文档、显式规则、示例、结构模板、校对流程。这是一个系统，不是一个设定。

你现在读的就是考试

这篇文章本身就是测试用例。

一篇关于如何写好中文的文章，如果读起来还是像翻译的英文——那这个系统就失败了。

你觉得呢？读到这里，它像翻译稿，还是像一篇正常的中文博客？

这个答案只有你能给。

This post is also available in English.