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的，中文文章都是认真写过的，怎么就生硬了。结果回去重新读了一遍，只能说人家讲得对，确实生硬。而且这个生硬不是语法错误，也不是用词不当，是一种更微妙的东西。每句话单看都没毛病，但整篇读下来不像一个中文博客，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。
这句话语法没有任何毛病，信息也传达清楚了，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。
拆开看的话，问题大概有三层。从句套从句，这是英语的定语结构直接搬过来的。「在……的情况下」是典型的英文 without 翻出来的痕迹。先给抽象定义、再给例子，这是英文论文的展开方式。反正整句话没有一点活人说话的感觉。
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。
内容完全一样，读感完全是两回事。前面那段像维基百科，后面这段像朋友在饭桌上给你解释一个东西。
换几个词救不回来
我一开始以为这是个用词问题，把几个书面词换成口语词就行了。后来发现不是，问题出在思维结构上，比用词深一层。
英文写作的思路是演绎式的：先亮观点，再摆证据，最后总结。整篇文章像在做一个陈述，目的是说服你，所以结论放最前面，然后用数据和逻辑一层层往上堆。
中文自媒体不是这个路子。它的思路是归纳式的、螺旋式的：先给你看一个场景，让你有感觉了，再把道理点出来。它不直接告诉你什么是对的，它带你看一个东西，看完你自己会得出那个感觉，靠的是共鸣，不是靠逻辑一层层推给你。
这两种传统没有谁好谁差，都能写出好东西。但拿英文的修辞结构去装中文的内容，出来的东西就是不对味，读者说不出具体哪里不对，但一下就能感觉到。
先去研究别人是怎么写的
搞清楚问题之后，我去认真研究了一圈公众号爆款文章是怎么写的。研究对象是半佛仙人、九边、卢克文、差评、虎嗅、36氪这几家。他们风格差别挺大，但有几个共同点很明显：
- 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。没有任何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。 - 段落非常短。一句话一段是常规操作，两句话算长的，三句话以上就是在做重大论述了。
- 「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，读者才不会中途走掉。
- 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不是因为它有用，是分享它能让自己显得聪明。
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
有了这份研究，我立刻给 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。然后让它重新写一篇，写出来一看，跟没加规则的时候基本一模一样。
想了一下为什么。「语气要口语化」根本不是一条可执行的指令。这就跟对一个从小只读法律文书的人说「你写轻松点」一样，他不知道轻松长什么样，参考系里没有这个东西。
AI 也是同一个处境。它的训练数据里，中文正式文本——新闻、百科、教材、翻译内容——占比远高于口语化的自媒体文本。你告诉它「说人话」，它写出来的人话还是翻译腔，因为那就是它见过最多的中文。
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
后来我想明白了一件事：规则必须具体到 AI 完全没有解释空间。照这个思路，具体做了这么几样东西。
第一样是禁用词表。不要说「不要用学术语言」，直接列表：
| 杀掉这个 | 换成这个 |
|---|---|
| 值得注意的是 | 有意思的是 / 可能没注意到 |
| 综上所述 | 所以你看 / 说到底 |
| 首先...其次...再次...最后 | 第一个 / 更重要的是 / 最狠的是 |
| 作为一个... | 直接说身份——"他是工程师"不要"作为一个工程师" |
| 进行了...分析 | 直接说——"分析了"不要"对此进行了分析" |
| 本文将... | 直接开始。永远不要预告你要做什么。 |
这个表一加进去，效果立竿见影，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，它只需要看到左边那个词，就换成右边那个。
第二样是 before/after 对比，就是让 AI 看同一个意思的两种写法，实测下来这个最有效。
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。
AI 能从这个变换里直接看到什么变了。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」，抽象描述变成了对话。这种东西你拿规则描述半天都说不清楚，摆一对例子它直接就看懂了。
第三样是结构模板，不要说「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。我定义了一条频谱，两头都不要，要的是「聪明朋友在饭桌上聊天」的那个度：
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"
目标就是中间那个甜区，不端着，也不油。
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。上面这些规则全部到位，第一稿还是会漏翻译腔。所以写完之后强制扫一遍全文，搜 作为、之一、进行、综上、值得注意 这些词，看到一个改一个。然后整篇读出声，读起来别扭的句子，写出来一定也别扭。
这事比教 AI 写代码难多了
整个过程里我感受最深的一点：教 AI 写出一种文化特定的风格，比教它写代码难太多了。
代码有明确的对错，测试跑过就是过，lint 报错就去修，反馈循环又紧又客观。写作风格不是这样。「读起来像原生的」和「读起来像翻译的」之间差距巨大，但你很难把这个差距精确地描述出来。
翻译腔麻烦就麻烦在它不是错的。每句话语法都对，信息传达都准确，语法检查器跑一遍能给满分。但问题恰恰出在这里：它不是语法问题，是文化 register 的问题。文本的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，哪怕说不出具体哪里不对。
所以最后沉淀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 到生成那一步就把它丢了，规则要具体到接近正则的程度，才执行得动。例子比描述好用得多，同一个意思的两种写法摆在一起，它一眼就能看出差别在哪。禁用词表是杠杆最高的一个干预，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，再靠迭代慢慢磨。还有一点，风格没法用一条指令修好，它需要研究、参考文档、显式规则、示例、结构模板、校对流程，整个是一条管线，你得把这条管线搭起来，调一个开关是不够的。
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.
