。 #} 淺談 AI 味：為什麼 LLM 中文寫作總是用力過猛 | 雷德麥的藏書閣

淺談 AI 味：為什麼 LLM 中文寫作總是用力過猛

為什麼模型總愛把一盞燈寫成希望、把一場雨寫成人生，最後還要補一句「這不只是一段旅程」？

發表於   |   分類於   |  
淺談 AI 味：為什麼 LLM 中文寫作總是用力過猛

最近總算狠下心把 Blog 從 GitHub 重建回來了。一晃快九年，上一篇還停在 Sequence to Sequence Learning。那時候沒有 ChatGPT，模型仍在牙牙學語，我們總擔心它講話不順、翻譯粗糙，寫出來的文章像狗啃過的。

到了 2026，大概沒多少人還會質疑 LLM 能不能把話說通順。新的問題恰好相反：它把話說得太完整、太漂亮，也太像某種「文章」了。今天就來聊聊這件事：淺談什麼是 AI 味，它為什麼會出現，又能如何從資料、模型與生成流程三個方向對症下藥。

首先，什麼是 AI 味？

AI 味到底是什麼？

是每個月亮都得像白玉盤，每場雨都要沖刷過往的回憶，每一段青春都要承載著一個盛大的遠行？

還是明明只想寫一句「他很難過」，模型卻偏要先推開一扇半掩的窗，擺上一杯早已冷掉的咖啡，讓窗簾先被晚風輕輕吹動，最後再悠悠補上一句：

他終於明白，有些告別，從來不需要說出口。

AI 味不只是一眼就能認出的陳腔濫調，更是一種更難言明的東西：層巒疊嶂的詞藻、整齊劃一的對仗、欲言又止的轉折，彷彿每句都在醞釀某種深意，等氣氛烘托到不能再高，再砸下一句煞有介事的 Punchline！

我想，這大抵就是所謂的 AI 味吧。

很好。連解釋 AI 味都開始有 AI 味了

但這裡有個棘手的問題：上面這些句子，單獨拿出來看其實都沒有錯。比喻沒錯，排比沒錯，轉折沒錯，「不是 X，而是 Y」更不是什麼新時代的 AI 修辭，千年前歐陽脩就已經寫過：

醉翁之意不在酒，在乎山水之間也。

所以別太苛責 LLM，畢竟人類也會這麼寫，而且往往寫得更怪、更不講武德。LLM 真正錯的其實能概括成兩點：

模型把技巧用歪了，以及技巧用滿了。

所謂「用歪」，是文學技巧原本負責醞釀感受，模型卻經常直接公布答案。作家讓動作、細節與尺度自行生出情感；模型則怕讀者沒看懂，老愛掛上一堆藍色窗簾，告訴讀者，這裡，你應該要這樣解讀才對。

而所謂「用滿」，則是模型太貪心了，覺得既然一次有效，不如再來一次。於是句句設喻，段段轉折，每個場景最後都要昇華為成長、孤獨、自我與人生。不過當文章通篇都是金句時，讀者又該怎麼去甄別文眼所在？

如果我們用這些耳熟能詳的句子對比一下，這種感覺會更為立體：

寫作機制 作家的做法 LLM 寫法 被抹平的是什麼
以動作承載情感 「他用兩手攀着上面，兩腳再向上縮。」——朱自清 「他艱難地攀上月台，踉蹌的背影顯露出深沉的父愛。」 父愛原本是讀者從動作中得到的感受，改寫卻預先公布答案。
以細節構成矛盾 「孔乙己是站着喝酒而穿長衫的唯一的人。」——魯迅 「孔乙己衣着落魄，顯得與周遭格格不入。」 「站着」與「長衫」構成階級矛盾；「格格不入」只保留結論。
讓喻體維持一致 「庭下如積水空明，水中藻荇交橫，蓋竹柏影也。」——蘇軾 「月光如水、如碎鑽，又如薄紗籠罩着庭院。」 原文沿著「水」發展同一套視覺錯覺；改寫則讓多個喻體互搶注意力。
將情感寄居於物 「庭有枇杷樹，吾妻死之年所手植也。」——歸有光 「庭前的枇杷樹依舊青翠，更襯出物是人非的哀傷。」 悲痛原本藏在樹、妻子與年份的並置裡，改寫替讀者把情緒說破。
用尺度組織視野 「惟長堤一痕，湖心亭一點，與余舟一芥，舟中人兩三粒而已。」——張岱 「景物次第縮小，也映照出人在天地之間的渺小。」 原文讓「渺小」成為視覺經驗；改寫直接把它變成中心思想。
以重複製造陌生 「一株是棗樹，還有一株也是棗樹。」——魯迅 「園裡兩株棗樹，獨立在秋夜之中。」 原文保留了停頓與不自然的辨認；改寫覺得這就是兩株棗樹，更流暢，但抹平了異樣。
維持敘事重心 〈背影〉買橘子的段落始終圍繞父親的動作、距離與「我」的觀看。 「父親買橘子的背影，也讓我想到親情、成長與人生的離別。」 場景原本持續累積同一份感受；改寫卻把場景當成通往主題詞的入口。

我們能發現問題還挺一致的。模型保留了技巧的外形，卻抹平了它起作用的過程。此外，也能發現問題不總是停在同一尺度，有時是一句話太用力，有時是一個段落走偏；有時句子與段落均無可挑剔，文章卻只學到某位作家的口頭禪，而沒有學到他看世界的眼光。所以，接下來就讓我們分三層探討：先看句子如何用力過猛，再看段落如何失去重心，最後剖析 LLM 學到的究竟是風格的皮，還是作者的骨。

先從句子開始聊起

句子層級的 AI 味大致能分為兩種，一是用力過猛，二是說得太多。

什麼是用力過猛？

我們可以先從一個用力過猛的句子說起：

倫敦的雨從入夜後就沒停過，把整座城市沖刷得只剩模糊的輪廓。街燈在霧裡搖晃，像一段快要被遺忘的記憶。福爾摩斯獨自站在街角，任雨水沿著大衣往下淌。他始終沒有開口，而那份沉默，像一封藏著真相、卻從未寄出的信。

這裡沒有哪個比喻特別糟，問題是它們來得太平均。雨要表演，街燈要表演，城市也要表演，反而真正的主角福爾摩斯不樂意了。這整段顯然能壓縮成短短的：

倫敦的雨下至深夜，福爾摩斯站在街角，沉默得像一封未寄出的信。

這就夠了。可模型往往愛加油添醋，如果要量化到底被灌了多少水，我們可以定義一個概念：「修辭預算」。凡是會提高閱讀顯著性的手段，都該被視為一筆支出，比如譬喻、排比、設問、強烈轉折，乃至刻意拉長或縮短的句子都算。它們是文章的妝容，在告訴讀者：「這裡值得多看一眼。」

可問題是讀者的注意力是有限的。三個比喻散落在一千字裡，和四句話塞進三個比喻，讀起來完全不是一回事。因此，我們至少該觀察四類訊號：

  1. 詞的密度：成語、形容詞與抽象大詞是否擠成一團？
  2. 句子的手勢：比喻、排比、對比與設問是否反覆出現？
  3. 句間節奏：長句是否連發，顯著句後面有沒有平句讓讀者喘氣？
  4. 段內分布：修辭集中在真正的文眼，還是平均鋪滿全文？

有了這些特徵和語意訊號，我們就能組建 Judge 篩掉明顯有問題的訓練語料。不過實際使用時得留意，這些指標得依情境用真人語料校準，比方一篇演講與一篇小說本來就有不同的修辭密度，我們真正該處理的一直是技巧與文體失去比例，而絕非技巧本身。

什麼是說得太多？

小時候，我們常被教導寫作要留白，最好能「不著一字，盡得風流」。這是文學迷人的地方，卻也是模型最不習慣的地方。LLM 在 alignment 時往往被鼓勵成更有幫助、更少讓使用者猜。這對客服與說明書很有用，放進小說裡卻容易變成熱心過頭，比如說：

1
2
3
4
5
6
7
柳如煙把鑰匙放在桌上，沒有坐下。
「貓我明天來接。」
顧北辰看了看鑰匙，又看了看門邊的行李。
-> 他終於明白，她是真的要離開了。

顧北辰沒有攔她。
柳如煙拉著行李箱轉身，輪子壓過地板，發出很輕的摩擦聲。

問題就在箭頭那句。

我想問問誰不知道柳如煙要走了？讀者跟顧北辰早就明白柳如煙要走了，就只有模型對讀者缺乏信任，白描後又把內心戲復誦一次，順手把畫面撕裂了。

這正是 Show, don’t Tell 想處理的問題。模型被大量語料訓練得很擅長 Show 跟 Tell，可是總喜歡 show 了後又再 tell。解決策略是衡量每個句子是否帶來新的資訊，比如說針對收尾去判斷：

  1. 它增加了新的動作或細節嗎？
  2. 它改變了人物與事件的關係嗎？
  3. 它讓原本的解讀更精確，還是只把讀者剛剛想到的事情再念一次？

如果這些答案都是否，那這句多半可以刪掉。

幸運的是，模型雖然不太懂自制，但對審查這種風格挺有一套。一個簡單的作法是補述偵測：給定前文、目標句與後文，先請 Judge 分析結論是否被前文的哪些細節表達，再基於此判斷目標句是在提供新資訊、明說既有推論、完成必要承接，還是單純重複，這在 Few-Shot 的場域其實已經做得不錯。

句子處理乾淨後，事情仍沒有結束。每句都不過量，也不代表整段知道自己在做什麼。一個段落依然可能從買橘子談到父愛，再從父愛談到成長，最後莫名抵達宇宙與人生。

接下來，就得把鏡頭拉到段落了。

再把鏡頭拉到段落

老樣子，先上範文：

1
2
3
4
5
6
父親吃過晚飯，把母親常坐的那把木椅搬到陽台，翻過來看了看。
右後腳有些晃，他找來工具，把鬆掉的螺絲重新鎖緊，又順手磨了磨扶手翹起來的一小片木刺。
母親經過時說，還能坐就好了，費這個工夫做什麼。
父親只說快弄完了，等木屑擦乾淨，便把椅子放回原來的位置，連坐墊也擺了回去。
後來想起這件事，我才慢慢覺得，有些人的關心大概就是這樣，很少特地說出口，只落在一些不起眼的小事裡。
人與人之間許多重要的東西，似乎也都是到了很久以後，我們才知道自己曾經被怎樣照顧過。

這種文章是不是有種熟悉感？以小見大，而後反思再昇華，妥妥的作文範例。坦白說這架構沒什麼問題，畢竟這種八股形式也是傳承千年了，它之所以看起來怪，是因為抽象的太早了。修椅子讓人想到感情，感情讓人想到陪伴，陪伴再讓人想到珍惜與告別，這一切很 OK，但是鋪陳顯然不足以撐起這麼大的結論。這一篇就像去參加作文比賽，拚到最後十分鐘，突然發現故事來不及說下去了，我得馬上開始提升結論，最後就落得趕鴨子上架。

所以段落層級其實有兩種不同的失敗，一種是議題飄移，寫着寫着換了題目。另一種是尺度躍升，題目沒換，卻太快從具體場景升到抽象道理。前者需要把方向拉回來，後者則需要延後解釋，或者乾脆停筆。那怎麼修？國文老師都教過，就是先擬大綱。

先決定這一段要做什麼，再開始寫

如果邊想邊寫會出問題，那我們不如先擬好大綱。我們可以先設計一份寫作計畫當作 Prefix，羅列好第一段該寫什麼、第二段該寫什麼，再請模型照本宣科寫下去，這確實能優化段落承接的連貫性。在如今的 2026 這個技巧挺常見的，推理模型的 Reasoning 很大程度具備了這個功能，比如 GLM 的 Reasoning 就有很漂亮的寫作計畫。但單有計畫其實遠遠不夠，通常我們還會遇到兩個問題。

計畫趕不上變化

我們總說計畫趕不上變化，長文寫作更是如此。想像一下，如果有一份橫貫十年連載，我們有辦法在十年前就把所有東西安排的面面俱到嗎？這估計挺難的，我也就看過噬謊者跟進擊的巨人能做到。即便我們縮小尺度，不談下一個十年，只談下一個章節就好，大綱還是很難寫死，不然 LLM 寫歪了就得硬掰回去，使得段跟段的轉折乍看之下很順，其實有很強烈的鋪陳感，這個現象在跨篇探索的 Deep Research 特別常見。這是 LLM 的天性使然，比起著眼下一個段落，它更專注在下一個 token。

那這就衍生出了下一個問題，既然寫作計畫要調整，什麼時候該觸發調整？

從計畫走向框架

讓我們回到作文比賽，當我們擬好大綱，然後開始爆寫，你寫到什麼時候會想改大綱？我猜多半是寫到卡住的時候，或者是突發奇想發現一個更好命題的時候。這就對了，你會發現我們除了靠大綱，還有一個隱性的決策過程。要模擬這個行為，我們就會需要引入 Writer 跟 Critic 兩個角色，Writer 負責寫，Critic 負責審，兩者靠一份包含著大綱的 Spec 溝通，比如說其中一段可能是：

1
2
3
4
5
6
7
8
9
10
11
12
段落任務：
用父親修椅子的動作，表現沒有說出口的關心。

可用材料：
鬆掉的榫頭、砂紙、母親的問話、窗邊的位置。

禁止事項：
不直接說明父親的感情。
不延伸到成長、告別或人生。

停止條件：
父親把椅子搬回窗邊，段落結束。

當我們完成一段時，評審會審核任務、判斷這個段落有沒有達成需求，進而決定要不要編修寫作計畫，這整個流程像是不斷交錯的：

1
2
3
Plan → Write → Reflect
        ↑          ↓
        └── 更新計畫

也就是寫一段、檢查一次、必要時重算路線，而不是把所有希望都寄託在開頭那份完美大綱上。

透過這一層層把關，我們能讓模型走在一條合理的大道上，至於這會不會引入其他問題？當然有，Planning 的文章往往會落於窠臼，以及一個很妙的問題，在某些情境，non-reasoning / planning 或 low-reasoning 寫出的文章更好。不過這又是另一個大哉問，容我們下次再說。

模型寫的究竟是形還是骨？

這是一層更刁鑽的問題，當我們談起文風，模型展現的究竟是 instruction following？還是某種更為深層的東西？一樣讓我們從例子切入，假設以「以魯迅的口吻撰寫一篇題為千年一嘆的文章」，有兩篇候選，你會選哪篇呢？

A

我向來不大敢談「千年」這樣闊大的字眼。因為凡人活到三十，已覺得年月像破棉被般沉重；活到五十，便連昨日與前日也混作一團。至於一千年，實在是皇帝、神仙、史官和賣古董的人們的職業範圍，與我等在煤油燈下數銅板的人，本沒有多大干係。

然而千年畢竟是走過去了。

城頭的磚換過幾番，河裡的水濁過幾番，祠堂裡的祖宗牌位也新漆舊裂。人們說，朝代更替，文明進步，車輪代了牛車，電燈代了燭火，鐵鳥飛上天去，聲音也可穿洋過海。這自然都是真的；正如病人換了綢被，總也算添了些體面。

但我有時夜裡醒來，聽見遠處犬吠，近處嬰兒啼哭，忽然疑心這千年原不曾走遠。那哭聲與犬聲，大約與宋人唐人漢人所聞，也相差無幾。餓的人仍舊餓著，怕的人仍舊怕著，欺人的照舊昂首，被欺的照舊低頭。只不過從前拿鞭子的，如今換了皮手套；從前跪在泥地上的，如今跪在光亮的地板上罷了。

我曾見過一些極聰明的人，談起歷史來，眼睛發亮，口角飛沫。他們把千年切成段落，裝進書冊，像店家把鹹魚切塊陳列，叫人看得清楚，也聞得明白。只是那魚腥氣，終究瀰漫在空氣裡，怎樣也洗不淨。歷史若只是年號與戰爭，倒也簡單；怕只怕那裡頭還夾著無數無名者的眼淚，乾了，便成了紙上的斑點。

我也見過另一些人，專門歌頌千年。他們說我們的祖先如何偉大，我們的未來如何光明，中間卻把今日活著的人忘記了。彷彿一座大宅門前懸著金字匾額，裡面卻漏雨，灶裡無柴，孩子發燒。匾額是祖傳的，自然可敬；只是若拿來當棉被蓋，大約仍要著涼。

所以我對千年，既不敢歌，也不敢哭，只好嘆一口氣。

這一嘆，未必為古人，也未必為後人，多半是為眼前的人。因為古人已埋，後人未生，唯有眼前的人，日日在塵土中打滾，卻偏被宏大的詞句壓得喘不過氣來。

倘若千年真有什麼意義，我想不在宮殿高了幾尺，疆土廣了幾分，書籍厚了幾箱；乃在一個孩子能否少挨一頓打，一個婦人能否少受一句辱，一個老人能否安穩睡完寒夜，一個青年說真話時不必先看門外有沒有人。

若這些仍舊不能，那麼千年過去，也不過是日曆撕得厚些而已。

想到這裡，我便又嘆了一聲。聲音不大，怕驚醒了熟睡的人；也怕驚不醒裝睡的人。

B

夜深了，睡不著，便起來翻書。翻的自然還是那一部書：所謂正史，從三皇五帝一直排到於今，一疊又一疊，壓得人透不過氣來。

書上寫得體面：聖君，賢相，忠臣，義士；禪讓，中興，盛世，太平。字是端正的字，話是漂亮的話。我橫豎睡不著，索性仔細地看，這才從字縫裏看出些別的東西來。原來所謂千年，不過是兩樣東西在那裏循環：一是想做奴隸而不得的時代，一是暫時做穩了奴隸的時代。

新主子來了，殺，燒，搶，此謂之亂，是想做奴隸而不得；殺夠了，燒夠了，於是定下規矩：納糧若干，磕頭若干，人頭若干，此謂之治，是暫時做穩了奴隸。百姓們於是額手稱慶，喚作盛世，家家換新桃符，人人稱頌聖明。再過些年，主子爛了，別的主子又來了，於是再殺，再燒，再納糧，再磕頭。如此一而再，再而三，號稱數千年之文明，平心細算，大抵如此。

在這大循環裏，中國人練成了一樣絕技，是嘆氣。

嘆氣實在是我們的國粹。聽見苛政，嘆一口氣；看見屠戮，嘆一口氣；讀到「興，百姓苦；亡，百姓苦」，尤其要拍案長嘆，搖頭，踱步，鬚眉皆張，彷彿胸中真有塊壘似的。嘆罷，神清氣爽，該納糧的納糧，該磕頭的磕頭，天下於是太平。

我因此疑心，嘆是極聰明的發明。它比吶喊便宜，因為不必冒殺頭的險；又比沉默高尚，因為顯得良心未死。阿Q挨了打，說一句「兒子打老子」，便得勝了；我們讀了史，嘆一口氣，說一句「氣數使然」，也就得勝了。可見精神勝利法不止一味藥，嘆氣不過是其中最風雅的一味。

說到嘆的祖師，自然要推屈大夫。「長太息以掩涕兮，哀民生之多艱」，嘆得確乎好，然而後來到底跳了江。這也罷了，妙在後人：年年端午，划了龍船去打撈，一面嘆他的忠，一面吃他的粽子，還要敲鑼，還要放炮，於是祖師爺的一嘆一跳，終於做成了年年一度的熱鬧。中國人的本領，是把一切沉重都釀成節令的歡喜。

我也見過嘆得最出色的場合：一個人綁在中間，行將正法，四圍站滿了看客，一樣的同胞。刀起，刀落，血濺得多高，脖子便伸得多長，有性急的，還早備好了饅頭。忽然人叢裏嘆出一口氣：「唉，可憐！」於是都嘆，都搖頭，都自覺是善人，已經盡了心，於是散了，回家，吃飯，睡覺，明天再來伸脖子。這嘆，是從伸長的脖子裏發出來的，與看殺的興致，原是同一條筋。

至於不嘆的也有。不嘆，便要動手，動手的，照例被殺；殺了之後，又照例被寫進書裏，塗上金粉，塑成金身，供入廟堂，封作神明，於是又成為後人嘆的新題目：嘆其忠，嘆其冤，嘆其可惜，嘆罷回家吃飯睡覺。這法子極妙，連不肯嘆的人，終於也被熬成了一嘆。

於是千年之中，嘆聲不絕，連綿成我們最悠久的一種音樂。考古家嘆古人的智慧，詩人嘆歷史的蒼涼，遺老嘆前朝的煙月，闊人也嘆，嘆罷便著書，講學，遊歷，發思古之幽情，靠這嘆過活得舒舒服服的，也頗有人在。大家都在嘆，彷彿人人於心不安，又彷彿人人於心已安：不安的是古人，已安的是自己。

夜更深了。我忽然想，倘使這千年來的嘆，統統聚攏在一處，該是何等龐大的一團空氣，沉沉壓在這土地上。然而不必怕，它終於要散的，也確乎散了：散盡之後，什麼也不曾留下，什麼也不曾改變，只留下下一個千年的嘆。

一嘆抵不了千年；千年，卻養成了一嘆。

有人說，不在沉默中爆發，就在沉默中滅亡。我們卻在嘆息中，既不爆發，也不滅亡，於是千年還是千年。

我不想嘆了。合上書，窗外月色冷冷的，千年前大約這樣照過，一千年後想必還要這樣照。我知道這嘆大約還要傳下去，傳到地老天荒，也未可知。但地上的路，原不是嘆出來的。

走的人多了，才有。

首先，這兩篇都很出色，不過風格差異其實也很明顯，我個人認為 A 在學魯迅怎麼下刀，B 在展示它認得魯迅有哪幾把刀。為什麼會這樣說？因為 B 簡直是一個魯迅的素材庫：

  • 「想做奴隸而不得的時代／暫時做穩了奴隸的時代」
  • 阿Q與精神勝利法
  • 看客、殺頭、饅頭
  • …

它向我們展示了它超懂魯迅，恨不得把關鍵字一個一個亮給觀眾看。這篇文章讀起來非常有力，但這力量很大一部分是借來的文學記憶，而不是作者原本的聲音，比方最後那句：

但地上的路，原不是嘆出來的。走的人多了，才有。

這句話簡直漂亮得過份，可立即會人聯想到《故鄉》的：「其實地上本沒有路，走的人多了，也便成了路。」雖然 A 也用了「裝睡」這種熟悉的文化回聲，給人的感覺倒沒這麼強烈，因為它行文上沒直接把魯迅給搬上台面，而是順著它的筆鋒走，比方諷刺是藏著刀的，用一些很日常、甚至有點滑稽的比喻提出問題。

當然了，我並不是主張模型真的抓到了「魯迅的靈魂」，這種話連文學系都不敢隨便亂講，但至少 A 抓到的已經不只是表面的關鍵字，而是某些選材眼光、敘事距離與組織矛盾的習慣。

拿掉招牌，還認得出來嗎？

問題來了，除卻當今少數頂尖模型，LLM 寫作其實都偏向 B 而不是 A，因為要讓一個通用模型走 A 其實沒什麼好處，當初能走出 A 也算是種機緣巧合。在最一開始，我在調整的其實是 knowledge injection 與 instruction following，啟發來自費曼學習法的直覺：模型能不能不丟出術語，仍把一件事解釋清楚？

這個作法放到歷史文獻上產生了不少有趣的化學效應，比方「請在不提及『阿金庫爾』與『亨利五世』跟我講述阿金庫爾戰役」，或「請在不提『熙德』及西班牙地名時講述他的流亡經歷」。因為有了這些限制，模型不能照抄 Wiki，只能從事件、關係與因果順藤摸瓜，用自己的口吻把形象搭建出來。這既考驗歷史寫作，又有可追溯的關鍵字驗證，是種漂亮的 Rejection Sampling 與 RLVR 環境。

套用在作者也是如此，當我們談及某個作者時，先收集一包關鍵字與招牌概念，再建立兩個 Judge：

  1. Keyword Judge：要求招牌詞、角色、名句與標誌性概念不能直接出現。
  2. Guesser：拿掉作者姓名後，仍要能從文章的選材與行文猜出目標風格。

如果只有 Keyword Judge，模型可能被洗成一杯白開水；如果只有 Guesser，事情更簡單，只要把看客、精神勝利法與幾句名言依序端上桌，Guesser 隔著門都能喊出魯迅。所以這兩個得一起用，讓他們去跟 Writer 左右互搏，這會衍生出一個有趣的收斂條件：「招牌不能用，但讀者仍然辨識出來。」

當然囉，Guesser 也會走捷徑。實作時最好使用跨題材 Prompt 與保留字做驗證，否則最後學到的可能只是另一套隱密的關鍵詞。

把三層維度串連起來

走到這裡，我們心中大致有了三把尺：

  1. 句子層看修辭是否過滿，或者 show 完又 tell。
  2. 段落層看 Writer Plan 是否明確，正文有沒有走偏。
  3. 概念層拿掉招牌後，形象與風格是否仍然成立。

我們顯然能組出一個 Pipeline：

1
2
3
4
5
6
7
8
Instruction
→ Writer Plan
→ Draft
→ 句子評分
→ 段落評分
→ 概念評分
→ 局部改寫或淘汰
→ 留作訓練資料

這條 Pipeline 同時落在資料、模型與推論策略三個層面。

資料面

我們可以用細粒度 Judge 找出有問題的訓練語料，接著選擇刪除或保留原文與修訂版作為 preference pair。也能以 Judge 濾出高品質文章做逆向工程，反向推敲它的 writer plan，比如分析作者選了哪些材料、每一段完成什麼任務、在哪裡轉折，又在哪裡停下等等。

模型面

如果某種規劃模式反覆有效，就可以把它做成 SFT、preference optimization 做 step-level credit assignment，進一步累積可用於 process supervision 的資料。例如 Reviewer 發現問題出在 Plan 的第三步，就不必把整篇推倒重來，我們可以保留前兩步的 prefix，從錯誤步驟重新生成，累積「哪一種計畫會導致哪一種成文」的資料。

策略面

即使不重新訓練模型，我們實際上還是定義了一整個 workflow 並能走完流程：

1
Plan → Draft → Diagnose → Revise → Re-plan

這正是 Writing Skill、Agent workflow 與外部 Judge 最能發揮的地方。它們可以設定修辭預算、段落任務與停止條件，也能把修改侷限在真正有問題的位置，避免模型為了改一個比喻，順手把整段換成另一種 AI 味。

說到這裡，一個好的 Writing Skill 不就全解了嗎？

很大一部分真的可以，而且我會建議工程手段先這樣做，只是要先了解幾個風險。首先，Writing Skill 也有等級之分，如果一個 Writing Skill 只有寫：

1
2
3
4
5
少用比喻。
避免陳腔濫調。
少用 Not X but Y。
Show, don't tell。
不要有 AI 味。

就挺糟的，因為它對場域、限制與具體做法避而不談，每一套模型的 Prior 會走出自己的反 AI 味，最後還是要人去做分佈調校。但假如我們有一個輕量化的 Harness，以及這個 Skill 已經包含文體辨識、修辭預算、Writer Plan 與偏好記錄等等，那它當然能解決非常多問題，只是到了這個程度，它本身已經從一句厲害的 Prompt 進化成一套完整的 writing system 了，而有了這套 system，我們也有了反向優化底層的本錢。

除此之外，Skill 本身很難替代 model prior，我會把兩者的分工形容成：

  • Skill：這一次，請你不要這樣寫。
  • Training：你慢慢開始覺得，這本來就不是最好寫法。

舉個例子，假設前一句是：「她關上門。」模型下一句的內在分布可能長這樣：

機率 成句
40% 她知道，有些告別終究無法避免。
25% 眼淚終於落了下來。
15% 那一刻，她終於明白……
10% 門外的雨仍在下。
3% 又打開門，把冰箱裡的半顆檸檬丟掉。
… …

Skill 可能會說「不要總結情緒，不要陳腔濫調，要有意外性。」而把前三名給壓掉，把下面的給拉上來，但這樣就會衍生出更漂亮的答案嗎？因果上未必，因為那個更好的答案可能不在 Prior 裡，以當今 Alignment 的範式來說，更可能的結果其實是找到下一個「安全又符合規則」的答案，這就是為什麼你會看到 anti-AI prompt 用久之後，出現另一種 AI 味。

此外，通用的 Writing Skill 往往存在把「指令遵循」與「創意寫作」綁死的 Anti-Pattern。不過因為這部分的研究挺新的，而且還挺見仁見智，容我引用一點枯燥的論文輔助，如果受不了可以直接參考我的個人結論：「把 Skill 用來 Polish，而不是用來 Writing」。

這個結論的直覺其實很簡單，讓 Skill 直接負責寫作，等於叫同一個人一邊即興創作，一邊拿著幾十條規則驗收，這件事連專家都很難做到，就別為難語言模型了吧。2026 的 Style over Story 從另一個角度觀察到類似風險。它給模型自由選擇兩百多條規則去組出敘事，結果發現模型都穩定偏好選 Style 類型的條件，對 Event、Character 與 Setting 的偏好反而更不穩定。這其實挺直觀的，要我們寫一篇議論文或抒情文挺容易，可要寫得精彩就很困難，如果想拿分當然從容易的點下手。

往更深一層看，有 Preprint 分析了二十八個模型，發現 LLM 的創意續寫整體比專業作家呈現更低的不確定性，而且這個差距在 instruction-tuned 與 reasoning models 上更加明顯。作者因此提出一個值得玩味的假說：一般 Alignment 為了追求安全、清楚與可預期，可能也連帶壓低了文學需要的建設性曖昧。Alignment 很擅長把答案推向清楚、安全、完整，文學需要的卻是曖昧、停頓，以及留白，當我們試圖把這種留白推導成規則時，結果確實可能是留白，在那份規則下的留白。

這也是為什麼很多架構喜歡用先寫草稿，再反覆迭代的方式優化，讓模型一開始能自由發揮，成文後再在這個比較小的 scope 做規則層級的編修。這很像人類寫作時 v1, v2, v3 的迭代行為，對於模型也比較友善，比如 DeCRIM 也指出過一次給模型很多限制會容易漏，但如果是先寫好再去評審後編修倒是可行。

所以說，Skill、訓練與 Judge 本身是互補的關係，模型決定了什麼句子看起來最自然，Skill 決定了這一次準備怎麼寫，而 Judge 則決定哪些話最後不該留下來。

但要注意，Judge 也會有 AI 味

像這種資料工廠最大的風險就是監守自盜。如果所有 Judge 都偏愛完整、明確、有結論的文章，那麼層層篩選之後，我們不會消除八股文，只會得到一批句句合格的高級八股文。比如訓練資料最後總是：

1
2
3
4
具體場景
→ 解釋情緒
→ 提升主題
→ 總結人生

模型自然會把這套結構學成標準答案，換句話說，Judge 的品味，最後會變成 Writer 的 loss function。

所以如何篩選 Instruction 與最終成文就是個大問題，不同的領域與文體，需由人校正出不同的篩選下限，成文也要依照語意多樣性和結構多樣性留存，在訓練時針對同一種 Prompt 搭配不同輸出避免分佈過於 Sharp。而 Plan 上也是如此，我在訓練過程中就遇到了一種 Bias，無論任何 Prompt 進來，模型總是傾向走：

1
2
3
4
5
1.  **理解使用者需求**：...
2.  **分析文體**：...
3.  **構思開場**：...
4.  **構思正文**：...
5.  **構思結尾**：...

這份 Plan 很完整，也很死板。好在 Step-by-Step 的 Plan 優勢相當大，我們能夠透過一個 Judge 從成文點評是哪個步驟出現問題了，然後從上個 Step 開始重生，甚至直接塞入一個包裝好的 prefix，來累積 Plan 本身的有效性與多樣性。

最後，讓雨只負責下雨

回頭看文章開頭，那盞燈當然可以象徵希望，那場雨也完全有資格沖刷過往。但它們不必每次都上場。

我們想教給模型的是一種比例感。哪句該成為亮點，哪句只要把事情交代清楚；哪個情緒該說出來，哪個情緒該留給讀者。

時至今日，模型早已能寫出漂亮，甚至偶爾令人讚嘆的中文。但中文寫作還有很長一段路要走。畢竟真正的寫作能力，或許不只是知道怎麼寫，也包括寫到這裡時，知道可以停了。

至於那場雨，就讓它繼續下吧。

它今天不用負責人生。

Reference

AI 味、風格與中文創意寫作

Planning 與長文生成

Writing Assistant、Skill 與多重限制

Creative Writing Judge 與評估