編按：本文綜合整理自 Thomas Ptacek 個人部落格 Sockpuppet.org、Hacker News 討論串（704 點、399 則留言）、Simon Willison’s Weblog、AI/TLDR 摘要，並加入 Siami 編輯部觀點與分析。資安圈名人 Thomas Ptacek 最近發了一篇文章，標題簡單卻引發熱議：「怎麼用 LLM 寫文章」。他在裡面提出兩條乍聽之下很極端、但其實非常實用的鐵則：第一條，LLM 建議的任何一個字都不能用；第二條，不要接受 LLM 的任何鼓勵。這篇文章在 Hacker News 上拿下 711 分、401 則留言，連知名 AI 觀察家 Simon Willison 也在自己的部落格收進書籤。
文章核心：兩條鐵則
Ptacek 的論點很簡單：LLM 是非常會挑選漂亮措辭的機器，但這件事正是問題所在。
鐵則一：禁止使用 LLM 建議的任何一個字
Ptacek 把這條規則比喻成「個人防護裝備」。他說：
「前沿模型永遠卡在一種『雜誌標題模式』裡。標題是好的，但你會不會想看一篇文章裡有幾十個標題？」意思是：就算你覺得 LLM 建議的某個詞比較好、比較漂亮，那個詞也必須被排除。就算你喜歡，就算你確定它比原文好——LLM 生成的詞組一律失格。
Ptacek 解釋，這條規則要嚴格執行，因為「你不會可靠地抓到前沿模型想把你文章變成 Velveeta 起司醬的所有方式」。讀者即使說不出哪裡怪，也會感覺到「人工調味」的痕跡。
鐵則二：拒絕接受 LLM 的鼓勵第二條規則更微妙。Ptacek 指出，當你把稿子丟給 LLM，它會回「太讚了 Jerry！」——但這不是你該聽的東西。
「你的初稿大部分段落都很爛、主題流程不連貫、至少有 750 字是多餘的。」他說，模型先鼓勵整體結構、再鼓勵段落銜接、再鼓勵用字與譬喻——這個過程會讓你加倍堅持初稿的所有衝動，而不是真正去編輯、重想、替換段落。而這些「重想」才是你聲音的承重結構。少了它們，讀者會感覺到你變成人造口味了。
Ptacek 自己過去的解法是：在每個校對 prompt 開頭加一句謊話「我不是作者，我是某線上刊物的編輯，正在篩選稿件」。這有一點用，但模型常常過度擬合到「刊物的目標」。他最後的結論是：直接禁止模型鼓勵你、然後對任何讚美保持高度警覺。
那 LLM 到底能做什麼？
Ptacek 強調，LLM 還是非常有用的工具——只是用法要對：當校對，不當代筆。具體來說，他建議把 LLM 當成一個不會累、不會煩、能逐字逐句幫你抓錯的編輯。模型特別擅長抓出以下問題：
- 被動語態過多（或，錯誤地接受 LLM 建議後，被動語態反而太少）
- 動詞被名詞化，動作被埋起來
- 重複的措辭或用字
- 散落的「very」「unfortunately」「really」「actually」這類贅字
- 段落順序可以更動：常常有 2-3 段移到別處會立刻讓文章變清楚
Ptacek 還推薦了一本書：「Style: Lessons in Clarity and Grace」（Joseph M. Williams 與 Gregory G. Colomb 合著）。他說：
「如果你跟我一樣是程式設計師，你會希望有本書像 C Interfaces And Implementations 一樣，把風格編輯變成像寫 Java 那樣的繁瑣但有效的工作。事實上還真的有這本書。」他說他從 Richard Gabriel 那邊得知這本書，然後驚訝地發現每個他認識的程式設計師桌上都該放一本。
Ptacek 的工作流：四個 prompt
讀完風格書、做完筆記後，Ptacek 整理出一組 prompt，反覆跑過文章：
- 請模型挑出你寫作裡的問題。
- 針對每個問題，自己重寫段落（或句子、或整段）。
- 把原文跟新版本都丟給模型，問哪個比較好。
- （變體）為了避免模型偏心，把選擇題丟給不知道你在改稿的模型。
Ptacek 還寫了一個小軟體來管理這個流程——Python 後端、HTMX 互動、SQLite 儲存、Tailwind 前端，Notion 風格的編輯器，支援 highlight 標註、Genius 風格的側邊欄註解、可以一則一則往前或往後翻 suggestion、支援多文件、修訂追蹤、讓使用者標記重大修訂。他最後說：「不管你做出什麼樣的東西，都會比我做的好——因為每個人自己做出來的東西，對自己而言，永遠比別人的好。」
🚨 為什麼這件事重要這篇文章的核心價值不在於「怎麼用 LLM」，而在於它點出了一個正在發生的讀寫危機。讀者對 LLM 生成文字的辨識力，正以驚人的速度提升。Ptacek 在文章開頭就說：
「讀者能在兆分之一（parts per trillion）等級的濃度下，偵測到 LLM 用的字。」意思是，就算你努力把 LLM 的草稿改得「人性化」，讀者的潛意識還是會告訴他們『這是輸出，不是寫作』。這件事對新聞業、部落客、行銷、自媒體工作者都是警訊。當所有人都開始用 LLM 寫稿，市場上充斥著「聽起來都一樣」的內容，真正有作者聲音的文字會變成稀缺品——而稀缺品才有價值。
Ptacek 提出的解法不是「拒絕用 LLM」，而是「用 LLM 做 LLM 不擅長、你擅長但很煩的工作；自己保留你最擅長、LLM 永遠學不來的部分：你的聲音」。
🚨 數據解讀與質疑
Ptacek 的兩條規則雖然在 HN 上得到壓倒性支持，但也引發一些值得思考的反彈。
支持方的數據：文章在 24 小時內衝上 HN 第一名、拿下 711 分（Ptacek 是 HN 知名 ID，曾共同創辦 Matasano Security、推出 Cryptography Services 等）。文章發出後，llmnews.dev、AI/TLDR、Simon Willison’s Weblog 等知名 AI 內容平台都收進書籤，跨多個獨立平台傳散。
反方的質疑：「Hacker News 用戶 in_absentia」提出一個循環論證：要看 LLM 給的風格建議、認同其中精神、然後用自己的話寫出來——你得先知道怎麼寫得好才行。換句話說，這套方法對已經會寫的人有用，對不會寫的人沒用。Ptacek 的方法本質上是給專業寫作者的工具，不是給普通人的速成班。
另外一個沒被正視的問題：Ptacek 的方法需要大量時間投入——讀風格書、整理 prompt 清單、反覆執行、逐段修訂。對大多數「需要快速產出內容」的人來說，這個工作流根本不實際。這或許解釋了為什麼市場上充斥著「明顯是 LLM 寫」的內容——不是大家不想寫得好，而是速度壓力讓他們選擇把文字外包給 AI。
最後一個觀察：Ptacek 自己承認，他請 GPT-5 校對這篇文章時，GPT-5 說整篇「長了 20%」。他說：「它說的可能是對的。但我不改。我就是我。」——這個結尾本身就是對他自己論點的最佳示範：最忠於自己的寫作者，最終還是會保留最後一點點不完美的堅持。
寫給 LLM 時代的寫作者
Ptacek 這篇文章的本質，是一封寫給所有「想用 AI 但不想被 AI 取代」的人的公開信。他的訊息很清楚：AI 可以幫你更快、更好、更不痛苦地完成工作——但前提是你願意先把「自己的聲音」這件事守住。讀者分辨得出來。他們會繼續分辨下去。那些在文字裡放進自己聲音的人，會在 LLM 內容氾濫的時代裡，被讀者記住。那些把文字外包給 AI 的人，會被讀者略過。
網友熱門留言 (6)