生成式AI就像一个总是满足于“差不多就行”的编辑。传奇设计师大卫·卡森在最近接受The Drum采访时这样描述：AI是一个说着“我能接受”的编辑，而不是要求“让我们把它做得更惊艳”。对于制作长篇内容的团队来说，这意味着系统性威胁：如果不建立有意识的防线，你的所有内容都将逐渐被同质化为毫无特色、平庸的状态。
问题不在于AI写得差，而在于它写得可预测。大语言模型（LLM）被优化为预测最可能的下一个词元，这在结构上导致了平庸化。如果没有清晰的编辑系统、深思熟虑的提示词和多层次的审查，你的博客或知识库将开始生产读者无法与数十个其他内容区分开来的内容。
为什么AI内容会滑向平庸
平庸化不是漏洞，而是语言模型的架构特征。当ChatGPT或Gemini生成文本时，它们会选择统计上最可能的延续。这意味着默认情况下，模型倾向于分布的中心——最常见、最预期、最“安全”的表述。
这给编辑部带来了三个具体问题：
- 品牌声音的丧失。AI写得“和大家一样”，如果没有强大的提示词工程，你的内容就会失去辨识度。
- 模板化的结构。三句话的引言、五个模式相同的副标题、以“总而言之”开头的结论——这个骨架在文章中不断重复。
- 浅薄的分析。模型避免冒险的论断、模棱两可的结论和原创的解读，用安全的概括来代替它们。
卡森指出，多年的模仿经历让他为AI复制的浪潮做好了准备：“模仿者从未让我担心，因为近距离一看，作品根本站不住脚。AI作品更站不住脚。”对于内容团队来说，这意味着：粗略阅读时，AI文本看起来很正常，但仔细阅读时，就会碎成一地陈词滥调。
“凑合”的编辑 vs. “惊艳”的编辑：流程中需要改变什么
卡森回忆起一位看着排版说“我能接受这个”的编辑。他讨厌这种方法。这正是AI现在所做的：它接受“可接受”，而不是“卓越”。为了克服这种效应，编辑部必须在几个层面上重构流程。
第一层——改变AI在编辑流水线中的角色。如果AI被用作最终作者，你得到的就是“凑合”级别的内容。如果AI是草稿、研究或结构阶段的工具，而最终决定由人做出，质量就会急剧上升。
第二层——设定编辑标准的系统提示词。不是“写一篇关于X的文章”，而是“为[出版物]写一篇文章，语气[描述]，避免[陈词滥调列表]，使用[格式]，检查[事实]”。
第三层——强制多样性。编辑部必须追踪结构模式：如果最近五篇文章都以反问句开头，这是一个信号，表明模型陷入了模板。
对抗平庸化的提示词系统：实用方法
对于编辑部来说，有效的提示词系统不是一个大提示词，而是根据特定任务组合的一组模块化指令。以下是关键组件：
语气和声音的提示词
与其给出“专业地写”这样的一般指令，不如设定具体参数：“以做过研究的专家的自信来写，使用简短的肯定句，避免像‘值得注意的是’和‘必须强调’这样的插入语”。提供负面示例——模型应避免的短语。
结构的提示词
不仅设定大纲，还要设定结构限制：“第一段——没有铺垫的直接陈述，每个部分——150-200字，以具体例子而不是概括结尾”。这打破了“引言→发展→结论”的模板。
原创性的提示词
包含激发原创思维的指令：“提出三个通常不会出现在该主题内容中的非显而易见的论点”，“对普遍接受的立场提出反驳”。模型并不总是能给出出色的结果，但这会将其从分布的中心移开。
内容运营：如何不将平庸规模化
正如ADWEEK以Zalando为例指出的那样，如果你将毫无特色规模化，速度就不是优势。“如果你只计算AI输出的数量，你就是在加剧平庸世界的问题，”该品牌管理层指出。对于内容团队来说，这意味着数量指标必须被质量指标取代。
AI时代的内容运营需要三个改变：
- 带有检查点的流水线。AI生成草稿→编辑检查平庸和陈词滥调→事实核查员检查数据→最终编辑检查品牌声音。每个点都是对抗平庸化的过滤器。
- 针对内容类型的提示词模板。不同的格式（分析、教程、新闻、解释）需要不同的提示词策略。通用提示词是平庸的主要来源。
- 原创性指标。不仅追踪文本的独特性（这是反剽窃工具做的），还要追踪结构多样性：结构相同的文章比例、重复的表述、陈词滥调的频率。
人类判断在AI流水线中的作用
福布斯在最近的一篇文章中阐述了关键原则：“未来成功的公司是那些将技术投资与管理它们所需的人类判断对齐的公司”。对于编辑部来说，这意味着AI不是取代编辑判断，而是需要更多的编辑判断。
人类判断在AI流水线中在三个层面上发挥作用：
- 战略性的主题选择。AI可以根据趋势建议主题，但哪个主题值得深入开发由编辑决定。模型不知道你的受众已经厌倦了某个角度。
- 编辑修改。草稿生成后，编辑必须问一个问题：“这段文字中是否至少有一个论断能让读者停下来？”如果没有——文本将退回修改。
- 对“足够好”的最终检查。编辑必须有意识地拒绝那些“过得去”但不“令人惊艳”的文本。这需要改变文化：奖励的不是发布速度，而是最终结果的质量。
事实核查和原创性作为对抗陈词滥调的过滤器
平庸的内容往往不仅包含表述上的陈词滥调，还包含事实上的陈词滥调：没有来源的笼统数字、未经核实的普遍说法、在文章间游走的例子。AI流水线中的事实核查不仅是验证真实性，更是原创性的过滤器。
实用步骤：
- 检查每个数字。如果AI引用了统计数据，要求提供来源。如果未指明来源或来源不可用——删除或替换。
- 寻找独特的例子。不要接受模型默认生成的例子，要求编辑从你的实践或行业中找到真实的案例。
- 与竞争对手交叉检查。如果你的AI内容在结构和论证上重复了Google该主题的前三名搜索结果，这是一个信号，表明你生产的不是原创内容，而是改写的内容。
如何衡量内容的“非平庸性”
“非平庸性”似乎是一个主观的指标，但可以将其分解为可衡量的组件：
- 陈词滥调指数。文本中模板短语和结构的比例。可以自动化：编制一个包含50-100个典型陈词滥调的列表并追踪其频率。
- 结构多样性。比较文章的结构：如果超过60%的文章遵循同一模式，就需要多样化。
- 分析深度。有数据或例子支持的论断与一般性论断的比例。目标指标：至少70%的论断有支持。
- 编辑修改指标。AI草稿在编辑时被修改的百分比。如果修改少于10%，你要么发布的是原始的AI内容，要么你的提示词太好了，以至于模型输出了成品。后者不太可能。
编辑部实用清单
清单：如何避免滑向AI内容的平庸
- 定义并记录品牌声音：语气、禁止的陈词滥调、“好”和“坏”段落的示例
- 为每种内容类型创建模块化提示词库：分析、教程、新闻、解释
- 在AI生成和发布之间引入强制性的陈词滥调检查点
- 追踪结构多样性：如果超过60%的文章具有相同的结构——改变提示词
- 要求AI草稿中的每个数字和事实都有来源；删除未经证实的数据
- 衡量AI草稿中的编辑修改比例：目标指标——不低于25-30%
编辑部中的“不凑合”文化
技术解决方案——提示词、流水线、指标——是必要的，但还不够。对抗平庸化的主要防线是一种“凑合”不可接受的编辑文化。这意味着编辑必须有权利和权限将文本退回修改，不是因为它们包含错误，而是因为它们无趣。
卡森最准确地表达了这一点：“这不是我想要的态度。让我们为此感到高兴吧。”对于内容团队来说，这意味着：每一篇发布的文本都必须包含至少一个能让读者想到“哇，我没见过这个角度”的元素。如果AI草稿在第一次生成后不包含这样的元素——这很正常。但如果在编辑修改后仍然不包含——问题不在模型，而在流程。
在AI时代获胜的编辑部，不是那些更快生成内容的编辑部，而是那些建立不让模型满足于“足够好”的系统的编辑部。平庸化是默认选择。原创性需要在流水线的每个阶段进行有意识的努力。
常见问题解答
为什么即使提示词很好，AI内容也会变得平庸？
语言模型被优化为预测最可能的下一个词元，这在结构上导致了平庸化。即使有好的提示词，模型也倾向于“安全”的表述和通用的结构。需要多层次的编辑审查才能将文本从分布的中心移开。
哪些指标有助于追踪内容的平庸性？
关键指标包括：陈词滥调指数（模板短语的比例）、结构多样性（文章模式的比较）、分析深度（有数据支持的论断比例）和编辑修改指标（AI草稿中被修改文本的百分比）。
为了保持质量，编辑部需要放弃AI吗？
不需要。AI在研究、结构化和草稿生成阶段非常有效。当AI在没有编辑监督的情况下被用作最终作者时，问题就出现了。解决方案不是放弃AI，而是建立一个带有检查点的流水线，由人做出最终决定。
编辑内容的提示词应该多久更新一次？
当内容策略发生变化、出现新的内容类型或质量指标（陈词滥调指数、结构多样性）显示恶化时，应重新审查提示词。建议每季度对提示词库进行一次审计。
如果编辑来不及检查所有的AI内容怎么办？
引入优先级划分：高风险内容（分析、数据、专家意见）进行全面检查；低风险内容（更新现有页面、技术描述）——根据关键参数清单进行检查。同时，自动化检查陈词滥调和结构多样性。
