与人工智能协同写作的启示
别再将人工智能的输出视为有待采纳或否决的草稿，而应将其看作可供拆解和重组的素材。如此一来，文章将更为精炼。
本文由 AI 翻译，关键事实请以原文为准。
首先，我们得承认一个令人不太舒服的事实：写作——恕我们对编辑们不敬——原来是人工智能（AI）能够胜任的事情。
它整合了数百篇学术论文，建立了一个根据新加坡劳动力市场校准的计算模型，写出的文章结构合理、事实准确，但在编辑看来却毫无生气。
每一份草稿都在需要坚定立场时含糊其辞，并对所有发现一视同仁，只能算是合格的“大杂烩”。如果你直接使用人工智能的第一稿，那你就误解了这个工具。
但这个工具的变化速度比大多数人意识到的要快。
从提示到合伙业务
三个月前我们刚开始时，工作方式与大多数人描述的人工智能协作模式无异：编写提示词，获取回复，加以完善，然后重复此过程。
这种模式在几周内就过时了——不是因为我们更擅长编写提示词，而是因为工具本身发生了变化。
我们开始使用代理型人工智能——例如 Claude Code 这样的工具。它们更像一个可以访问你整个项目、与你并肩工作的研究伙伴，而不是一个等待指令的聊天机器人。
我们不再要求人工智能“总结这篇论文”，而是可以把它指向30篇论文、我们的工作大纲和一份之前的草稿，然后说：“‘专业知识’这一部分写得不够好，原因是……请用 Brynjolfsson 的论据重写，但保持语调更接近第三稿，而不是第五稿。”
它能理解项目背景，记住早前的决定，并在现有基础上进行构建，而不是从头开始。
多样化版本作为构建基石
最有用的功能不是生成一份好的草稿，而是生成多样化的版本——即对同一论点采用不同框架、结构和重点的多个版本。
我们的核心论点最初是“专业知识悖论”——人工智能摧毁了其所倚重的判断力的训练场，反而让这种判断力变得更有价值。
修改了六稿之后，我们感觉有些不对劲。文章的框架显得焦虑，且侧重于缺失的方面。我们要求人工智能提供不同版本：一个侧重于人类的收获而非损失的版本，一个围绕合伙业务而非悖论构建的版本，以及一个以机遇而非警告为结构的版本。
但关键在于：人工智能澄清了人类工作中一直以来最有价值的部分——这个见解来自我们自己。我们清楚自己的信念。
这些不同版本并没有生成我们的论点，而是帮助我们找到了最精辟的表达方式。我们一直在写一个问题，但更好的文章其实是关于一种可能性。人工智能没有看到这一点，但我们看到了。
我们不再将人工智能的输出视为有待采纳或否决的草稿，而是开始将其视为可供拆解和重组的素材。从这个版本中取一段，从那个版本中取一个过渡。对于那些我们已知但尚未清晰表达的观点，它提供了更好的阐述。
这篇评论文章是“组装”而非“写”出来的——没有任何一部分值得我们投入过多情感去非理性地捍卫。
我们认为，人工智能正在帮助我们认清人类工作中最有价值的部分。而与人工智能共同撰写这篇文章本身就证明了这一点。
给新手的五个建议
- 首先，明确你的想法。 人工智能会放大信号。如果没有信号，它就会放大噪音。当我们的论点清晰时，人工智能能出色地围绕它进行构建。当我们含糊其辞时，它只会产出合格的“大杂烩”。 方法：在打开任何人工智能工具前，用一句话写下你的核心主张——必要时手写。如果做不到，说明你还没准备好使用人工智能，而是应该去散散步。
- 使用代理型工具，而非聊天机器人。 向聊天机器人提问和与代理型人工智能合作的区别，就像是给同事发短信，与坐在能看到你屏幕的同事旁边工作的区别。背景信息决定一切。 方法：像 Claude Code、Cursor 等代理型环境的工具，能让 人工智能访问你的整个项目——文件、草稿、数据、历史版本。应将它指向整个项目，而不是一个空白的提示窗口。
- 生成多样化版本，而非单一草稿。 不要只要求一个好版本。要求它提供三个侧重点不同的版本，然后从每个版本中提取最好的部分。你是在组装，而不是在审批。 方法：提供明确的指令。“给我三个版本的这一部分——一个以数据开头，一个以趣闻轶事开头，一个以政策影响开头。每个版本保持在300字以内。然后进行删减和重组。”
- 将人工智能设置为你的批评者。 “生成-批评-修订”的循环是我们最高效的工作流程。人工智能没有社交动机去保持礼貌，这使它成为一个出人意料的高效编辑。 方法：给人工智能一份工作草稿并赋予它一个角色。“你是一名《商业时报》（The Business Times）的挑剔编辑，且截稿日将近。这篇文章哪里含糊不清？哪里会让读者失去兴趣？哪里做了过多的假设？” 利用这些批评来指导修订——有时借助人工智能，有时亲自动手。
- 舍弃大部分内容。 人工智能整合了上百篇论文，建立了模型并生成了框架。其中很多都是出色的工作，但大部分都不应出现在最终的文章中。人工智能拓展可能性，而判断力则将其收窄至关键之处。这种收窄正是价值所在。 方法：直接使用人工智能进行压缩：“将这3000字的部分缩减为三个500字的版本，每个版本保留一个不同的核心论点。” 挑选最好的一个，恢复被删减的重要内容，然后再进行压缩。
Taimur Baig 是 DBS 的首席经济学家；Leslie Teo 是新加坡人工智能（AI Singapore）的高级总监，也是联合国人工智能独立国际科学小组成员。
本文是评论文章《勇敢前行：在人工智能时代重新定义工作与专业知识》（“To boldly go: redefining jobs and expertise in the AI era”）的姊妹篇，该评论由作者与大型语言模型共同撰写。
TRENDING NOW
Once staunchly pro-China, Malaysian Chinese businesses are now distancing themselves from Beijing
‘How many will survive?’: Bubble fears arise as China’s humanoid robotics face reality check
Philippine power giant First Gen rebuffs foreign offers, plans up to US$2.6 billion in expansion
Indonesia imposes US$116 million in fines over manipulation of Sinar Mas, Prajogo-linked stocks
