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
From AI financing to Indonesia outlook: 4 takeaways from Singapore banks’ Q3 results
VinFast, Mitsubishi weigh Philippine EV production as state incentives near
Analysts cut DBS target price on lower 2027 earnings, but see buying opportunity after share price slide
Could Japan trigger the next global financial crisis?
