我开始怀疑：完全不用 AI，也可能是一种偷懒
文章探讨了在写作中使用 AI 的态度。作者指出，完全不用 AI 可能是逃避将模糊直觉转化为清晰判断的思考过程。真正的关键不在于工具本身，而在于作者是否能承担选择和责任，确保作品反映真实的思考。
相关文档
主体性均质化的时代，为什么大家的表达越来越相似？
文章提出'主体性均质化'概念，指不同个体在AI深度参与写作后，表达、品味、判断和构念逐渐趋同的现象。作者分析了AI润色如何抹平个人语气与思考，使创作者'不在场'，导致内容产量激增但有效理解成本上升的'内容通货膨胀'。引用Doshi与Hauser的研究及西蒙的注意力经济学说明问题的深层影响。最后作者主张个人建构主义：静下心拉回注意力，不让AI替你思考和写作，在允许AI参与的同时保持个人构念的可渗透性，通过学习、模仿最终超越，坚持为情而造文的创作信条。
AI写作的习惯及其应对方法
本文由 a16z crypto 发布，探讨 AI 生成写作的典型特征及编辑应对策略。作者认为不应纠结于文章是否由 AI 写成，而应关注写作是否有效传达信息、赢得信任。文章将 AI 写作问题归纳为修辞、声音、结构等方面，如'伪洞察式'空话、空洞对比、过度对仗、总结性套语等，指出这些问题在人类写作中早已存在。编辑建议包括改写测试、删除无意义语句、制定风格指南、利用 LLM 简化语言等，帮助创业者提升沟通效果。
我找到了AI写作问题的根源（附解法）
本文深入剖析了AI生成文字中常见问题的根源，包括自造隐喻和英文句法迁移导致的语义错配。作者指出，AI写作常使用需要读者二次理解的表达，以及“反映出”等连接词将事实、解释和结论混为一谈。文章结合训练数据背景，解释了英文表达习惯为何会进入中文，并提出了与AI协作写作的具体方法：先分类原材料，再检查自造说法和连接词，最后使用提示词让AI输出原句、问题和建议。最终强调，人需对文章中的判断负责。
Grok Bot Engineering: 像SpaceXAI一样打造你自己的Bot团队
本文深入介绍xAI（文中称SpaceXAI）的Grok Bot如何运作：每个Bot运行在持久化的云端Linux虚拟机上，拥有浏览器、文件系统和终端。核心亮点是'团队化'使用模式——以Chief of Staff为中心，配合各司其职的专家Bot，并由人工审批关键操作。文中以客服事件处理为例：三个Bot（IncidentWatch、Support Bot、IncidentSweep）协作，10分钟内清理204个工单。文章分7部分讲解Bot的组织架构、工程harness、技能与记忆、审批机制及可复制的搭建方案。
AI科研时代，人的价值在哪里（三）：论文写作
作者探讨AI时代论文写作中人的价值。工程类论文因研究贡献明确、方法论可显性提取，AI较易介入；人文社科论文则依赖研究者的中心判断与叙述节奏，AI容易局部正确、整体失焦。好论文是各章节互相回应的整体，人的核心价值在于拥有作者性——决定文章要证明什么、如何取舍论证路径。作者建议将论文写作当作系统工程，通过结构化文献综述、显性记录研究意图、明确章节任务、提供参考论文、最后处理语言等方式合理利用AI，但研究者不能把作者性外包出去。
CodeX 额度不够用？一招让它多干 10 倍活【附 6 段配置】
文章介绍如何通过配置优化 Codex 的额度消耗：主线使用贵的 GPT-6.1 Sol 负责思考决策，把读文件、搜代码、跑测试等杂活派给单价仅为二十分之一的 GPT-6 Luna 子代理。作者给出 6 段配置：让 Codex 自动配置、设置默认子代理模型、创建只读侦察兵 scout 和执行修理工 fixer 两个子代理、在 AGENTS.md 写入自动派活规则、日常派活提示词，以及在 ChatGPT 普通聊天中先聊透需求生成任务单。还提醒避免 Fast 模式、滥用子代理等白烧额度的坑，附具体配置文件与提示词模板。
当软件像牛奶一样便宜，我们还要交付什么 - INDIGO TALK EP52
本期 INDIGO TALK 对谈字节前工程师郭宇，从 2015 年字节作为神经网络驱动公司的往事讲起，谈到抖音意外胜出的内幕、Vibe Coding 背后的决策负担与工程师倦怠、Agent OS 的未来图景、智能的五个层次与商品化，以及软件为何会像牛奶一样便宜。当软件可以随时生成、用完即丢，个人化软件让分发失去意义，我们真正要交付的是什么？最后讨论当工作不再是必选项时，年轻人该如何选择人生方向。
AI 长篇小说长期记忆方案盘点：5 个开源项目解决剧情失忆吃书问题
作者分享了在番茄小说用 AI 写长篇的实践经验，指出大上下文窗口并不等于剧情逻辑连续性，核心在于状态锁、角色知识边界和改稿后的级联更新。文章深入分析了 5 个 GitHub 开源方案：oh-story（Codex 深度写手，追踪提交协议）、MuMuAINovel（中文 Web 工作台，可视化记忆管理）、Ani Book Skill（本地 YAML 工程化方案）、ainovel-cli（Go 语言多 Agent 引擎）、Webnovel Writer v6（Claude Code 插件），各自说明核心机制与实操避坑点。最后给出三个测试标准：道具连续性、角色知识隔离、改稿级联冲突检测。
AI写头条号、公众号、百家号和小红书文章限流和AI不引用的真实技术原因分析
文章分析了2026年9月前后AI创作内容在各大平台遭遇限流、删除的真实原因。作者指出问题不在AI率本身，而是同质化、模板化和创作度不足三大问题：平台判断标准是信息增量而非文字重复率；固定套路如"首先其次最后"等高频词和雷同结构易被系统识别。作者给出实操建议：让AI分段生成初稿、删除AI高频词、增加真实细节、发布前做质量检查。核心结论是平台在意的是内容价值而非是否使用AI，AI率低不等于内容优质。
Jev 火了：我整理了 20 个真正适合国内用户的用法
文章介绍了近期海外开发者圈爆火的 AI 工具 Jev。它不是生成型模型，而是专注于毫秒级、极低成本的大量小判断，核心能力包括 Choice（选择）、Score（评分）和 Noul（概率判断）。作者整理了 20 个适合国内用户的应用案例：内容创作领域包括小红书标题爆款体检、检测文章 AI 味、筛选海量新闻素材、个性化信息流过滤；企业场景包括客服工单自动分类、销售线索分级、表单自动填写；开发者场景包括代码审查、AI 代码质检、编码 Agent 监工、MCP 集成、Agent 执行前的安全检查、长期运行 Agent 的记忆清理，以及智能家居和浏览器 Agent 操作等。
提示词的尽头，是把问题说清楚
文章借用维特根斯坦的语言澄清思想，探讨在顶级模型时代提示词的意义。作者认为提示词的核心不是魔法措辞，而是澄清需求：语言可以把模糊的愿望包装成看似完整的指令，如'更好''漂亮''最佳'都缺少参照和取舍。作者指出说不尽的美学偏好可以通过示例和参照来沟通，澄清需求可以是对话的成果而非前提。好的提示词是：能说清楚的说明白，难以说尽的给参照，存在冲突的讲取舍，最后检验结果。
我把 JEV、GrokBot、X 玩到了一起
作者介绍了 TypeSafe 推出的 Jev（业内称 System One），一个快速判断模型：输入状态和固定题目，仅返回选项、分数或概率并带置信度，延迟约 70-500ms。作者将 Jev 与 Grok Bot 结合：Grok Bot 负责抓取时间线、读提及、执行动作等重活，Jev 负责快速分流判断（值不值得管、急不急、是不是广告等）。作者以盯 X 时间线为例，对每条帖子跑四问测试，平均耗时约 235ms，下一步判断 8/8 正确。作者提醒不要神化 Jev，其 confidence 不等于统计准确率，敏感操作仍需人工把关。核心思路：Jev 管判，Grok Bot 管干。
