ChatGPT 的写作替代品：三大 AI 都会怎么动你的文字

我见过有人把同一条消息打了十一遍（为什么两行的回复能花上一个小时，说的就是这种情形）。删掉，重打，大声念一遍，发给朋友听听意见，最后发出去的，是一个缩短了的版本，几乎什么都没说。

到了某个时候，大多数人会把它贴进 ChatGPT。

改回来的版本通常更好。语法干净了，句子紧凑了，絮絮叨叨的部分没有了。可它通常也不再是他们自己的话。消息从一个紧张的人在凌晨1点写下的样子，变成了一个能干的陌生人在某个周二上午10点写下的样子，收到的人能感觉到这种差别，哪怕说不出差在哪里。Subtext 这款应用是我联合创办的，它抓的就是这道差距：在你发出之前，先读出这样一条消息到底在做什么。

所以我的立场显然不中立，后面的内容请带着这一点去读。比起说服你，我更想对你有用：这篇文章的大部分篇幅，先讲这三个 AI 助手做得好的地方，再讲写作一旦变得私人，它们会在哪些具体的地方出问题，而这些问题都有相当充分的记录。来源我都附了链接，你可以自己把我的利害关系和证据放在一起掂量。

先说它们擅长什么

如果你需要一条消息语法正确、更短、更清楚，或者翻译成另一种语言，三个都很出色，直接用就行。它们会改掉用逗号硬连起来的长句，删掉迟迟不进正题的开场白，把一段絮叨的话压成三个干净的句子。你一发话，它们还能切换语体。ChatGPT 的 Canvas¹ 给你一个并排编辑的界面，而不是一大堆重新生成的文字。Gemini 的 Help me write 就嵌在 Gmail 和 Docs 里，连“去找一个工具”这一步的麻烦也基本省掉了。Claude 的 Projects 能跨对话保存一份风格指南和一组参考文档。

要写一封不得罪人、不出错的工作邮件，这些就够了。你可以不用往下读了。

接下来讲的是另一类消息。道歉。你一直回避着没去设立的边界。回妈妈的消息。发给前任的那条。这一类消息的情形不一样，这三个助手之间的差别，也是从这里开始变得要紧。

改写可能破坏的四样东西

我发现，把“表面质量”和“改写忠实度”分开来看很有用。一条消息可能变得更顺，同时变得更糟，因为把话磨顺的过程，会把真正起作用的部分一起磨掉。举个例子：把“这也算是一种说法”改成“她强烈反对”，更明确了，却远没有原来真实。

我有一份清单，列着改写时必须原样保留的四样东西。我就是用它来审查一个改写版本的，不过没有人把它当作量表验证过。

本文后面的每一条抱怨，说的都是这四样里有一样没守住。我想指出一点：语法工具只检查第一样，大多数人评估一个 AI 改写版本时，也只会注意到第一样。

ChatGPT 懂得察言观色，却总改到要求之外

写人物对话时，ChatGPT 是三个里情绪直觉最强的。给它一个场景：两个人在聊一件平常的事，同时回避着另一件痛苦的事，它通常会把那件痛苦的事留着不说。它的输出有自然的节奏，也擅长看出文字底下人与人之间的情绪互动。

它反复出现的问题，是不肯老老实实待在编辑的位置上。谈到它的编辑行为，用户抱怨来抱怨去都是同一条：没人让它碰的地方，它也改。

由此带来两个连锁影响，对消息来说都要紧。第一个是它会抹掉具体细节。让你的道歉成为你自己的那句话，比如“我知道你在外面站了四十分钟”，被压成了“我知道我让你久等了”。网上论坛里写小说的人讲过同一种倾向更厉害的版本：他们要的是逐句修改、篇幅不变，拿回来的却是短了一大截的一章。

第二个是：语气方面的指示一含糊，它就大幅摆动，而你要的只是微调。常见的反馈是，它交回来的东西非常正式，你只提了一次“别那么正式”，它就一路摆到了非常随意。

而且，多喂它一些你自己的文字，也不一定能解决口吻问题。有些写作者把几千字自己写的文章贴进去当参考，反映说，出来的东西还是 ChatGPT 的味道。

Claude 照要求办事，然后把你解释给你自己听

Claude 是三个里最擅长只做你要求的事、不多做别的。它遵守限制条件，不编造细节，也很会处理人物的内心，所以人们想找一个不会接管自己草稿的模型时，常常提到它。

在这方面，最接近硬证据的对比结果是这一项。MultiPragEval 是一个测试语用理解的基准，覆盖英语、德语、韩语和中文。它的结果是：在会话含义（implicature）和格莱斯式（Gricean）解读上，Claude 3 Opus 明显领先 GPT-4。这是在用语用学的术语说：它更善于判断一个人想表达的意思，而不是他字面上说了什么²。我要提醒两点。第一，这个基准测的是理解，不是编辑。第二，被测的那些模型现在已经隔了好几代，所以它指向的是一个模型家族的倾向，而不是当前的排行榜。

Claude 的毛病和 ChatGPT 正好相反。它读懂了潜台词，然后把它写了下来。写小说的人把这叫作“解说漂移”（explication drift）：模型把本来只是暗示的东西变成明说出来的东西，行文像这样：“两人之间的沉默，承载着多年未说出口的分量。”放到一条短消息里，就成了心理咨询腔。

仅作示意，并非实际截取的输出

我没生气，就是发现你没回我消息

这是你写的。故意往轻里说，重点就在这里。

我想和你分享的是，这段时间没有收到你的回复，让我有一点受伤，我觉得这源于我真的很珍视我们的友谊。

潜台词变成了正文。它平静、清晰，说出的恰恰是你选择不说的那件事。

Claude 还有两种表现，出现得足够频繁，值得你提前考虑进去。不加约束时，它会添枝加叶，用户形容它的文字更有文采，有时又用力过猛。它还很舍得夸人，常把批评夹在夸奖中间，做成一块“夸奖三明治”。当你需要的是一个直截了当的判断，想知道消息会不会惹对方不快时，后一种表现就是个实实在在的问题。

Gemini 就在你身边，却不懂得留白

Gemini 的优势在于它所处的位置。它在 Gmail 里，在 Docs 里，是很多 Android 手机上的默认助手，免费额度也很大方。它没有 ChatGPT 把你的文字越改越短的习惯，遇到棘手的内容时，说教也少些。

对它写作质量的评价是分裂的，我觉得这一点值得直说。一些经验丰富的写作者认为，在点评创意写作和处理细微之处上，它是三个里最好的。另一些人则发现，它有一套甩不掉的固定文风，口气爱聊天，有人拿它比作 Reddit 上的评论。

和私人消息最相关的那个特点是：Gemini 几乎不懂叙事上的克制。你想留着不说的东西，它会摆到明处。小说家形容这就像在本该藏起来的细节上方挂了一块闪烁的霓虹灯。放到一条消息里，就是你小心翼翼绕开的那件事，出现在了第二句。

三个助手共有的毛病

一：它们会附和你

这一条最要紧，也是记录得最充分的。

2025年4月，OpenAI 推送了一次更新，让 ChatGPT 明显更爱奉承，四天后又撤了回去。他们自己的说明³写道，模型“skewed towards responses that were overly supportive but disingenuous”（大意：倾向于给出过度支持却不真诚的回答），并把原因归结为给用户的短期认可赋予了过高的权重。几天之后的一篇后续文章⁴，更详细地说明了他们的审核流程漏掉了什么。

背后的机制并不是 OpenAI 独有的。一项覆盖五个前沿 AI 助手的研究发现，用人类偏好数据训练的模型“frequently sacrifice truthfulness in favor of matching a user’s beliefs”（大意：常常为了迎合用户的看法而牺牲真实性），原因是训练会奖励附和⁵。

再想想人们实际上拿什么去问这些工具。很少有人贴一条消息，只是请它帮忙看语法。他们问的是“我这样说是不是太重了？”或者“我是不是反应过度了？”之类的话，我在这条消息听起来是不是很无礼里专门拆解过这类问题。可他们把这样的问题交给了一个从机制上就倾向于说“你没问题”的系统。

通用 AI 助手会帮你把愧疚牌打得更漂亮，却往往不会提醒你：你这是在打愧疚牌。

你想听的是另一个人的看法，得到的却是一个替你背书的人，只是标点用得更漂亮。

这篇文章讲到的所有毛病里，这是 Subtext 最直接针对的一个，我选的解法是结构性的。解法我放到后面再讲。

下面是 Subtext 把一次打愧疚牌直接点出来的例子。我专门编了一条英文草稿拿去试：“After everything I’ve done for you, you can’t even call me back?”（大意：我为你做了这么多，你连个电话都不回我？）。Subtext 给出的标签是“Guilt-tripping”（愧疚施压）和“Loaded language”（带情绪的措辞），并把情绪标为“Hurt”（受伤）。它标出了开头那几个词，第一条说明指出，“After everything I’ve done for you”（大意：我为你做了这么多）这几个词“tries to create guilt rather than simply asking for a call”（大意：是在制造愧疚，而不是单纯地请对方打个电话）。这是 Subtext 在一份草稿上的表现，那三个助手没有参与这次测试。括号里的中文说明是我加的，不是 Subtext 返回的内容。

二：它们会把你有意为之的写法抹平

三个都会纠正残句、重复、不寻常的标点、留有余地的措辞和方言，哪怕这些是你有意做的选择。要求它“保留口吻”并不能解决问题（2026年的那几项研究，我放在了那篇讲如何改写一条消息，又不让它听起来像机器人写的的文章里），因为模型没有办法知道，哪些怪处是你的特点，哪些是错误。

与此相关、也更隐蔽的是语义膨胀。模型会把“我可能去不了”改成“我去不了”，把“你好像有点不对劲”改成“你不高兴了”。每一处改动读起来都更笃定，却更不准确，而在一条谈两个人关系的消息里，程度上的准确，占了内容的大半。

三：它们的行文有一种人们认得出的腔调

每个模型都有自己的遣词习惯。写作者整理这些习惯已经有一阵子了，一旦你看出来，就再也忽略不掉。下表的例子取自英文输出。

这份用词清单背后，还有一层更大的担忧。关于 AI 辅助写作的研究发现，模型的介入会把不同的写作者推向同样的主流模式，也就是说，你用这些工具越多，所有人的文字就越趋同⁶。在 CHI 2025 的一项研究中，来自印度和美国的118人写了与自己生活有关的内容，开启 AI 建议后，印度参与者的文字向西方风格靠拢⁷。而一条消息的全部意义，就在于让对方一眼认出这是你写的。对这样的消息来说，这个方向是错的。

四：对方可能察觉，而你要为此付出代价

这是人们最容易低估的一点。有一个研究方向叫“AI 中介沟通”（AI-mediated communication），它的核心发现让人不太舒服。人们辨认 AI 写的文字并不可靠⁸，而且他们去辨认时，靠的是有缺陷的线索。但当他们相信一段文字是 AI 生成的，就会更不信任写的人⁹。

所以，千篇一律的改写，风险不止是得到一条平庸的消息，而是得到一条读起来不真诚的消息，偏偏又是在真诚就是这条消息全部分量的时刻。一句让对方起疑“这是 AI 写的”的道歉，造成的伤害，比你自己写出来的那句笨拙的道歉更大。

五：它们不知道你在给谁发消息

除非有跨对话的记忆，或者某个项目把内容带过来，否则每次对话开始时，几乎都是一张白纸。要想得到一份好草稿，你得先交代一段十年的友情，交代3月发生了什么，交代“没事”这两个字在你们两人之间为什么有特别的意思。几乎没有人会这么做，所以模型只能写给一个泛泛的收信人。系统对你们的关系一无所知时，能给出的只有正式的口气，这也是它的输出为什么那么常听起来像客服。正因为起点是一片空白，Subtext 才会读你粘贴或截图的对话，并在草稿是向某个人提出异议时，问你这条消息是写给谁的。这也是 Subtext 做了“记忆”功能的原因。你可以保存你最常写给的那些人，每个人配上几条简短的备注，写明你平时怎么跟他们说话。在输入框里输入 @，就会打开你的人物和风格列表。

还有一点，人们是压低了声音才会提的。把一场争吵的截图、一条分手的草稿、一条关于你家人的消息，贴进一个通用 AI 助手，和请它帮你调试代码，感觉是不一样的。这种直觉并不是多疑。

小说家们是怎么应对的

接下来的内容，让我确信这个缺口是真实存在的，而不是我为了有东西可卖才编出来的。

写小说的人最先碰到的，正是这些毛病，而且赌注更高，用量也更大。他们继续用这些模型，只是不再直接拿来就用。于是在模型之上长出了一整层工具，比如 Novelcrafter¹⁰ 这样的环境。你可以在里面建一本禁用陈词滥调的词典，文本生成时它会用红色标出命中的词句，也可以对选中的一段运行有针对性的操作，比如“show, don’t tell”（展示，而不是讲述）。Sudowrite¹¹ 的做法类似，设有专门的处理步骤，把概述式的写法转成具体的感官细节。

认真的用户走得更远，搭起了多个模型接力的流水线：一个模型负责结构层面的意见和潜台词分析，第二个在严格的限制下做逐句修改，再过一遍筛选，把 AI 词汇清掉，最后由人把口吻找回来。

修改一章，要动用四个工具和一份清单。这办法管用。它也说明，通用模型单靠自己做不好这份工作，而最在乎成品的那些人，早已接受了这一点。

现在把这个情形搬到一条普通的消息上。没有人会在回复姐姐之前，先走一遍四道工序的流水线。需要一层更精细的工具，这一点是一样的，而人们愿意花的力气几乎为零，这才是真正的产品问题。至于AI 消息改写工具到底管不管用，我在另一篇里专门针对这类消息查过。

更精细的工具得有哪些不同的做法

有三件事，没有一件是“写得更好”。

先分析，再改写。先说出草稿正在传递什么信号，包括写的人并没有打算传递的那一部分，然后才去动它的任何一个字，AI 消息检查工具就该这样做。这对一味附和的问题也有帮助，因为先给出判断的工具，是在有机会附和你之前，就已经对这个判断表了态。但这并不保证判断是对的。Subtext 跑在同一类模型上，所以要像追问朋友那样追问它：哪些词支持这个判断？这些词还可能被对方怎么理解？

把差距摆出来，别藏起来。一个贴近你原文的版本，和一个从头重写的版本并排放着，比一个打磨过的替代版本更有用。你能看到哪里变了，也能决定自己愿不愿意听起来是那样。

不但读消息，也读关系。这个人对你来说是谁，对话记录显示你已经试过什么，“没事”在这段具体的友情里是什么意思。

这三件事正是我在做的东西，所以这一节剩下的内容，请你照这个前提来读。Subtext 在提出任何建议之前，先给你写的内容标上情绪，这是一个故意让人不痛快的设计选择，因为它最有用的时刻，恰恰是你最不想听它说话的时刻。

仅作示意，并非实际截取的输出

没事，我懂，你忙。以后我不问了。

这是你会发出去的版本。读起来像在撤退，而“以后我不问了”是一句披着体谅外衣的威胁。

嗨，我完全理解你最近事情很多。今晚的事一点都不用放在心上，你什么时候方便，告诉我一声，我们再约。

这是一个千篇一律的改写。语法没问题，读着也舒服，可它把你受伤了这个事实删掉了，而那恰恰是原文里唯一有信息量的东西。

没事。不过我有点失望。我宁愿直接说出来，也不想装作什么事都没有。

口吻没变，保留了受伤的感觉，去掉了威胁，也没有添加任何你没说过的话。

第三件事，也就是关系，是“记忆”保管的东西。每个已保存的人，名下的每条备注都可以查看、编辑或删除，备注会一直留着，直到你删掉它。

同一句话发给两个已保存的人时，版本之间的差别就显出来了。为此，一个测试账号的“记忆”里放了两份档案：最好的朋友 Maya，备注里有“Jokes land well, sarcasm does not.”（大意：开玩笑她能接受，讽刺不行），常用风格是“Friends”（朋友）；上级 Jonas，备注里有“Keep it brief and factual.”（大意：简短，讲事实），常用风格是“Work”（工作）。这两个人是编的，应用写回来的内容不是编的。这几次试的都是英文，所以下面引用的应用文字保持英文原样，括号里的中文大意是我加的，不是应用返回的内容。

选定风格“Friends”和人物 Maya 之后，请求是“tell her I can’t make it on Saturday, I’m wiped out”（大意：告诉她我周六去不了，我累垮了）。Subtext 把“I can’t make it on Saturday, I’m wiped out”当作草稿，给出了三个版本。第一个是“I can’t make it on Saturday, I’m completely wiped out. Sorry!”（大意：我周六去不了，我完全累垮了，抱歉）。第二个是“Bad news, I’m running on empty and can’t make it Saturday. I’d be a zombie anyway. Sorry, Maya!”（大意：坏消息，我已经没电了，周六去不了，反正去了我也像个僵尸，抱歉，Maya），它的“可放心发送”标记后面的说明写的是“A light joke at your own expense, which Maya enjoys, with no sarcasm.”（大意：拿自己开的一个轻松玩笑，Maya 喜欢这种，而且没有讽刺）。

选定风格“Work”和人物 Jonas 之后，请求是“tell him I can’t make it on Saturday, I’m wiped out”（大意：告诉他我周六去不了，我累垮了）。第一个版本是“I can’t make it on Saturday. I’m completely wiped out and need to rest.”（大意：我周六去不了。我完全累垮了，需要休息），说明写的是“Leads with the news and gives a short honest reason. Brief and factual, which suits a message to your manager.”（大意：先说结果，再给一个简短而诚实的理由；简短、讲事实，适合发给上级的消息）。

风格“Work”里写着“No exclamation marks.”（大意：不要感叹号），给 Jonas 的三个版本都没有感叹号，给 Maya 的三个版本里有两个有。这与“Work”风格里的那条规定相符，但不能证明是这条规定造成了这个结果。两次试下来，第三个版本都添了一个没人要求的提议，给 Maya 的是尽快聚一聚，给 Jonas 的是交接工作，Subtext 自己也点明了这一点，给 Maya 的那条写着“The last one suggests catching up soon, which you didn’t say, so drop it if you’d rather not.”（大意：最后一个版本提议尽快聚一聚，这是你没说过的，不想要就删掉）。两次的第一个版本，还都把“wiped out”（累垮了）变成了“completely wiped out”（完全累垮了），这正是本文所说的语义膨胀，即程度上的改变，而两条说明都没有提到它。试两次只是示例，不是检验。

先把牢骚发出来也行。换成通用 AI 助手，你得自己把要求交代清楚，它从来不会反过来问你。有一次，我为这次运行编了一位客户和一个项目，发给 Subtext 的不是草稿，而是在客户一条语气愉快的消息下面写的一通牢骚：“说实话我有点烦了。跟Lea都开第三次会了，追踪居然还是坏的”，后面接着说她人很好，他们11月要融资，她反而去重做商店页面了，最后说要给她发一份今天的总结，而且“还不能听起来像在教训她”。Subtext 把情绪命名为“烦躁”，没有给任何词打标签，写道“我先问几个问题”，然后问了四个问题：今天会上实际定下了哪些要点；追踪这件事，希望 Lea 或她的开发周四前具体做什么，我能提供什么帮助；新建的广告账户和商店页面重做，要不要提醒她追踪优先；11月的融资和数据，想让她知道到什么程度，还有什么想补充或想问她的。第二、第三个问题下面各配了三个可以点选的回答，第一个和最后一个要自己打字。

我只回答了第一题和第四题：第一题填的是“广告账户设置，周四前的下一步”，第四题填的是“开发明天修好追踪”。Subtext 说它把追踪写成“一个具体的小任务”，然后写出两个版本，都标为“可放心发送”，这次没有哪一个拿到“需要留意”。第一个版本“简短直接”把结论列成三点，其中一点是“追踪请你们的开发明天安装好”，理由是“这样周四我们就能看到真实数据”。第二个版本“更温暖、说明原因”用提问请她的开发明天处理，“你们的开发明天能装好吗”，并把理由说成她自己的目标，“对你们11月给投资人看的数字也很有帮助”。烦躁留在了那通牢骚里，两个版本的请求都带着“明天”这个具体的日子。商店页面既没有被批评，也没有被叫停：第一个版本没有提，第二个版本只说“商店页面的新设计很期待”，Subtext 自己也说“商店页面我没有劝她先放一放”，因为第三题我没有回答。有一处要说清楚：两个版本都添了一句我没说过的话，由我来检查追踪装好了没有，第一个版本写的是“我来检查是否正常”，第二个写的是“我马上帮你检查”。Subtext 没有把这一句标成它自己加的，第一个版本的说明反而把它算作让 Lea 读起来“是协作而不是被催”的写法。以上是应用的真实输出，没有改动。

实际用起来，你把草稿贴进去，或者把对话截图，让 Subtext 把两边的话都读一遍，它会先指出你这条消息即将传递的信号，再给出读起来仍然像你的版本。

我仍然会打开 ChatGPT 的场合

长文档。职场邮件。凡是正确比“一看就是你写的”更要紧的事。做研究、写初稿、翻译，还有一种很具体的帮助：你开不了头的时候，它能替你把字先落在空白页上。

还有一个事实，和我自己的论点相冲突，我宁可写进来，也不想略过。一项以公共论坛上的医疗提问为对象的研究¹²有这样的发现：

这个发现

在78.6%的比较中，评估者更偏好聊天机器人的回答，而不是医生的回答；聊天机器人的回答被评为有同理心或非常有同理心的比例，是医生回答的近十倍。

这些模型能写出读起来温暖的文字，这种能力是真实的。

它们很少主动做的一件事，是告诉你：你这条消息读起来像最后通牒。它们会把这份最后通牒改得更顺，还夸你情感上很诚实。这道差距很小，却占了这份工作的大头，我做 Subtext，就是为了补上它。在改动你消息里的任何一个字之前，它先说出这条消息给人的感觉。

关于模型版本的说明。上面写的一切，描述的都是在每个模型家族的好几代版本中一直成立的表现，所以我基本上没有点出具体的版本号。这些系统每隔几个月就变一次，任何把论点绑在某一个发布版本号上的文章，到冬天就站不住了。

---

觉得我对你最喜欢的模型不公平吗？欢迎到 LinkedIn 告诉我。

Samet Durgun 是 Subtext 的联合创始人。这款应用会捕捉你消息里的情绪语气，并用你自己的口吻改写。他常驻柏林。

---

参考来源

凡有原始来源的，上文每个链接都直接指向它。

1. OpenAI, “Introducing Canvas,” 3 October 2024.
2. Park 等人, “MultiPragEval: Multilingual Pragmatic Evaluation of Large Language Models,” 2024. 测试了英语、德语、韩语和中文，涵盖 Grice 式的各个类别；Gemini 当时因 API 访问方面的原因被排除在外。
3. OpenAI, “Sycophancy in GPT-4o: what happened and what we’re doing about it,” 29 April 2025.
4. OpenAI, “Expanding on what we missed with sycophancy,” 2 May 2025.
5. Sharma 等人, “Towards Understanding Sycophancy in Language Models,” Anthropic, arXiv:2310.13548, October 2023.
6. 关于 AI 辅助写作中文风趋同的研究，包括 Padmakumar and He, “Does Writing with Language Models Reduce Content Diversity?”, ICLR 2024，以及 Doshi and Hauser, “Generative AI enhances individual creativity but reduces the collective diversity of novel content,” Science Advances, 2024.
7. Agarwal, Naaman and Vashistha, “AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances,” CHI 2025.
8. Jakesch, Hancock and Naaman, “Human heuristics for AI-generated language are flawed,” PNAS, 2023.
9. Jakesch, French, Ma, Hancock and Naaman, “AI-Mediated Communication: How the Perception that Profile Text was Written by AI Affects Trustworthiness,” CHI 2019. 另见 Hancock, Naaman and Levy, “AI-Mediated Communication: Definition, Research Agenda, and Ethical Considerations,” Journal of Computer-Mediated Communication, 2020.
10. Novelcrafter，Codex 和文本替换类的提示词功能。
11. Sudowrite，“Show, Don’t Tell”和 Describe 功能。
12. Ayers 等人, “Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum,” JAMA Internal Medicine, 28 April 2023. 585次评估；聊天机器人的回答在78.6%的比较中更受偏好，被评为有同理心或非常有同理心的比例是医生回答的9.8倍。