从“AI 味”到工具素养：当大模型写作开始拥有固定气味

# 导语

作者从一次很个人的经历切入：去年他开始写数学博客，并用 LLM 润色文章，当时觉得模型输出的词汇、句式和节奏都明显优于自己。但几个月后，他在互联网上反复看到几乎同样的表达模式，才意识到这些“高级感”并非真正独特，而是一种正在扩散的 AI 气味。文章虽短，却精准点出了一个越来越普遍的问题：AI 不只会生成内容，也会生成可识别的审美模板。

# 核心内容

文章列举了两个典型领域里的 LLM 痕迹。第一类是写作中的“AI 味”。作者认为，除了人们常提到的破折号滥用，更隐蔽的是一整套固定修辞：过多像格言一样的 punchline，例如“对称性是可见的智能”；连续短句制造戏剧节奏，例如“它没有偏好。没有审美先验。没有保留和谐的本能。”；以及高度公式化的句式，比如“X 是 Z 的 Y”“它不只是 X，而是 Y”。这些表达第一次读可能显得锐利、漂亮、富有哲思，但当它们批量出现时，就会变成一种语言指纹。

第二类是 AI 生成网页的视觉气味。作者提到一些近来常见的设计元素：JetBrains Mono 字体、带步骤说明的分栏页面、相似的按钮、卡片式组件，以及徽章里的闪烁小圆点。它们本身并不坏，甚至都符合现代网页审美，但问题在于它们被模型和模板反复组合后，迅速形成了一种“默认 AI 作品”的视觉套路。作者最后强调，他并不反对用 AI 做创作，只是在记录这些模式如何跨任务、跨媒介自然浮现。

HN 评论区则把讨论推向更广的层面。有人指出，LLM 往往在你不擅长的领域显得尤其强大：当你缺乏判断力时，它的流畅性容易被误认为质量。这个观点也被延伸到代码生成：有些人觉得 AI 让自己十倍高效，有些人却发现它产出冗长、重复、不一致，甚至引入安全漏洞。差异不只来自模型能力，也来自使用者的专业判断、审查投入和任务类型。

# 深度解读

这篇文章的价值不在于列出几个“抓 AI 文”的技巧，而在于提醒我们：大模型正在制造一种新的平均审美。它学习了大量优秀文本和优秀界面，却倾向于输出统计上安全、流畅、讨喜的组合。短期看，这能帮助普通创作者快速跨过“难看、难读、难用”的门槛；长期看，如果大家都依赖同一套默认表达，互联网内容就会出现同质化坍缩——每篇文章都像经过同一种润色，每个落地页都像来自同一个组件库。

更关键的是，AI 气味暴露的是“判断力”而非“使用 AI”本身的问题。优秀的作者或工程师可以把模型当作草稿生成器、打字加速器或灵感触发器，然后用自己的品味和上下文判断去删改、重构、约束它；而缺乏判断力的人则更容易被表面流畅性说服，把模板化输出当成成品。这也解释了为什么同一模型在不同人手中表现差异巨大：工具能力相同，但验收标准不同。

# 启示与展望

对创作者来说，最现实的启示是：不要只问“能不能用 AI”，而要问“我是否还能识别自己的声音”。LLM 可以润色、扩写、生成结构，但真正有价值的部分仍来自独特经验、明确判断和愿意删掉漂亮废话的能力。对产品和工程团队来说，AI 生成物需要更强的风格约束、复用规范和审查流程，否则会在代码、文案、界面里积累大量看似合格但缺乏一致性的碎片。

未来，“AI 味”也许会像早年的模板站、图库风、Bootstrap 味一样，成为一个阶段性审美标签。真正成熟的用法不是假装没有使用 AI，而是让 AI 退到幕后：承担重复劳动，保留人的判断、取舍和风格。