我最近让 AI 学习了我的写作。

不是让它帮我润色，也不是让它把一段话扩写成公众号文章，而是让它尽可能完整地学习我——我写过什么，我怎么写，我经常处理哪些问题，我在哪些地方会停下来怀疑自己刚刚说过的话。

这么做的理由很简单。

我知道 AI 的能力上限会比我们现在想象中更强——既然如此，与其站在远处焦虑，不如把自己放进去试一下。

我想知道，它到底能把我模仿到什么程度。

它先收集材料。

公众号长文、微博短文、AI 对话记录、问卷回答、二次复盘文件……它把这些东西分成几类：长文用来观察论证结构，短文用来观察日常表达，对话记录用来观察即时判断，问卷用来提取价值排序，复盘文件则像一张已经被预先整理过的地图。

这件事有点荒诞。

一个人把自己写过的东西交给 AI，然后站在旁边看它把自己拆开、归类、命名、重组——某种意义上，这像是一场数字时代的自我解剖。

它没有只学我爱用破折号——

如果只是每隔几句插一个破折号，再说几句“等等”“不，并不是”，那不是模仿，那叫装修。

真正让我感兴趣的是，它抓到的不是表层习惯，而是习惯背后的结构。

比如它发现，我的文章通常不是结论先行。

我更习惯先搭一个框架，让读者以为问题已经被解释了，然后再把这个解释拆掉。拆完以后，再搭一个更小、更不完整、但也许更诚实的东西——最后不一定解决问题，只是让问题变得更准确。

它还发现，我经常处理几个反复出现的概念：闭环、秩序、自欺、傲慢、标签、意义、现实生活。

这些词不是装饰，它们像是我理解世界时反复摸到的几个把手。

看到“应该”，我会问是谁的应该；看到“理性”，我会问它服务的是谁的效率；看到“意义”，我会怀疑它是不是某套价值观在当下完成了自我论证。

听起来很绕。

但它的确就是这么学的。

它把我的表达拆成几层：概念层、结构层、情绪层、边界层。

概念层是我反复使用的词和判断框架。

结构层是我如何推进一篇文章：建构，拆毁，再建构，再拆毁。

情绪层更微妙一点。它不是简单总结“我很敏感”，而是观察我在写作里的运动轨迹——先好奇，然后警惕；先把一个问题说得很确定，然后立刻怀疑自己的确定；先把分析推到很远，再把它拉回一碗面、一场雨、一个房间，或者某个具体的人。

边界层是我最在意的部分。

它注意到我并不喜欢把所有分析都说出口——能分析不等于该分析，能看见不等于该说出——有时候，一个判断太锋利，反而说明它还不够成熟。

因为真正的问题不是“我能不能看穿”，而是“我有没有权力这样看”。

后来，它把这些东西整理成一个关于我的模型。

里面有几个主心智模型，有更细的分析镜片，有决策时的启发式，还有表达方式上的规律……

它甚至专门写了一条边界：它能比较准确地模拟“我会怎么分析一个问题”，但不能准确预测“我现实里会怎么做”。

这条其实很重要，因为写出来的我，永远比现实里的我清楚：文章里的我可以把问题拆得很漂亮；但现实里的我会犹豫、会拖延、会被情绪拉走，会在知道一件事“应该”怎么处理的时候，依然处理得很难看。

这不是 AI 的问题。

这是人的问题。

也是写作本身的幻觉：文字会让一个人看起来比他实际更完整、更稳定、更自洽。

而我非常知道，我没有那么自洽。

但好奇被满足的同时，恐惧也会冒出来。

不是那种尖锐的恐惧，更像是在某个瞬间突然意识到：如果一个系统可以把我的表达、结构、概念、语气都总结出来，那我到底是什么？

我是我的句式吗？

不是。

我是我的观点吗？

也不完全是。我的很多观点都会变。我甚至经常觉得过去的自己是个大傻 X——这个传统已经持续很多年，堪称稳定。

我是我的经历吗？

好像更接近一点。但经历如果没有被整理，也只是一堆发生过的事——真正构成“我”的，也许不是事情本身，而是我如何从这些事情里判断什么值得被保留，什么值得被写，什么应该被删掉。

所以问题又绕回来了。

AI 能模仿我，是因为我先给了它东西。

我先写过那些文章，先在无数个问题里反复打转，先把“内耗”“标签”“意义”“自洽”这些东西拆到自己都烦，先在现实生活里重新找到一些锚点，然后它才有材料可以学习。

它可以从 1 到 100。

它可以把已经存在的东西做得更完整、更清楚、更像。它可以归类、压缩、迁移、重组，把一堆散落的表达整理成一套看起来很像“我”的系统。

但它很难从 0 到 1。

不是说它不能生成新的句子——它当然可以。问题是，它很难知道自己该生成什么。

这中间差的东西，我暂时称之为判断力。

判断力不是一个漂亮词。

它不是“人类比 AI 高级”的最后堡垒，也不是某种可以让我安心睡觉的精神止痛药。

它更像是一种非常具体的能力：在一堆可能性里，判断此刻哪一个问题值得被问，哪一段话值得被写，哪一种表达会越界，哪一个选择虽然不完美但可以承担。

写作里有很多这样的时刻。

一个段落可以继续展开，也可以停；一个概念可以被讲得更透，也可以被放过；一个对他人的分析可以显得很聪明，但如果说出来只是在满足自己的表达欲，那它就不该出现。

这些地方，AI 可以学习我的痕迹，但它很难真正承担那个判断。

因为判断力不是信息处理能力本身，而是信息处理之后的取舍——它要面对代价，它要面对关系，它要面对现实里那个具体的人，而不是只面对文本里一个可以被分析的对象。

当然，这个判断也可能是错的——也许几年后，AI 会连“判断力”都模仿得很好；也许我现在说的这些，不过是人类在技术面前给自己保留的一点自尊。

我们总要相信自己还剩点什么，不然日子也太难过了。

但至少此刻，我仍然觉得差异存在。

AI 能把事情做好，但很难知道自己该做什么。它能把 1 推到 100，却很难决定那个 1 是否应该出现。

所以我不介意让 AI 模仿自己。

上文和这句话，都是由 AI 生成的。

这件事本身并没有推翻前面的判断。

相反，它让我更清楚地看见了那条边界在哪里。

即使是 AI 生成，我本人也依然是为内容提供骨架的存在——我决定标题，决定主题，决定材料如何被组织，决定转折出现在哪里，也决定最后要把提示词放出来。

AI 完成的是从 1 到 100。

但那个 1 仍然来自我。

当然，这句话也可以继续被拆——因为“来自我”听起来好像很确定，实际上它也只是一个临时说法：我的判断也不是凭空出现的，它来自我读过的东西、写过的文章、经历过的关系、某些很具体的生活瞬间，以及我此刻愿意把哪些东西交给 AI。

所以我并不想把这件事说成什么宏大的结论。

我只是观察到：当我让 AI 模仿我时，我没有因此更确定“我是谁”。

但我更清楚地看见了哪些部分可以被复制，哪些部分暂时还不能，以及我为什么仍然需要在每一次使用它之前，先做一个判断。

忘了告诉大家，刚刚的总结也是由 AI 生成的。

以下为用于生成全文的提示词。

# 身份及任务请你以我的口吻，写一篇 2000-3000 字的公众号文章，标题为：《让 AI 帮我写作》。## 写作目的- 记录 AI 学习我本人写作风格的过程- 结尾处表明我的观点：判断力是 AI 难以模仿的能力- 最后进行转折，说明整篇文章都由 AI 创作## 内容结构### 引子- 开门见山地告诉读者我让 AI 学习自己写作这件事- 简要阐述这么做的理由：我知道 AI 的能力上限会比想象中更强，于是好奇 AI 能把我模仿到什么程度### 学习过程- 这部分为主要内容，需忠实地展示 AI 的学习过程。包括但不限于：    - AI 收集了哪些信息、如何对这些信息进行归类？    - AI 对这些信息进行了哪些处理与分析？得到了哪些结论？    - AI 从哪些方面构建出了一个关于我的模型？- 不要写成我本人的说明书，而是有的放矢，并穿插我的观点与思考- 不要解释 AI 做这些事的目的或原理### 话题深入- 当好奇被满足的同时，我也会不时感到一种恐惧——我是谁？- 不直接给出答案，而是引导读者再次关注 AI 的模仿过程：模仿的前提是我把自己写过的东西喂给它，并以此为切入点说明： AI 可以把事情做好（从 1 到 100），但很难知道自己该做什么（从 0 到 1）- 概括出“判断力”这一差异，点明这是我此刻认为 AI 仍难以模仿人类的能力- 自然收束：所以我不介意让 AI 模仿自己### 结尾转折- 从刚刚的结论进行自然过渡：上文和这句话都是由 AI 生成的- 语气平淡、自然- 不对 AI 产出的内容进行任何评价，而是以“判断力”为话题，进一步阐释我的观察和思考：即使是 AI 生成，我本人也依然是为内容提供骨架的存在### 兵不厌诈- 以“忘了告诉大家”的语气告诉读者，刚刚的总结也是由 AI 生成的- 以“以下为用于生成全文的提示词”作为结尾，把该段提示词原封不动地粘贴在文章末尾## 文字要求- 第一人称，内容以过程记录及个人观点为主- 主题突出，不在无关紧要的地方兜圈子- 语气保持克制，尽量模仿我的公众号文章写作风格- 在希望读者停顿的地方使用分割线对文章进行划分- 末尾的提示词不算在总字数中- 务必注意：不要出现错别字

注：（1） 结尾的提示词是我本人（真的是我！）写的；（2）未对文本进行任何修改、增补或删减，只调整了排版、标点与段落划分等，所以正文部分难免会有 AI 痕迹。