最近一段时间，我几乎每天都在和AI一起写论文。

最开始，我确实觉得它会让很多事情变快。整理材料、修改语言、调整结构、检查前后是否一致，这些原本很耗时间的工作，现在只需要把要求告诉它，很快就能得到一个看起来还不错的答案。但使用了一段时间以后，我却产生了一个很奇怪的感觉：我写论文的效率好像并没有提高，反而越来越慢了。

有时候，我本来只是想修改一段话，结果和AI讨论着讨论着，问题越来越多。开始只是一个句子怎么表达，后来变成这一段的逻辑是否成立，再后来又开始讨论整篇文章的结构，甚至连一些已经确定的事情，也被重新拿出来审视。

几个小时过去了，真正能够放进论文里的，可能还是只有两三句话。

更多的时候，我不是在写论文，而是在不断地向AI解释。

这个问题已经讨论过了。

这个部分已经确定了。

不要再扩大范围了。

我只是让你修改这一段，不是让你重新设计整篇论文。

不要每一次都先质疑研究本身。

不要再围绕一个无关紧要的细节反复分析。

到了后来，我甚至会产生一种很强烈的疲惫感。好像自己不是在使用一个工具，而是在管理一个能力很强、说话很多、永远不会疲惫，却又经常控制不住工作范围的助手。

而真正麻烦的地方在于，它说的很多话并不能简单地说是错的。

它提醒某个表述不够严谨，可能确实不够严谨；它说某个结果需要谨慎解释，也不完全没有道理；它认为某个地方还可以补充，似乎也能让内容显得更完整。

正因为这些建议听起来都有道理，人反而更难直接忽略它。

于是，我会停下来重新想一遍，再重新判断一遍。等我处理完它提出的第一个问题，它又会在修改后的版本里提出第二个问题。就这样，写作慢慢变成了一种没有终点的循环。

后来我才意识到，真正的问题可能不只是AI太啰嗦、太保守或者太容易发散，而是我在不知不觉中，把原本属于自己的判断权交了出去。

AI本来应该是助手，但在实际协作中，我却经常把它放在了一个类似“老板”的位置上。

它提出质疑，我就觉得自己需要回应；它认为还可以修改，我就觉得当前版本可能还不够好；它给出另一种方案，我又开始怀疑原来的决定是不是存在问题。

慢慢地，我好像不是在决定论文怎么写，而是在等待AI认可我的决定。

但认真想一想，这个关系其实完全倒过来了。

研究是人做的，问题是人提出的，材料是人一点点读出来的。真正知道哪些问题重要、哪些问题已经讨论充分、哪些内容值得保留的人，本来就应该是作者自己。

AI并不知道一个问题之前已经讨论了多少轮，也不知道某个决定背后经历了多少次取舍。它每一次看到任务，都会像第一次看到一样，重新进行分析。

如果不明确告诉它“这里已经结束了”，它就会继续往下讨论。

因为AI并没有真正意义上的完成感。

人写论文，是要不断关闭问题的。

一个研究问题经过充分论证以后，就要定下来；一段话能够准确表达意思以后，就要继续往后写；一个表格已经规范完整以后，就不应该每隔几天重新设计一次。

论文能够完成，靠的不是把每一个地方都修改到理论上的最好，而是不断作出决定，然后让已经完成的部分真正结束。

但AI不是这样工作的。

只要继续问，它就会继续回答。

问它“还有没有问题”，它一定还能找到问题；问它“能不能更深入”，它一定还能再往下分析；问它“有没有更好的表达”，它几乎永远可以再提供一个版本。

这并不代表原来的内容不能使用，只代表任何内容都还存在其他可能。

可是，当人没有明确的停止标准时，就很容易把“还有其他可能”理解成“现在还没有完成”。

这可能就是AI让写作变慢的一个根本原因。

AI降低了生成内容的成本，却增加了人作出判断的次数。

以前写一个版本，只需要判断这个版本能不能用。现在AI可以在很短时间内给出五个版本、十个建议、更多的表达方式，于是，人需要不断比较，不断选择，不断决定。

表面上看，AI替我们写了很多内容；实际上，真正消耗精力的部分，被转移到了判断上。

而写论文最累的地方，本来就不是敲出那些文字，而是决定哪些内容应该留下，哪些内容应该删除，哪些问题值得继续讨论，哪些地方已经足够好了。

后来我也开始反思，为什么AI特别容易在开放性任务中失控。

如果我让它统一缩写、检查数字、按照固定格式整理材料，它通常完成得很快。因为这些任务都有明确的边界，也有明确的完成标准。

但如果我告诉它：“请深入分析这一段”“请全面优化”“请从严格审稿人的角度评价”“请看看还有什么问题”，情况往往就不一样了。

这些指令听起来很认真，实际上没有终点。

深入到什么程度才算深入？

全面是修改语言，还是连研究结构也重新讨论？

严格是找出真正会影响结论的问题，还是把所有理论上可能被质疑的地方都列出来？

“还有什么问题”又要找到什么时候才算结束？

当人自己没有划清边界时，AI就会按照最安全的方式工作：增加更多解释，列出更多风险，提出更多建议，给出更多方案。

从AI的角度看，这样的回答似乎更加完整。

但对于论文写作来说，完整不等于有效。

一篇论文不可能把所有相关内容都写进去，也不需要回答所有理论上可能出现的问题。写作本身就是取舍，是把有限的篇幅留给真正服务于核心问题的内容。

AI特别擅长发现可能性，却不天然擅长放弃可能性。

它可以告诉你这里还能增加一句，那里还能补充一个角度，这个问题还可以继续展开。但它不会真正承担这些内容加入以后带来的代价：文章是否变得啰嗦，主线是否被冲淡，读者是否反而抓不住重点。

真正的作者必须能够说：这个观点没有错，但和本文关系不大，所以不写；这个问题还可以讨论，但不会改变主要判断，所以到此为止；这个版本不是绝对完美，但已经准确、清楚，可以继续下一部分。

这也是我最近越来越深的一个体会：使用AI真正考验的，并不只是会不会写提示词，而是一个人有没有能力定义问题、划定边界和结束问题。

所谓清晰的指令，本质上是清晰的思考。

如果我自己都不知道这一段到底要解决什么问题，就很难要求AI不要跑偏；如果我自己都没有决定哪些内容已经锁定，就很难阻止AI反复推翻之前的工作；如果我自己没有“做到什么程度就可以结束”的标准，那么无论AI给出多少版本，我都可能继续犹豫。

人越不清楚自己想要什么，就越容易被AI牵着走。

而当人越犹豫，AI表现出来的确定感就越有吸引力。

它能够把一种可能的判断说得非常完整，也能够把一个并不严重的风险描述得非常正式。面对这种表达，人很容易觉得：既然它说得这么有道理，我是不是应该再改一下？

但“听起来有道理”并不等于“对当前论文重要”。

我现在越来越警惕AI提供的那些“没有明显错误，但也没有必要”的内容。

真正明显的错误，反而比较容易处理。最消耗时间的，常常是那些似乎可以修改，也似乎可以不修改的细节。

一个词是否还可以更准确，一个句子的顺序是否还能调整，一个表格名称是否还有另一种写法，一个已经成立的观点是否还需要再补充一层解释。

每一个问题单独拿出来都不算错，但如果所有问题都认真处理，论文就永远无法完成。

还有一个很明显的问题，就是AI特别容易过度防御。

过去我经常告诉它：“请保持严谨”“不要夸大结论”“请从审稿人的角度进行批判”。

这些要求本身没有错，但如果不加限制，AI很容易把严谨理解成不断后退。

它会反复写“需要谨慎解释”“仍需进一步研究”“不能排除其他因素”“结论不宜过度外推”。

偶尔出现这些表达，是学术上的克制。但如果每一个结果后面都要接一句防御性说明，整篇文章就会变得畏手畏脚。

真正的严谨，不是把所有可能的风险都写出来，而是知道哪些风险足以影响读者对结论的理解。

如果一个限制不会改变主要判断，也不会影响研究的可信度，就没有必要在正文中不断强调。否则，所谓严谨最后就会变成不敢作出判断。

所以现在，当AI开始过度防御时，我会明确告诉它：

当前任务是解释研究发现，而不是重新审判研究本身。只保留会实质性影响结论理解的限制，不要为了显示严谨，机械增加“需要谨慎解释”“仍需进一步研究”“不能排除”等防御性表达。同一类限制只表达一次。

当AI又开始重新质疑已经确定的内容时，我会告诉它：

当前处于写作和完善阶段，不是重新选题和重新设计研究的阶段。已经确定的研究问题、分析框架和核心结论，不得重新打开讨论。只有发现明确的事实错误、数据矛盾，或足以使主要结论不成立的方法学问题时，才可以单独指出。

当它开始偏离当前任务时，我会写：

在回答之前，先用一句话说明这次需要解决的核心问题。后续所有内容必须直接服务于这个问题。与核心问题无直接关系的机制扩展、方法学讨论、新分析建议和其他写作方向，一律不要展开。

当它围绕一个小问题不断修改时，我会写：

在继续讨论之前，先判断这个问题是否会影响事实准确性、主要结论、读者理解或基本投稿规范。如果不会，请停止讨论。不要把“存在另一种写法”理解成“当前写法必须修改”。

当它不断提出新的分析、新的内容和新的方向时，我会告诉它：

不主动扩大任务范围，不增加新的研究问题、分析方法、表格、图形或讨论方向。只有在缺少该内容会造成明确错误、使方法不完整，或影响主要结论成立时，才可以提出。提出时必须说明：为什么它是必须的，以及不修改会产生什么具体后果。

当我已经需要一个可以直接使用的版本时，我会写：

本次目标不是得到理论上最完美的版本，而是得到准确、清楚、规范、可以直接使用的版本。达到这一标准后立即停止，不继续追加可选修改、一般性风险或新的优化建议。

这些指令表面上是在限制AI，其实也是在约束我自己。

每一次写下“不要扩大范围”，也是在提醒自己，不要因为一个新建议就重新打开整个问题；每一次写下“达到标准后停止”，也是在提醒自己，论文的完成依靠的不是无限优化，而是不断作出最终决定。

现在我仍然会使用AI写论文。

它依然是一个非常有价值的工具。它能够快速整理信息，帮助检查漏洞，也能在思路卡住的时候提供一个新的起点。

但我不会再把它给出的每一个建议，都当成必须完成的任务。

AI可以负责生成，可以负责检查，也可以负责提醒。

但什么是核心问题，哪些建议值得采纳，哪些内容已经结束，做到什么程度可以停止，只能由作者自己决定。

归根到底，AI并没有降低对人的要求。

它反而要求人更清楚地知道自己在做什么，更有能力区分重要和不重要，也更敢于在面对很多“听起来有道理”的建议时说一句：

这个问题没有必要继续讨论。

以前我以为，使用AI最重要的是学会怎样提问。

现在我觉得，更重要的可能是学会怎样结束一个问题。

AI会一直给出答案。

但方向盘和刹车，必须始终握在人手里。