我组了一支「AI 评审团」：三个 AI 互相挑刺，才知道我那篇破文章有多烂
先说个扎心的事实：我写东西有个毛病——自己读着觉得挺好，越看越顺，越顺越觉得挺好。这叫作者盲区，无药可救，人工审稿也一样，上班族一样，甲方也一样。
所以我干了件小事：把同一篇文章，依次丢给三个 AI 当"审稿人"，让它们挑刺、打分、说人话，然后我把三份意见叠在一起看。结论有点扎心，但方法论挺值钱，今天完整交代。
一、为什么是三个 AI，不是一个
一个 AI 当审稿人有个致命的坑：它太客气了。你写一段废话，它给你总结成"这段话有效地补充了上下文"；你逻辑绕了十八个弯，它说"论证结构较为严谨"。
而且更微妙的问题是，AI 审稿的时候有个隐藏偏置——它倾向于评价"看起来像好文章的东西"，而不是"是不是好文章"。你要是写得结构清晰、术语准确、排版舒服，它给的分数就高；哪怕整篇是套话的空壳。
我这次的结构是这样的：
- AI-A：军师型。只准吐槽，不准夸。指令里明确写"如果你找不到三个具体问题，就说明你没认真读"。
- AI-B：结构型。只评论证链条：论点有没有被支撑、结论是不是滑过来的、有没有偷换概念。
- AI-C：读者型。扮演目标读者，读完回答三个问题：你在哪一句走神了？你觉得作者想说什么？你读完记住了哪一句？
三个角色刻意错开，因为我想要的不是三份评分，是三种视角的摩擦。单个 AI 的意见容易有偏，多个 AI 互相矛盾的地方，往往就是我文章真正的病根。
核心思路一句话：别问 AI"我这篇文章好不好"，让它干具体活儿——找茬、拆链条、模拟读者。评估类任务里，"开放式打分"是最不可靠的，"可验证的具体动作"才靠谱。
二、实测翻车：AI 审稿最常见的三个套话陷阱
跑下来我最想吐槽的，不是 AI 说得不好，而是 AI 说得很像那么回事但毫无信息量。三个高频陷阱：
陷阱一：夸赞式陪跑。AI-B 被我要求"只评论证"，结果开头还是来了一句"整体结构较为完整，观点具有启发性"。我后来加了硬约束："第一句必须是问题；如果第一句是肯定，直接重写"。加完之后质量立刻上一个台阶。经验法则：把"不许夸"写进指令，比写"请认真"有用十倍。
陷阱二：具体位置的空转。它说"第二部分的论据稍显薄弱"，但我不问，它永远不说薄弱在哪。我改成要求输出格式："引用原文中的一句话 + 指出这句话为什么站不住 + 给一个替代写法"。这一下就把"评价"变成了"改写"，信息密度天差地别。
陷阱三：读者视角被"善意"污染。AI-C 扮演读者，结果它比我还懂——它能精准复述我的核心观点，这在真实读者身上是不会发生的。真实读者不归纳，要的是故事和结论。所以我给 AI-C 的提示词里加了限制："不许总结全文，只回答你关心的问题；如果读完你觉得文章想说的和你以为的不一样，直接说出来"。
三、Prompt 心法：把"请评价"改写成"请执行"
这次最大的收获，其实是一条通用心法。AI 表现不好，很多时候不是模型不行，是指令停在了"抽象层"。
几个我实测有效的改写方向：
- 从"评价"改成"施工"：不说"帮我润色"，说"找出三处啰嗦的句子并直接改写"。
- 从"打分"改成"举证"：不说"给个分数"，说"写出五条支持这个判断的具体依据"。分数会骗人，依据不会。
- 从"全面"改成"限死"：不说"帮我看看哪里不好"，说"只挑逻辑漏洞，语法错别字不用管"。范围越窄，输出越可用。
- 从"一次问完"改成"追问"：AI 说"可以更好"，你就回"具体怎么改？给出改写后的完整段落"。两轮下来的产出质量，通常比一次长 prompt 高。
还有一个反直觉的用法：让 AI 扮演最挑剔的读者，而不是最欣赏的编辑。编辑会顺着你的意图改，挑剔的读者会站在你没考虑到的立场反对你。反对意见才是真正暴露漏洞的东西。
四、往远了看一层：AI 评审这件事的行业意义
把这事放到行业里看，其实是一个更大的信号。
过去我们依赖"同行评审"来把关质量，代价是慢、贵、还带人情。现在 AI 评审正在变成一种廉价的前置过滤器——它不负责判"论文够不够格发表"，但它能极其高效地揪出低级问题：逻辑跳跃、概念混用、缺失的限定条件、假大空的表述。
同理，在公司里，AI 成了"需求文档评审员"、"代码合并前的那道扫描器"、"PR 描述的打分器"。瓶颈并没有消失，它只是从"写得出来"搬到了"审得过来"——这跟当年从手写代码搬到 review 代码，是一个模子。
更狠一点的推论：当审稿近乎免费，"被审过"就不再是质量信号了。就像今天所有人都能生成一张好看的图，画的水平本身就不再是评价标准了。往后真正值钱的，是那些 AI 很难替你完成的部分——你踩过坑的判断、你独有的视角、你愿意为一个判断背书的信誉。
这一点对做内容的人尤其扎心：AI 能帮你把文章写顺，但顺，本身就不值钱了。
五、实操清单：五分钟搭一个评审团
- 写完初稿，先别急着改。原文另存一份，别污染。
- 准备三段角色提示词：挑剔军师、逻辑拆解、目标读者。每段都带"输出格式"和"禁止项"。
- 并行跑三个，拿到意见后不要直接照改。先找三份意见里同时出现的问题——那才是真问题；只有一个 AI 提的，多半是它自己的口味。
- 自己写一版"质疑 AI"的回复：同意哪条、拒绝哪条、为什么。拒绝的理由往往比修改本身更值钱。
- 把第 4 步的判断沉淀成你自己的 checklist，下次写之前先过一遍。
做完这套你会发现一个有点好笑的事实：AI 评审团最有价值的产出，不是那些"建议修改"的部分，而是逼着你自己把文章的核心主张重新说一遍。当三个 AI 用三种方式问"你到底想说什么"，而你发现自己很难用一句话答上来——那这篇文章大概率就别发了。
这大概是 AI 工具最实在的用法之一：它不当裁判，它当那个一直追着你问"所以呢？"的讨厌同事。而且这个同事不要工资，不要年假，凌晨三点也在。
