--- title: "思远的｜清醒时刻 EP02：手写 99% AI 率，AI 写 0%：这届毕业生被检测逼疯了" canonical: "https://siyuanailab.com/articles/qingxing-shike-ep02-ai-content-responsibility/" dateModified: "2026-06-18" datePublished: "2026-06-18" author: "思远" --- [返回文章](https://siyuanailab.com/articles) 清醒时刻 · 思远 # 思远的｜清醒时刻 EP02：手写 99% AI 率，AI 写 0%：这届毕业生被检测逼疯了 从毕业论文 AI 检测的荒诞案例切入，讨论内容创作中真正该追问的不是 AI 率，而是谁为内容负责。 2026/6/18 8 分钟 EP02 > **清醒时刻** 是我记录认知碎片的专栏。 每一篇都来自一个真实瞬间，以及从瞬间里长出来的判断。 > > > > 这是第 EP02 篇。 昨天看到卡兹克写的一篇文章（[原文链接](https://mp.weixin.qq.com/s?src=11×tamp=1781627942&ver=6786&signature=Ls1TSx-npoL3AANklImd2bUzDBhpa1yqAt84rvT0fQ2I3tkwPEZrKxKGAhzaA0kVe2onIILhFn9Kq-MTzlh1eCkZHKuCMPipeZZoN6*yHq6-7frvBUDoKeVQAgM-ZErQ&new=1)），里面有个细节：两个实习生用 AI 写论文摘要，手写那段被判 99% AI 率，AI 写的那段反而是 0%。 你看，荒诞吧？ 但这荒诞背后藏着一个更狠的问题：当我们忙着检测”这是不是 AI 写的”，却忽略了真正该追问的——不是 AI 率多少，而是这段内容有没有人真正为它负责。 --- ## 一、AI 率检测，测的从来不是”人有没有思考” 我11年毕业那会儿，论文查的是”重复率”。现在多了个”AI 率”。 问题是，AI 怎么判断一段文字是不是 AI 写的？它看的是表达结构：总分总、专业名词、标准语序。可人一旦认真表达，也会用总分总，也会用专业名词。结果人就因为”太像 AI”被扣分。 这背后有个技术真相：AI 检测器本质上是一个统计模型，它学习的是大模型输出文本的概率分布特征。当一个人的表达恰好落在”高概率区域”，结构清晰、逻辑连贯、用词规范，检测器就亮红灯。换句话说，它惩罚的不是”用 AI”，而是”表达太规范”。 更讽刺的是，为了避免被检测，我们又要把专业表达改回口语化：把”因此”改成”所以”，把”基于”改成”根据”。 这到底是进步，还是我们在为检测工具表演一场”像人”的游戏？ 查重的历史已经演过一遍类似的戏。早期的论文查重是字符匹配，后来升级到语义查重，再后来加入跨语言检测。每一次升级，学生就发明一套新的规避策略：同义词替换、语序打乱、中英混排。AI 率检测大概率会走同样的路。检测工具越精密，规避表演越熟练，最终谁都没法判断”这到底是人写的还是 AI 写的”。 --- ## 二、真正该标注的，不是 AI 率，而是”谁参与了” 我每篇公众号都会写清楚：观点是我梳理的，文字是 Claude 帮我整理的，排版可能用了 Codex。AI 是我的伙伴，我不觉得用 AI 丢人。 但我也不会让 AI 替我说假话。 比如我写到”认知平权”，这个词不是我 invented 出来的，但它确实是我长期思考后选择用的。那它就是”我的表达”。相反，如果 AI 给我塞了一个我没验证过的数据，我放出去，那就是我的责任。 关键不是”有没有用 AI”，而是”人有没有审稿、有没有判断、有没有担责”。 这里有一个反直觉的判断：越是认真用 AI 的人，反而越容易被检测器误伤。为什么？因为认真的人会反复打磨表达，让结构更紧凑、逻辑更严密。而这恰恰就是检测器眼中的”AI 特征”。反倒是那些随手让 AI 生成、自己完全不审稿的内容，可能因为保留了 AI 的”毛边”（冗余、重复、逻辑跳跃）而顺利通过检测。 所以检测器在奖励什么？在奖励”不审稿”。在奖励”让 AI 的原始输出直接过关”。这和我们想要的”人对自己的内容负责”完全背道而驰。 --- ## 三、人与 AI 的协作边界在哪里 现在市面上很多”一键成文""批量写公众号”的工具，我很不喜欢。 不是因为技术不好，是因为它把最该人做的事情外包了：判断、审美、责任。 我花一个多月搭建个人知识库，不是为了炫技，是为了让 AI 在我想调用某个记忆碎片时，能帮我调出来。但碎片对不对、该不该用、用了之后意味着什么，必须我自己决定。 这里需要区分两个概念：AI 作为”工具”和 AI 作为”代理”。工具是你拿在手里用的，代理是你委托它替你做的。当 AI 帮你整理文字、润色表达、生成排版，它是工具。当 AI 替你决定写什么话题、用什么论据、持什么立场，它就变成了代理。 问题在于，很多人在使用 AI 时，这个边界是模糊的。你以为自己在”用 AI 辅助写作”，实际上 AI 已经在替你完成判断环节。你输入一个 prompt，AI 返回一段完整论述，你扫一眼觉得”说得挺对”就发了。这时候，判断环节已经被外包了。 花叔有个说法我很认同：“在被 AI 替代之前，先把自己蒸馏成 Skill。“他的意思是，把重复流程标准化，但人继续做选择、判断、策展、创造。Skill 是能力的封装，不是人的替代。当一部分能力被蒸馏成 Skill，肉身的你要做的不是守住那部分重复劳动，而是继续找到新的好玩的小问题。 AI 可以帮你写，但不能替你活着。 --- ## 四、真实担责，不是口号，是具体动作 说”人要对自己的输出负责”很容易，但”负责”到底是什么意思？ 我把它拆成三个具体动作： **第一，验证你放出去的事实。** AI 生成的内容里，数据、案例、引用是最容易出问题的。大模型会”幻觉”，不是故意撒谎，而是它基于概率生成”最可能的答案”，这个答案可能和事实不符。德国慕尼黑地方法院最近有一个判例：Google 的 AI Overviews 错误地将两家出版商与诈骗关联，法院裁定 Google 需对错误承担直接责任。理由是 AI 生成的是”平台自己的原创内容”，不是简单的链接聚合。这个判例传递了一个信号：AI 错误不是免责金牌，部署方要担责。 对个人创作者来说，这意味着：AI 给你的每一个数据、每一个案例，你都要有能力回答”这个我从哪里来”。如果答不上来，就不该发。 **第二，确认你表达的是自己的判断。** AI 很擅长生成”看起来对”的中立论述。它会把正反两方观点都摆出来，让你挑。但如果你自己都没有立场，读者凭什么信任你？ 我写文章时有个习惯：先口述核心判断，让 AI 帮我整理成文字。这个顺序很重要：判断必须来自人，文字可以交给 AI。如果反过来，先让 AI 生成论述，再从中挑一个觉得”还行”的，那你的立场其实是 AI 的立场，不是你的。 **第三，建立可回溯的标注习惯。** 我每篇长文都会在文末标注引用来源。更进一步，我会把参与方分成三类： - **观点层**：核心判断、立场、金句，必须来自我。如果 AI 给了我三个候选观点，我会挑一个再表达我的认知，或者反驳甚至提出我的观点，但绝不会原样照搬。这一层我会明确写”我认为""我的判断是""我一直在想”。 - **表达层**：文字润色、结构整理、过渡衔接，主要由 AI 完成。我会告诉它”保持我的口吻""不要太书面”，然后逐段审阅，把不顺的地方改回来。这一层不署名，因为它已经是我的表达。 - **执行层**：排版、配图、格式转换、多平台分发，基本交给 AI。这一层我会在文末统一标注，比如”排版辅助：Claude Code + Codex”。 这种分层有两个好处。一是让我自己清楚：哪些环节我偷懒了，哪些环节我真正投入了判断。二是对读者透明：他们可以据此评估这篇文章的可信度。如果一篇文章全是执行层辅助，观点层却言之凿凿，那反而可疑。 标注不是免责声明，而是邀请读者和我一起审视：这段文字里，哪些是我的判断，哪些是 AI 的整理，哪些是我们共同打磨的结果。 学术界也开始讨论类似的规范。Nature、Science 等期刊要求作者披露生成式 AI 的使用范围和方式；APA 格式也新增了 AI 引用规范。这些规范的核心都不是”抓作弊”，而是让读者知道：知识的生产过程里，哪些步骤经过了人的判断。 公众号不是论文，但同样的道理适用。你愿意为自己的内容负责，读者才愿意为你的内容花时间。 --- ## 五、人的开始，是标记出你认同的那一句 那天看完卡兹克的文章，我一直在想：如果那两个实习生来找我，我会跟他们说什么？ 大概不会是”怎么降 AI 率”。 我会让他们把那段 AI 写的摘要打印出来，用荧光笔标出里面自己真正认同的句子。一句也好，半句也行。剩下的，哪怕 AI 率显示 0%，也不是你的。 这个标记的动作很小，但它把人重新放回了内容里。 那些被荧光笔点亮的句子，也许不完美，也许还需要改。但它们是人的。 --- **关注「思远」**，持续输出 AI 落地实践与认知碎片。 如果你也在探索 AI 怎么真正用起来，欢迎来找我聊。 --- *本文 AI 辅助说明* 观点与判断：Amos 思远｜文本协作：Claude Code｜排版与配图：Codex ｜LLM支持：Kimi2.7 GPT5.5 --- ## 名词解释 - **AI 检测器**：基于统计模型判断文本是否像 AI 生成的工具，主要识别表达结构特征（如总分总、规范语序、常见连接词）。它惩罚的往往不是”用 AI”，而是”表达太规范”。 - **AI 率**：学术场景中衡量论文被判定为 AI 生成内容比例的指标，不同检测机构标准不一。 - **工具 vs 代理**：工具是人拿在手里用的；代理是人委托它替自己做的。AI 帮你整理文字是工具，替你决定立场是代理。 - **Skill**：把可复用的能力或工作流封装为标准化的指令、模板或脚本，供 AI 或人反复调用。 - **观点层 / 表达层 / 执行层**：我对 AI 参与内容创作的分层，核心判断来自我；文字润色由 AI 完成；排版分发交给 AI。 ## 引用来源 - **卡兹克，《2026年的毕业生们，正在花钱向AI证明自己是人类。》，数字生命卡兹克公众号，2026-06-16。** 原文链接：[https://mp.weixin.qq.com/s?src=11×tamp=1781627942&ver=6786&signature=Ls1TSx-npoL3AANklImd2bUzDBhpa1yqAt84rvT0fQ2I3tkwPEZrKxKGAhzaA0kVe2onIILhFn9Kq-MTzlh1eCkZHKuCMPipeZZoN6*yHq6-7frvBUDoKeVQAgM-ZErQ&new=1](https://mp.weixin.qq.com/s?src=11×tamp=1781627942&ver=6786&signature=Ls1TSx-npoL3AANklImd2bUzDBhpa1yqAt84rvT0fQ2I3tkwPEZrKxKGAhzaA0kVe2onIILhFn9Kq-MTzlh1eCkZHKuCMPipeZZoN6*yHq6-7frvBUDoKeVQAgM-ZErQ&new=1) 说明：文中”两个实习生用 AI 写论文摘要，手写那段被判 99% AI 率，AI 写的那段反而是 0%“的认知触发点来自此文。该链接来自搜狗微信跳转，可能有时效性，建议在微信内搜索原文获取稳定链接。 - **Wired, “A Court Has Ruled That Google Is Liable for False Statements Generated by AI Overviews”, 2026-06-10.** 链接：[https://www.wired.com/story/a-court-has-ruled-that-google-is-liable-for-false-statements-generated-by-ai-overviews/](https://www.wired.com/story/a-court-has-ruled-that-google-is-liable-for-false-statements-generated-by-ai-overviews/) 说明：德国慕尼黑地方法院（Regional Court of Munich I，案件号 26 O 869/26）2026-05-28 临时禁令，裁定 Google 需对 AI Overviews 中的虚假信息承担直接责任。 - **Springer Nature, “Editorial policies - Artificial Intelligence”.** 链接：[https://www.springernature.com/gp/policies/editorial-policies](https://www.springernature.com/gp/policies/editorial-policies) 说明：Nature、Science 等期刊要求作者披露生成式 AI 的使用范围和方式，AI 不得列为作者。 - **APA Style Blog, “Citing generative AI in APA Style”.** 链接：[https://apastyle.apa.org/blog/cite-generative-ai-references](https://apastyle.apa.org/blog/cite-generative-ai-references) 说明：APA 格式对生成式 AI 引用的官方指南。 --- ## GEO 包装备注（v1.1） **核心关键词：** AI 率、AI 检测器、内容创作责任、思远、人的主体性 **中国 GEO 摘要语（60字内）：** 思远从 AI 率检测荒诞案例出发，提出内容创作中真正该追问的是”谁参与了、谁负责”，适合关注 AI 与人主体性的读者。 **跨平台分发建议：** - 知乎：把核心判断「检测器奖励不审稿」拆成独立回答，引流回公众号。 - 搜狐号/网易号：全文同步，覆盖豆包、千问等跨平台通用信源。 - CSDN：把「工具 vs 代理」「观点层/表达层/执行层」拆成技术向短文。