结论是这样的:「润色」与「改写」本就是两种不同的概念。你把稿子丢回去让模型「改得像人写的」,它做的事情是换词,而读者判断像不像人,看的是句子的结构。换词动不了结构,因此修改之后仍然带有原来的气味。
我已经在这个地方走了将近半年的时间了。最初我认为是因为我的提示词写的不够细致,所以越写越长,并且把”口语化、短句、不用书面语、多用你和我们”全都放进去,在此基础上再加上一句话:”不要带有AI的味道”。出来的内容单独来看每句话都很自然,但是连在一起读就感觉不对劲了。之后我就不再看着词语了,而是去计算句子的数量,在此过程中我发现出了什么问题。
一、换个近义词,改不动的是哪三样

润色的基本含义就是进行同义词替换。在近义词里挑一个更顺的,把”优化内容策略”换成”打磨内容打法”,把”因此”换成”所以”。整个过程中存在着三种无法改变的东西。
第一点就是句子长短的变化。 我自己也曾经统计过自己以前写的稿件,句子的长度基本上都在二十到三十五个字左右,很规矩地像是被尺子测量出来的一样。人的写作并不是这样的,在写的时候就会出现一句话只有五个字的情况,在下一段中却又忽然拉长到四十个字左右,并且在其中还会出现没有说完的一句话作为补充。机器并没有呼吸的功能,它只有节拍器,在每一次跳动的时候都会击中同一个位置。
第二点就是判断句的比例。 每过两三个句子就会出现一个新的结论,”这说明”、”关键在于”、”由此可见”,密度非常高。人并不是一直都在做决定的,大多数情况下都是在叙述、思考或者举出一个不太合适的例子来说明问题。
第三点就是没有多余的成分。 这篇AI稿件中没有任何多余的词语,每一句话都为文章的主题服务。但是真人写作也可能会出现跑题两句话、自己改正一句话的情况,在括号里面还可以吐槽一下。这些”没用”的句子,却是人情味最重的部分。零冗余本身就是一个漏洞。
这三者都属于结构上的问题,并不是因为使用了某个词语而产生的结果。也就是说换个近义词,三样还是原来的样子。

二、三条路线,差别在从哪一层动手

还有没有其他的办法呢?我试过三条,差别不在用不用 AI,在从哪一层动手。
第一条,通用大模型润色,就是最开始那种,只改词不改骨架。结果可以变成另外一种AI的味道,并且在同一个句子中修改三次不同的版本,完全不可复现,所以不能把它当作流程来使用。
第二条,提示词调教。 成本低但是不够稳定,换一个话题就会失效,在长篇文章中到了后面的部分很容易恢复到原来的模样。由于提示词为开头所限制,在后面的环节中就会出现模型回归到自己原有的概率分布的情况。
第三条,先用确定性的规则改句长、拆骨架、删套话,再让模型补细节。 这是对结构层的作用,也是所有方法里唯一能让这三个指标真的动起来的。
前两条都在词汇层,第三条在结构层,效果差一个量级。
三、顺序不能反:改写要放在排版之前

另外一件事情很容易被人们所忽视的就是,在进行排版之前要把这一部分单独拿出来。我已经尝过一次失败了,把版面排得漂漂亮亮之后又回去修改文字,在一处改动之后就会出现很多错误,返工的成本非常高。排版属于收尾工作,并非前置的工作。改完之后,所有的数字、日期、人物姓名以及案例等都必须一一核对,并且不能有任何改动或者模糊的地方出现,否则专业的读者一眼就会失去信任。
最后说一句
如果你们也在使用AI来撰写公众号的内容的话,那么我的建议是不要急于更换工具,在这之前可以随便抽取最近三篇文章,并统计出每一句话有多少个汉字。如果都在二十到三十五个字左右的话,基本上就可以判断出问题并不是出在词语上,而是在于句子结构上面。
这套先写、再改、最后排版的过程我已经发到我的专栏中去了;有具体改稿问题,也可以私信我聊。
发表回复