741 篇旧文喂给 AI 让它学我说话

我把自己 741 篇旧文喂给了 AI 让它学我说话 四个号加起来 311 万字 喂完的第一批稿子 我看完只说了一句话 这写得很像文章 但一点都不像我。

先说我在干什么。 我给自己搭了一个自动写作站 每天凌晨替我写稿发到我的网站上 站是我的 文章署名也是我 所以有一个绕不过去的问题 AI 写出来的东西 得像我个人写的。

第一版稿子的问题很明显。 太工整 太对称 动不动就排比 三段式 起承转合 观点加案例 标准得好比中学范文 可我写了十几年 从来不是这么写的。

问题出在哪 我当时说不清 只觉得味道不对。 有人说感觉这东西没法量化 我不服 我是干工程的 量不出来 只能说明尺子还没找到。

于是我把 741 篇旧文全部拉出来 四个号加起来 三百多万字 按号分成四个文件夹 挨个统计 写了个几十行的脚本 跑了一晚上。

统计的维度就四个 每个号的篇数 每个号的总字数 平均一行多长 一行结尾不带标点的占多少。

结果出来 我自己先愣住了。 主号 310 篇 171 万字 平均行长 61 个字 一行结尾不带标点的比例 是 68%。 另外几个号也全在这个量级 最短的那个号 平均一行只有 40 个字 无标点比例也有 66%。

也就是说 这么多年 我三分之二的句子是不靠句号断开的 靠的是换行和空格。 我自己写了十几年 完全没意识到 直到机器替我数了一遍。

这就是我说的尺子。 文风不是玄学 它是一堆可以数出来的数字 行长 句尾标点 段落密度 数得出来 就抄得走。

这个发现让我后背发凉的地方在于 如果连自己的文风都是一笔糊涂账 那平时对自己的判断 又有多少是真有数的。

有了尺子 第一版稿子就能对症下药了。 我把 AI 的稿子也跑一遍同样的统计 跟我的数字摆在一起比。 一比就露馅 AI 稿的句尾标点比例 有的高到九成多 有的反过来低到接近零 两边的数字都不落在我的区间里。

一个往工整漂 一个往破碎漂 方向相反 病根相同 它没见过我的分布 只见过泛泛的"短句风"。

后来我把这些数字连同原文一起喂回去 并且立了一条死规矩 每写完一批 必须跑同一个检查脚本 句尾无标点的比例不在六到七成半之间 就打回去重写。 数字不撒谎 谁也不惯着。

中途还有一次失败 得单独说。 我以为把数字给够了 AI 就能学会 结果有一批稿子 标点比例全对 读起来还是假。 每行都很短 每行都不带句号 可句子和句子之间没有呼吸 像一个人说话 说着说着就换气。 后来我把二三十篇原文拆开逐段对读才发现 我的断行是跟着意思走的 一个意群一行 它学的是断行 学不到意群的边界。 从那以后 每批稿子我不再只看比例 还要自己读一遍前二十行。 机器管数字 我管味道 分工明确之后 稿子终于开始像我了。

这一套你拿走就能用 拆成三步。 第一步 别急着喂语料 先量化 把自己的旧文跑一遍统计 行长 句尾标点 段落长度 拿到属于你自己的几个数字。 第二步 把数字写进要求里 连同二三十篇原文一起给 AI 明确告诉它 你的行以什么比例不结尾。 第三步 每批稿子跑同样的统计做验收 不达标就退回 数字不撒谎。

我的检查脚本就几十行 正则加计数 任何人一个晚上都能写出来。 真正难的不是脚本 是承认一件事 你对自己的文风 了解很可能不如机器数一遍。

写了十几年字的人 被自己的统计吓一跳 这件事我记了很久。 它顺便治好了我的另一个毛病。 以前我总觉得 写得好不好 要靠读者反馈 现在我知道 有些东西当场就能验收 行长对不对 呼吸在不在 一跑便知。 任何时候做任何事情 一定全心全意 一定全力以赴 连自己的句子 都值得认真数一遍。