2026年春天，关于AI写作的大众媒体关注热点经历了一次近乎戏剧性的转折。三月之前，普通人对AI生成文本的关注即使有，也几近于零；进入三月，短视频与社交媒体上突然涌现出大量"如何识别AI痕迹""三招看穿AI腔"的指南；仅仅数月之后，到了八月，风向又转向"如何避免AI的讨好与浅薄""如何强迫AI提供反面观点"。两次浪潮之间的热度之高、话语之密集，在公共话题史上都属罕见。
尽管用"过山车"来形容这一转折也许有戏剧化之嫌，但多少能够让一般人体会到一种短时间内快速发生的“风向变了”，现实中公共舆论的转向往往更渐进、更混杂，3月的识别热潮未必完全消退，8月的调教指南也未必完全取代前者。
这场看似热闹的观念更迭，在表层之下究竟发生了什么？公众对AI的认知真的进步了吗？更值得追问的是：在两次风向转变之间，那些真正重要的问题——AI正在如何改变写作的定义、人机共笔将催生怎样的认知和伦理形态、语言生产方式的变革对人类知识积累意味着什么——为何始终没有进入公共讨论的视野？
当然不可能在此论述这些复杂而具有前瞻性的问题，但我们至少可以追问这两次风向转变背后的深层逻辑、它们共同遮蔽的那个更大的空白，以及——不满足于止步在"提出问题"——为其中一两个问题勾勒可能的初步回应。
二、"猎巫时刻"：三月的"识别AI"狂潮
三月，"AI痕迹""AI腔""AI味"突然成为短视频平台和社交媒体的高频热词。这一波"指南"共享一套相当稳定的修辞库存：开篇必用"首先……其次……最后"式的三段排比；句子长度异常均匀，转折高度依赖"值得注意的是""不容忽视的是""与此同时"一类中性连接词；情感表达呈现出一种"礼貌的完美"——既不激烈也不冷淡，仿佛所有的棱角都被打磨掉了。于是，工整、平滑、均衡、缺乏个人风格的"毛边感"，被归纳为一系列可操作的"罪证清单"。
从表面看，这场热潮似乎反映了一种正当的公共关切——读者希望知道自己读到的东西是否由机器生成。但细看这些内容的实际指向，会发现它们更多是在制造一种恐惧与警惕的认知框架：AI文本被预设为"可疑的"，读者被训练成"侦探"。值得注意的是，这场热潮中几乎没有任何讨论触及更基本的问题：即便文字确实具有这些特征，为什么这些特征本身是"坏的"？工整、平滑、均衡，在纯人类写作中曾经是值得追求的品质，为何一旦被识别为AI的痕迹，就立刻成了需要被警惕的缺陷？
没有人追问这个问题，因为舆论需要的不是理性分析，而是一种简单、易操作、能够快速站队的判断工具——"认出AI"比"理解AI"更容易，也更能满足公众在新技术冲击下的不确定感。
三、"驯化工具"：八月的"调教AI"转向
到了八月，公众关注的热点悄然从"怎么看出AI写的"转向了"怎么让AI写得更好"。这一波"指南"也发展出自己的一套操作库存："反讨好prompt模板"教用户在提示词末尾加上"不要重复我的观点""先给出三个反对理由再给结论"；"四步逼AI说真话"要求用户扮演"魔鬼代言人"角色，强迫AI进入对抗性立场；还有专门针对"AI式和稀泥"的破解法，要求AI在给出任何建议前先声明"这个问题没有标准答案，但如果一定要选边"。
这一转向看起来是一种进步。
三月的时候，大多数人还把自己当作"读者"，关心自己读到的东西是否由AI生成；到了八月，更多人已经亲自成为AI的使用者，关心自己产出的东西如何避免"讨好式回应"。从"旁观者"到"使用者"的身份转变，似乎标志着公众对AI写作接受度的提高。
但这里隐藏着一个不易察觉的认知陷阱："接受"的前提是"工具论"——AI被理解为一台需要被用户更精准操控的机器，它的问题在于"默认设置不够好"，解决方案在于"用户学会更复杂的操作指令"。这些指南在一定程度上确实有效，但这种"有效"把人与AI的关系完全框定在主体—客体、使用—被使用的单向维度里。AI被驯化成一件更加顺手的工具，而公众对"写作本身正在发生什么变化"这一根本问题，依然一无所知。
四、被遮蔽的“对齐”问题：AI为什么会“讨好”与“浅薄”
八月公众集中抱怨的两个AI特征——“讨好型回应”和“浅薄式输出”——并非偶然的缺陷，而在相当程度上与AI系统在训练和部署过程中所接受的“对齐”有关。所谓“对齐”，是AI开发者为确保模型安全、友善、无害而采取的一系列技术与训练手段：训练数据被筛选，输出受到约束，模型被赋予一定的价值边界，目标是减少冒犯性、危险性或明显有害的输出，避免模型在面对复杂问题时走向过于极端的立场。
与此同时，为了提高有用性、可接受性和用户体验，模型也会被训练成更礼貌、更合作、更符合用户预期。其结果之一，是AI的默认输出模式往往倾向于降低冲突（被感觉为“讨好”）、迎合用户的表达框架（“顺着说”），并提供相对稳妥、容易接受的回答。
然而，当这一经过“对齐”的语言系统被普通用户日常使用时，原本用于降低风险、提高可接受性的机制，也可能产生一种意想不到的反效果：“安全”有时会被体验为“讨好”，“无害”有时会显得“浅薄”，“中庸”则容易被感受为“缺乏个性”。当然，这些现象并不能简单归结为“对齐”的单一结果，它们还与训练数据、模型结构、偏好优化、产品设计以及用户反馈等多种因素有关。但值得注意的是，公众在八月所抗议的那些AI特征，确实与开发者为了让模型“更安全”“更有帮助”“更少犯错”而形成的输出倾向存在密切关系。
这也正是三月那套"识别AI"的特征清单——工整、平滑、中庸——与八月这套"驯化AI"的抱怨对象出现高度重合的一个重要原因：两波话语表面上针对的是不同问题，实际上却触及了同一套语言机制在不同场景中的表现。三月，人们作为"读者"，试图从这些特征中辨认机器；八月，人们作为"使用者"，又试图通过提示词消除这些特征。一个在识别AI，一个在改造AI，但两者面对的其实是同一套经过训练和调节的语言倾向。
而"识别"与"改造"的对象之所以高度重合，并非偶然——它们共同指向的，正是AI在开发过程中被赋予的那套语言倾向：礼貌、合作、回避冲突、提供稳妥回答。这些倾向的源头，很大程度上来自AI开发者在"对齐"环节所做的选择——为了确保模型安全、友善、无害，他们刻意塑造了一种"不会冒犯任何人"的说话方式。三月人们识别出来的"机器痕迹"，和八月人们试图消除的"讨好与浅薄"，不过是同一套设计选择在不同使用场景下的两面，是同一种AI默认语言给人不同感觉。
因此，真正值得追问的问题就应该向前推进一层：这套被识别、又被试图消除的语言倾向，究竟是怎么来的？ 如果它并非AI自行演化出的说话风格，而是人类在训练和部署过程中有意塑造的结果，那么所谓"AI味"就不再只是某种偶然的语言风格，而是人类对机器施加的一整套规范性期待在语言层面的投影——只不过，这套期待是在开发阶段被嵌入的，而非在公众使用中被选择的。
三月人们试图从文字中寻找"机器的痕迹"，八月人们又试图通过提示词把这些痕迹抹掉，但很少有人继续追问：这些痕迹究竟是机器自行形成的，还是人类在设计、训练和使用AI的过程中共同塑造出来的？AI的默认语言还有哪些别的语用、话语关系的特征？对此，我有专门的讨论，不在这里展开。
这些更本质的问题之所以没有进入公共讨论，也并不只是因为人们缺乏兴趣。短视频和自媒体更擅长提供可以立即操作的答案：怎样识别AI、怎样消除AI味、怎样让AI反驳自己、怎样让AI写得不像机器。相比之下，追问“对齐”背后的设计逻辑，以及我们究竟希望AI成为什么样的语言参与者，需要更长的时间、更复杂的论证，也需要暂时离开“使用技巧”的层面。于是，一个本应引向技术哲学和人机关系的问题，最终又被压缩成了一组操作指南。
也正是在这里，三月与八月的两波风向显示出了一个共同的局限：人们已经开始认真对待AI的语言，却还没有真正开始追问，人类究竟在用什么样的方式塑造AI的语言。
五、两种声部的共存，而非两个章节的更替
需要修正的是一种叙事上的诱惑：把三月与八月描述为界限分明、先后更替的两个“章节”，固然更具戏剧性，却并不完全符合实情。更接近真实的描述是——三月的识别话语并未在八月消失，它只是从“主浪潮”退居为“背景噪音”。
直到今天，“看穿AI腔”的内容仍在持续生产，编辑继续在要求作者消除AI痕迹，或者用AI的机器测试来发现这样的痕迹，只是不再占据舆论的最高位置；而八月的驯化话语也并非横空出世，它在五月、六月间就已零星出现，只是尚未形成足够的规模和声量。所谓“风向转变”，因此更像是不同话语的权重发生了变化，而不是一种话语被另一种话语彻底取代。
与其说这是两个先后替代的阶段，不如说是两种逻辑始终并存、此消彼长的“声部”：识别话语关心“这是不是AI写的”，对应的是读者身份；驯化话语关心“AI能不能写得更好”，对应的则是使用者身份。绝大多数普通人其实同时占据着这两个身份，只是在不同场景下切换权重——用AI写周报、修改邮件时是“使用者”，读到一篇疑似AI代笔的公众号文章时又变回“读者”。甚至同一个人也可能在同一篇文本面前同时拥有这两种目光：既希望AI帮助自己写得更好，又担心别人借助同样的工具伪造“人的写作”。