AI写作的30种套路，正在毁掉我们的阅读体验

当一种文风被AI「工业化」

最近一篇在Reddit上引爆讨论的帖子，用近乎黑色幽默的方式，列举了30种「一眼就让人失去阅读兴趣」的网络写作套路。这位作者的核心观点犀利而无奈：他甚至不再关心这些内容是否真的由AI生成，因为问题的本质在于——一种极具辨识度的、令人反胃的「互联网文体」已经泛滥成灾。

更妙的是，这篇帖子本身在结尾坦白：「这篇文章正是由AI生成的。请细细品味这句话。」（Let that sink in.）这个自我指涉的收尾，恰恰揭示了当下内容生态最讽刺的困境：我们已经很难分辨谁在真诚表达，谁只是在套用模板。

那些「被玩坏」的AI写作公式

作者的吐槽之所以引发广泛共鸣，是因为几乎每个上网的人都能在自己的信息流里对号入座。这些套路可以归纳为几个典型类别。

悬念绑架式写作

最典型的是「人质谈判式揭秘」：

你早上醒来疲惫吗？你难以集中注意力吗？你下午三点感到精疲力竭吗？你想知道为什么吗？这是有原因的。而且可能不是你想的那样。原因？你脱水了。

作者的吐槽一针见血：「直接告诉我去喝水不行吗？ 为什么这需要一部Netflix悬疑纪录片的叙事节奏？」这类写法通过不断制造悬念和延迟满足，把一句常识包装成惊天秘密。

从认知心理学角度看，这种写法利用了「信息缺口理论」（Information Gap Theory）——当人们意识到自己知道的和想知道的之间存在差距时，会产生强烈的好奇心驱动力。这一理论由卡内基梅隆大学的乔治·洛温斯坦在1994年提出，本是解释人类求知欲的学术模型，却在数字营销领域被异化为「点击诱饵」（clickbait）的理论基础。Upworthy、BuzzFeed等早期新媒体平台率先将这一理论系统性地应用于标题写作——「你不会相信接下来发生了什么」「第7条让我震惊了」——这些标题模板的本质就是人为制造信息缺口，驱动用户点击。讽刺的是，洛温斯坦的原始研究强调好奇心需要基于「适度的知识基础」才能被激发，即读者需要对话题已有一定了解。而互联网上的悬念绑架式写作恰恰违背了这一前提：它对所有话题——无论多么平庸——都采用同一套悬念模板，结果读者在「揭秘」后感受到的不是满足，而是被愚弄的愤怒。当AI将这种技巧批量化生产后，读者的「好奇心疲劳」被急剧加速，悬念开头反而成了读者关闭页面的信号。

排比否定式套路

另一个高频套路是「不是X，不是Y，是Z」以及它的变体「你不需要X，你需要Y」：

不是天赋。不是运气。不是智商。是坚持。

作者评论道：「从没有一种更高效的方式，能把一句完全正常的建议说得像是刻在石板上的天启。」这种结构通过否定式的层层递进，赋予平庸建议一种神圣感和权威感。

在古典修辞学中，这种手法属于pathos（情感说服）的范畴。亚里士多德将说服力分为三个维度：逻辑（logos）、情感（pathos）和人格（ethos）。排比否定式通过节奏感和对比制造情绪张力，本身是有效的修辞工具——西塞罗在罗马元老院的演讲中使用过，马丁·路德·金的《我有一个梦想》也大量运用了排比结构。但亚里士多德在《修辞学》中早已警告：当受众察觉到修辞技巧被刻意操纵时，说服力不仅归零，还会引发「修辞反弹」（rhetorical boomerang）——受众对说话者产生反感和不信任。现代传播学研究进一步证实了这一点：心理抗拒理论（Psychological Reactance Theory）指出，当人们感知到自己的自由选择受到威胁——比如被强行引导向某个结论——时，会产生对抗性心理，主动拒绝接受信息。AI时代的特殊困境在于，由于同质化内容的极度泛滥，受众对这些手法的察觉阈值被大幅降低，曾经有效的修辞策略正在加速失效。一个精心构建的排比句，在2015年的LinkedIn上可能获得数千次转发；到了2024年，同样的结构只会让读者条件反射般地想到「又是AI写的」。

排版即修辞的陷阱

还有一类问题出在排版上——「每个句子都住进自己的单间公寓」：

我失败了。很惨。然后有些东西变了。是我。我不再等待。开始行动。突然：有了结果。

作者调侃：「显然，段落如今被视为一种压迫。」这种把每句话甚至每个词单独成行的写法，配合大量换行和破折号，本质上是在用视觉节奏掩盖内容的空洞。

这种排版策略的兴起与移动互联网的阅读习惯密切相关。尼尔森诺曼集团（Nielsen Norman Group）的眼动追踪研究显示，用户在手机屏幕上的平均注意力停留时间不足8秒，且阅读方式以「F型扫描」为主——眼球先水平扫视页面顶部，然后沿左侧垂直下移，快速扫视开头几个词后决定是否继续深入阅读。这意味着大段密集的文字在移动端几乎注定被跳过。短句分行的排版恰好适配了这种碎片化阅读模式，让内容在拇指滑动中获得更高的「完读率」。社交媒体平台的算法进一步强化了这一趋势：LinkedIn和Twitter（现X）的信息流设计天然偏好视觉上「轻量」的内容，短句换行创造的大量留白让帖子在视觉上占据更多屏幕空间，从而获得更长的停留时间——而停留时间正是算法判断内容「有价值」的核心指标之一。但当形式完全凌驾于内容之上时，阅读体验就从「高效获取信息」退化为「被节奏操控的空洞仪式」。读者滑完整篇帖子后，发现自己获得的实质信息量甚至不如一条完整的句子。

AI没有发明套路，但它「量产」了套路

这篇帖子最有价值的洞察，藏在结尾的自我反思里。作者明确指出：

是的，在生成式AI出现之前人类就这么写了。励志演说家、文案写手、LinkedIn网红和内容营销者，多年来一直在犯这些罪。但AI似乎把这种风格工业化了。

这是理解当前问题的关键。所谓的「AI味」，并非AI凭空创造的新事物，而是AI从海量的营销文案、鸡汤帖子中学习到的、被验证过「有效」的高互动模板。当这些模板被大语言模型内化，再以近乎零成本、无限量的方式复制生产时，原本偶尔出现的「油腻文风」就变成了铺天盖地的信息噪音。

从技术原理来看，大语言模型（LLM）如GPT系列的训练过程，本质上是在海量互联网文本中学习统计规律——模型通过预测下一个词（token）的概率来生成文本。具体而言，在预训练阶段，模型会处理数万亿个token的文本数据，其中互联网上可抓取的公开内容占据了绝大多数比例。这意味着它天然倾向于复现训练数据中出现频率最高的表达模式。LinkedIn上的成功学帖子、营销邮件、SEO优化文章——这些在互联网上占比极高的内容类型，不成比例地塑造了模型的「默认文风」。这在机器学习中被称为「分布偏移」（distribution bias）：模型的输出分布反映的并非「好写作」的分布，而是「互联网上最常见的写作」的分布。更关键的是，经过RLHF（基于人类反馈的强化学习）阶段后，模型进一步被优化为产生「人类评价者普遍给高分」的输出——而这些评价者在快速评估中往往偏好结构清晰、语气积极、格式工整的回答，这恰恰与那些「油腻」的互联网写作套路高度重合。当用户不给出明确的风格指令时，AI就会自动滑向这些「统计意义上最安全」的表达范式，这也是为什么不同人用AI写出的东西往往千篇一律的根本原因。

换句话说，AI放大了人类内容创作中最投机取巧的部分。它精准地服务于那些「无法忍受连续超过九个词、就需要一个换行、一个反问句和一个戏剧性揭秘」的注意力经济逻辑。

注意力经济（Attention Economy）这一概念由诺贝尔经济学奖得主赫伯特·西蒙在1971年首次系统阐述。他在一篇关于信息处理系统设计的论文中写道：「信息的丰裕意味着其他东西的匮乏：信息所消耗的东西的匮乏。信息消耗的是什么？是接收者的注意力。因此，信息的丰裕造成了注意力的贫乏。」这一洞察在半个世纪后变得愈发深刻。社交媒体平台将这一理论推向极致：内容的价值不再由信息质量衡量，而由「参与度」（engagement）——点赞、评论、分享、停留时长等可量化指标——来定义。Facebook前高管肖恩·帕克曾公开承认，平台的设计核心是「利用人类心理的弱点」来最大化用户停留时间。这套评价体系催生了大量为触发情绪反应而非传递信息的写作策略。悬念绑架、情绪钩子、碎片化排版，本质上都是为了在用户快速滑动的信息流中「抢夺」那几秒钟的注意力停留。当AI被训练在这些高参与度内容上，它自然习得了这套「注意力劫持」的语言模式，并以工业化的效率将其复制到每一个内容场景中。

为什么这些写作套路让人本能反感

从传播学角度看，这些套路并非天生就令人讨厌。「三段式排比」「悬念前置」「反差揭示」本身都是有效的修辞手法，问题在于滥用与去语境化。

当一种手法只为最大化「参与度」（engagement）而存在，脱离了它想传递的实际信息时，读者就会本能地感到被操纵。作者列举的「读一遍再读一遍」（Read that again）、「让它沉淀一下」（Let that sink in）之所以令人烦躁，正是因为它们假设读者理解能力低下，用居高临下的姿态强行制造顿悟感。社会语言学中将这种现象称为「面子威胁行为」（Face-Threatening Act）——这些指令性短语暗示读者在第一次阅读时没有充分理解内容，这对读者的智力构成了隐性的贬低，侵犯了布朗和莱文森所定义的「消极面子」（negative face），即不被他人强加意志的需求。

更深层的问题是信任的坍塌。当「三年前：破产、疲惫、迷茫。今天：两家公司、六位数收入、每天工作四小时」这样的转型叙事被批量生产时，读者对所有类似的个人经历都会产生天然的怀疑。真诚的表达反而被淹没在模板的海洋里。

传播学中的「可信度理论」（Source Credibility Theory）对此提供了深刻解释。该理论由霍夫兰和韦斯在1951年提出，核心主张是：信息的说服力高度依赖受众对信源的信任程度，而信任建立在「专业性」和「可信赖性」两个维度之上。当AI使内容生产成本趋近于零，互联网上出现了前所未有的「信息污染」现象——大量低质量但格式精美的内容充斥各平台。据估计，到2025年，互联网上高达90%的内容可能涉及AI生成或AI辅助生成，这使得传统的信源判断机制近乎失效。这种现象类似于AI研究中讨论的「模型坍缩」（Model Collapse）在内容生态中的映射。模型坍缩是指当AI模型在自身生成的数据上进行训练时，会逐渐丧失对原始数据分布中多样性和长尾特征的捕捉能力，输出越来越趋向均值化和同质化。2023年牛津大学和剑桥大学的研究者在《自然》杂志上发表的论文首次系统性地描述了这一现象，指出经过几代「自我训练」后，模型的输出多样性会显著衰减。将这一概念延伸到内容生态：当AI生成的内容反复被用于训练新模型，或当人类写作者不自觉地模仿AI文风时，整个信息生态系统的多样性和可信度会持续下降，形成一个自我强化的同质化螺旋。用户因此发展出「批量怀疑」的防御机制——对所有符合特定模式的内容自动降低信任度，无论其实际来源是人类还是机器。这意味着，即便一个真实的创业者分享自己的真实经历，只要叙事结构碰巧与AI模板相似，就可能被读者本能地归类为「又一篇AI生成的鸡汤」。

对内容创作者的实用启示

这场看似轻松的吐槽，实际上给所有内容创作者敲响了警钟。

辨识度正在贬值。 曾经这些套路是「专业文案」的标志，如今它们成了「AI批量生产」的红旗信号。使用这些格式，反而会让你的内容显得廉价和不可信。这是一个典型的「格雷欣法则」在内容领域的体现。格雷欣法则原本是货币经济学中的概念——16世纪英国金融家托马斯·格雷欣观察到，当市场上同时流通价值不等的货币时，人们会囤积「良币」（含金量高的货币）而使用「劣币」（含金量低的货币）进行交易，导致劣币驱逐良币。将这一原理映射到内容生态：当劣质内容（模板化AI文章）可以以极低成本大量生产时，它们会在算法推荐的信息流中占据压倒性的份额，挤压优质内容的曝光空间。更深层的影响在于：当读者被劣质内容反复「训练」后，他们对深度内容的耐心和付费意愿也会随之降低，导致整个平台的内容价值通胀——更多的内容争夺更少的注意力，每单位内容获得的关注度持续贬值。

真实感成为稀缺品。 当机器可以完美复制所有「技巧」时，人类创作者的价值恰恰在于那些机器难以模仿的东西——真实的经历、具体的细节、不完美的思考过程，以及愿意用完整段落好好说话的耐心。具体而言，这意味着：带有个人独特视角的观察、承认不确定性的诚实态度、引用亲身经历中那些无法被「统计平均」出来的细节——这些才是后AI时代内容创作者的护城河。值得注意的是，这与AI能力的本质局限有关：大语言模型可以模拟任何已知的写作风格，但它无法拥有真实的生活经验和具身认知（embodied cognition）。一个人描述自己在凌晨三点调试代码时键盘上洒了咖啡的细节，这种来自真实生活的「噪音」恰恰是AI最难以令人信服地生成的内容——因为它的「真实」不来自统计概率，而来自不可复制的个体经验。

警惕自己的写作惯性。 正如作者所自嘲的，这篇批判AI文风的帖子本身就是AI写的。这提醒我们：识别套路容易，但摆脱套路很难。当我们习惯性地想用「Stop X. Start Y.」来收尾时，或许应该停下来问问自己——这真的是最好的表达方式，还是只是最省事的那个？认知科学中的「流畅性偏见」（fluency bias）解释了为什么我们容易陷入套路：大脑天然偏好认知负荷低的表达方式，而模板化写作恰恰提供了一条阻力最小的路径。打破这种惯性需要有意识的「认知摩擦」——在动笔之前多花几秒钟思考：我是否在用最诚实的方式表达这个想法，还是在无意识地调用一个预设模板？

在AI能写出无数篇「完美」文章的时代，或许真正的好内容，是那些敢于不完美、敢于把话说清楚的表达。