「一看就是 AI 做的」，你真看得出来吗

一份给医疗集团的方案，被一位终身教授翻了五分钟，最后得到的不是对框架的意见，而是一句：别用 AI，我一眼就看出来了。

一、发生了什么

10 月 9 日，设计师 Emir Mirzamuhamed 在一篇自述里讲了这段经历。他先用自己的框架写出两段核心架构，再让 AI 把它扩成可执行的阶段和一份结构化的合作提案。送给客户前，他请一位相熟的大学终身教授先看。

对方没有讨论框架本身，而是盯着文字的结构连续追问，最后给出判定：这是 AI 写的。同一个月，类似的场景又发生了一次。稿子投到技术媒体，编辑的回复是「AI 参与程度很高」，并指出正文里留着 AI 起草的痕迹，还判断文章「探讨不足、多为推测」。

作者的回应不是辩解，而是换了个说法：你的 agent 不是我的 agent。同一套底层模型，两个人用，产出不会一样。决定深度的是四件事——人的心智模型、提示序列的结构、注入的领域知识，以及每一次接受或推翻的编辑判断。

他还补了一步操作：给客户重发时附了一封说明信，写清路线图是用 agent 搭的骨架，概念定了以后和执行团队一起校准。客户看的是架构，不是语气。

需要说清，这是一篇个人自述，不是研究。里面的判断来自他的两次经历，没有对照组，也没有数据。下文要讨论的，是这些判断为什么站不住，以及能换成什么。

二、跟你有什么关系

写方案、写稿的人。 被说「这是 AI 写的」，通常不是因为用了工具，是因为文字里没有只有你在场才知道的东西：具体的时间、具体的人、具体的一次失败。

做评审的人。 「我一眼看得出来」作为感觉是有效的，作为证据不成立。它没有误判率，也没有对照组。

靠 AI 交付的人。 主动说明用在哪一步，比藏着省事。作者的做法是把披露写成流程的一部分，而不是等被质疑。

三、怎么判断一段文字是不是 AI 写的

1. 找具体性。机器容易写「显著提升」，人写「从四小时压到四十分钟」。具体性很难伪装，因为它要求真的在场。
2. 找取舍。人写的东西会有「这条我们放弃了，因为」，机器倾向于把所有可能性整齐摆一遍，谁都不冒犯。
3. 找残留痕迹。作者被编辑抓到的不是文风，是正文里忘了删的起草备注。这是最可靠的判据：不是像不像，是有没有留下的东西。
4. 反过来用。想让稿子不像 AI，删掉对称的排比，删掉每段都刚好三句的结构，加一个只有你才知道的细节。

四、三个别信的说法

「我一眼就能看出来。」 这句话的准确版本是「这段文字符合我对 AI 文的印象」。印象来自排版、句长、形容词密度，而这些特征在人写的稿子里同样大量出现。真要靠它下判断，得先知道自己的误判率，多数人说不出这个数。

「用了 AI 就等于没价值。」 这是把工具等同于作者。作者给的类比是那不勒斯披萨：面粉、酵母、水、番茄、奶酪人人一样，队伍只排一家。差别在发酵时间、温度，和那只捏面团的手。

「换个模型就能写出一样的。」 反了。同一个模型，换一套提示结构和领域知识，产出的差距往往比换模型更大。稀缺的从来不是生成能力，是知道该生成什么。

五、一句话结论

判断一段文字的价值，看它有没有告诉你一件你不知道的事，而不是看它像不像机器写的。

信息来源

• Ohhh, It Was Made by AI! I Knew It!... Or Do You?，2026 年 10 月 9 日

功能与价格以官方公告为准。本文写于 2026 年 10 月 23 日。