一个客户去年给我打了电话，非常沮丧。他花了4,000英镑找一家内容机构写了60篇博客文章，三周后收到，全部发布，然后看着他的自然流量在接下来的两个月下降了22%。当他转发给我这些文章时，我在30秒内就发现了问题。每篇文章都以修辞性问题开头。每个部分都用"Furthermore"或"In addition"作为过渡。所有的结论都以"In conclusion"开始。这是GPT-4的输出，几乎没有修改，大量发布在一个谷歌之前信任的网站上。
这种情况不断发生。令人沮丧的是，这不是AI的问题。GPT-4、Claude、Gemini，它们在生成结构化散文方面确实令人印象深刻。失败在于人们如何对待输出。原始生成不是成品。从来就不是。
"原始AI内容"实际上是什么样的
你见过。你可能发布过一些。我也发布过，早期在Seahawk的时候，当我们在2022年进行工作流压力测试时，那时我们还不知道得更清楚。
原始AI内容有特定的质感。句子的长度非常一致。词汇宽泛但奇怪地平坦，很多技术上正确但没人真正使用的词语。过渡很公式化。结构几乎总是：引言段，三到五个H2，每个H2下面两到三个段落，然后是总结。每次都这样。这是库存照片的散文版本：技术上没问题，但一眼就能认出是通用模板。
更大的问题在于缺失了什么。没有观点。没有与真实情况相关的具体数字。没有摩擦、没有矛盾、没有"实际上这比表面看起来要复杂得多"。真正的人类写作会自我质疑。AI写作就是...自信地继续前进，永远不停。
谷歌为什么关心（以及为什么"AI检测"只是故事的一部分）
有一个根深蒂固的误区，认为谷歌因为内容是由AI写的就惩罚它。这不太对。谷歌的有用内容指南针对的是主要为搜索引擎而非人类存在的内容。原始AI输出之所以不通过这个测试，不是因为机器写了它，而是因为它确实帮不了任何人。它用表面答案回答表面问题，训练有素的人类读者能感受到空洞，即使他们说不出来。helpful content guidance targets content that exists primarily for search engines rather than people. Raw AI output fails that test not because a machine wrote it, but because it demonstrably doesn't help anyone. It answers surface-level questions with surface-level answers, and trained human readers can feel the emptiness even if they can't articulate it.
第二个问题是E-E-A-T。经验、专业知识、权威性、信任。原始AI文章没有这些信号中的任何一个，因为它没有作者视角、没有引用的具体经验、没有原创数据。它就是引文汤。读起来就像是由从未真正做过他们描述的事情的人写的维基百科摘要。
我一直看到的具体失败模式
在审查了数百个客户网站的内容，以及在Seahawk建立内部内容流程并在两年内不断完善之后，失败模式聚集成几个重复出现的类别。
自信但不具体的问题。AI用陈述句写作。"电子邮件营销平均投资回报率达4,200%。"这个数字来自Litmus报告，是真实的，但在AI输出中，它就这样漂浮着，没有背景信息，没有说明是什么类型的活动、什么规模的邮件列表、什么行业。听起来很有权威性。但什么都教不了。 AI writes declaratively. "Email marketing achieves an average ROI of 4,200%." That number comes from a Litmus report and it's real, but in AI output it just floats there, uncontextualised, with no acknowledgment of what type of campaigns, what list sizes, what industries. It sounds authoritative. It teaches nothing.
结构优先、洞见其次的问题。AI先规划文章再写，你总能看出来。标题完全合乎逻辑。流程是教科书式的。但实际的洞见感觉是被反向工程来填充结构，而不是结构从真正值得说的东西中自然浮现。 AI plans a post before it writes it, and you can always tell. The headings are perfectly logical. The flow is textbook. But the actual insights feel reverse-engineered to fill the structure rather than the structure emerging from genuine things worth saying.
保留措辞的问题。"需要指出的是""值得一提的是""请记住"。这些短语存在是为了软化AI不太确定的主张。它们也让散文变得难以忍受。我在一个客户去年春天发给我的1,200字文章中数了十一次"值得注意的是"。十一次。 "It's important to note," "It's worth mentioning," "Keep in mind that." These phrases exist to soften claims that the AI isn't confident about. They also make the prose unbearable to read. I counted eleven instances of "it's worth noting" in a 1,200-word article a client sent me last spring. Eleven.
词汇特征。某些词在AI内容中出现的频率远高于其自然频率。"深入探讨"。"织锦"。"细致"。"多方面"。"强调"。如果你在一篇文章中看到其中三个，那说明有人发布了原始输出。 Certain words appear in AI content at a rate wildly above their natural frequency. "Delve." "Tapestry." "Nuanced." "Multifaceted." "Underscore." If you see three of these in a single post, someone published raw output.
什么是人工化流程（以及不是什么）
问题就在这里："人工化"听起来像是一个单一步骤。把它扔进一个工具里，完成。但事实并非如此。
人工化流程是一系列有意的干预措施，将生成的文本转化为能够反映真正专业知识、具有一致声音，以及包含真实人士会真正使用信息的内容。
它不是：
- 用同义词改写文本
- 用 Undetectable.ai 处理后就算完事了
- 在开头加一段，结尾加一段
- 让初级编辑"快速浏览一遍"
这些方法生成的内容只是稍微不那么明显地失败了。底层的空洞感仍然存在。
流程实际包含的内容
我在 Seahawk 运行的发布流程有五个阶段。并非每篇文章都需要在所有五个环节都投入全力，但每篇文章都要经过某个程度的所有五个阶段。
- 生成前的简短充实。你的输出质量几乎完全由输入质量决定。一份说"写一篇1500字关于电子邮件营销最佳实践的文章"的简报会产生通用的垃圾。一份说"为一个10人规模的SaaS创始人而写，他们自己管理Klaviyo账户，拥有4000名订阅者，打开率跌破20%，重点关注列表卫生和分段，而不是文案技巧"的简报会产出可用的内容。我们在Notion中用结构化模板构建简报：受众、问题、具体角度、文章绝对不能说的两三件事（明确禁止陈词滥调），以及任何内部数据或客户案例可以融入。 The quality of your output is almost entirely determined by the quality of your input. A brief that says "write a 1,500-word post about email marketing best practices" will produce generic garbage. A brief that says "write for a founder of a 10-person SaaS who manages their own Klaviyo account, has a list of 4,000 subscribers, and is seeing open rates drop below 20%, focus on list hygiene and segmentation, not copy tips" produces something usable. We build briefs in Notion with a structured template: audience, problem, specific angle, two or three things the post must NOT say (banning the clichés explicitly), and any internal data or client examples to weave in.
- 结构调整。AI的初稿结构很少适合实际读者。我们移动各个部分。我们删除那些存在仅仅为了填充字数的内容。我发现几乎每份AI初稿都在第四部分的第六段某处埋了一个真正有价值的见解，这个见解通常应该成为导语，而不是被埋没的细节。 The AI's first-draft structure is rarely right for the actual reader. We move sections around. We cut the ones that exist just to pad word count. I find that almost every AI draft has one genuinely good insight buried in paragraph six of section four, and that insight should usually be the lede, not a buried detail.
- 声音注入。这是文章成为真人写作的地方。我们加入具体例子（"一个在法律领域运营Mailchimp的客户，拥有60000人列表"）、来自真实情况的具体数字，以及观点。真正的观点，而不是"一些专家认为X而其他人认为Y"。如果我们认为X是错的，我们就说出来并解释为什么。 This is where the post becomes something a real person wrote. We add specific examples ("a client in the legal sector running Mailchimp with a 60,000-person list"), concrete numbers that come from real situations, and opinions. Actual opinions, not "some experts believe X while others believe Y." If we think X is wrong, we say so and explain why.
- 摩擦和矛盾。真正的专业知识承认事情变得复杂的地方。如果我们在写关于WordPress性能的文章，我们会说："是的，WP Rocket有帮助，但在一个托管不当的网站上，这就像在破碎的窗户上拉一道漂亮的窗帘。"这种诚实是AI默认情况下剥离的东西。我们把它加回去。 Real expertise acknowledges where things get complicated. If we're writing about WordPress performance, we'll say: "yes, WP Rocket helps, but on a poorly-hosted site it's putting a nice curtain over a broken window." That kind of honesty is what AI strips out by default. We put it back in.
- 大声朗读通过。团队中的某个人大声朗读这篇文章。不是略读。大声朗读。你会捕捉到每一个听起来像是生成的而不是说出来的句子。任何你朗读时会磕绊的东西都要重写。这一步单独就能抓住漏过其他所有环节60%的问题。 Someone on the team reads the piece aloud. Not skims it. Reads it aloud. You catch every sentence that sounds like it was generated rather than said. Anything you'd stumble over reading gets rewritten. This step alone catches 60% of the problems that slip through everything else.
我实际使用的工具
让我具体说，因为"使用工具"是没用的建议。
生成方面：大多数长篇内容用GPT-4o，需要更具对话语气的用Claude 3.5 Sonnet。我测试过Gemini 1.5 Pro，它能力强但默认冗长是个问题，你要求1500字时它想写2400字。
检测和QA方面：Originality.ai是我在发布工作流中找到最可靠的检测器。Winston AI作为第二次检查很有用。两者都不是最终仲裁者，一篇经过妥善编辑的文章应该在两者上都得分高，不需要任何作弊，仅仅因为它已经被适当编辑过。Originality.ai is the most reliable detector I've found for publishing workflows. Winston AI is useful as a second check. Neither is a final arbiter, a well-processed piece should score high on both without any gaming, just because it's been properly edited.
为了保持风格一致性，我们为每个客户维护一份 Notion「品牌语言指南」。包括品牌形容词、禁用短语、语气示例，以及客户有强烈看法的话题列表。对于重复客户，简报模板会自动调用这些内容。
关于朗读检查：说实话，用 Natural Reader 以 1.1 倍速播放对于发现机械化措辞很有效。有些编辑更喜欢自己默读。两种方法都可以。Natural Reader at 1.1x speed works well for flagging robotic phrasing. Some editors prefer just reading to themselves. Either works.
为什么大多数代理机构跳过了处理流程
时间和利润率。一条合适的人性化处理流程需要花费两到四小时，而 AI 可以在九十秒内生成内容。如果你以每篇文章 £30 的价格销售内容，你根本承受不起这条流程。你会发布原始输出，然后祈祷没人注意到。
这是内容市场竞相压价的核心经济问题。价格点决定了质量不可能，所以你得到的是没有价值的大量内容，最终客户的网站被打击，他们指责「AI 内容」，但真正的罪魁祸首是不可能的简报与利润率比例。
在 Seahawk，我们与客户进行过直接沟通。我们停止了提供低于某个价格的内容，因为我们无法接受经济形势迫使我们生产的东西。有些客户离开了。留下来的客户的网站真的在排名。
回到 2023 年，我们接了一个电商客户，他们之前从另一家代理机构大规模购买批量 AI 内容，每月 200 篇文章，大约每篇 £15。他们的博客有 1,400 篇文章，排名几乎为零。我们将输出降至每月 30 篇，提高了简报质量，让每篇文章都经过完整流程，四个月内他们已经为十八个从未涉及过的目标词排名到第一页。大量输出不是答案。
什么时候纯 AI 输出其实是可以的
不是所有内容都需要完整处理。我对此很坦诚。
内部文档。产品更新日志条目。支持中心的常见问题解答。纯功能性的分类页面文案。如果目标是信息传递而非说服，且没有 SEO 或品牌语音考虑，经过轻度编辑的原始输出完全可以辩护。
当人们将"足以用于内部文档"的标准应用于面向公众的编辑内容时，失败就随之而来。这两者是不同的东西，需要不同的标准。要清楚你在制作什么。
常见问题
通过人工化工具运行AI内容真的有效吗？
简短的回答：不，不可靠。像Undetectable.ai这样的工具以降低检测器分数的方式重新组织文本，但不能解决根本问题——即内容缺乏真正的专业知识和具体性。你可以骗过检测器，但仍然会发布出真正的读者和Google能够识别为低质的内容。唯一真正有效的是实质性的人工编辑。
一篇文章的适当人工化流程需要多长时间？
对于1500字的文章，预计需要两到三小时的人工时间，分布在简短的内容丰富、结构编辑、声音注入和朗读检查中。一篇2500字的支柱文章可能需要四到五小时。这是实话。任何人告诉你他们在四十五分钟内完成的，那是在跳过步骤。
我应该披露内容是由AI协助生成的吗？
这比大多数人承认的要微妙得多。Google的指导不要求披露，也不会因使用AI而进行处罚。重要的是质量和实用性。话虽如此，在某些领域——医疗、法律、金融——关于内容如何产生的透明度越来越受欢迎，无论Google说什么，这可能都是正确的选择。Google's guidance doesn't require disclosure and doesn't penalise AI use. What matters is quality and helpfulness. That said, in certain sectors, healthcare, legal, finance, transparency about how content is produced is increasingly expected, and probably the right call regardless of what Google says.
机构在AI内容上犯的最大错误是什么？
将生成速度与制作速度混淆。AI可以在九十秒内生成草稿。那只是流程的开始，不是结束。把草稿当成接近成品的做法是一切崩溃的地方。
---
这个流程没什么光彩。它是一系列相当繁琐、谨慎的干预措施，最终会产出值得发布的东西。没有捷径能绕过中间的人工判断。我花了两年时间寻找这样的捷径。它还不存在。