原始来源：Martin Fowler
Martin Fowler 用“LLM Voice”形容一种令他失去阅读兴趣的文字：熟悉的节奏、反复铺垫和似曾相识的表达。他不把自己的感觉当成可靠的作者身份检测，也承认人的写作本来就会模仿时代用语。他反对的重点，是在本应通过写作想清楚问题时，过早让模型替自己组织整段论述。
他的理由是，写作会迫使作者发现推理缺口、决定主次并修改原先的想法。如果读一段流畅文字就觉得已经说明白，可能跳过这个过程。但文章也保留了例外：身体状况影响表达的人、需要跨语言工作的同事，以及完成格式化事务，都可能从辅助写作中获得实际帮助。这些例外让讨论回到任务，而不是给所有使用者下同一种判断。
讨论区保留了另一种解释。自称积极支持 AI 的 BurritoKing 也抱怨文章趋同、冗长，读到中途就放弃；jonshariat 则指出，为搜索排名拉长文章早于生成式 AI。两人的阅读经验不能测量整个互联网质量，却提醒我们：工具容易放大既有的出版激励，问题不只有某几个“像 AI”的词。
可信度 65 · 重要性 80 · 新颖度 75
技术与主题
基础模型 · AI-Assisted Writing · Human-in-the-Loop
BurritoKing
回应原帖：查看原帖上下文
自称积极支持AI的读者谈自己的阅读体验。
忠实转述（非原句）：BurritoKing 说，支持 AI 并没有消除他对雷同、冗长文章的反感；一些原本感兴趣的内容会让他读到中途放弃。这是个人体验，不能推成所有读者的偏好。
jonshariat
回应原帖：查看原帖上下文
回应阅读疲劳，把原因追溯到生成式AI之前。
忠实转述（非原句）：jonshariat 提醒，为搜索排名与停留时间拉长文章的做法早已存在，AI 使它更容易扩散。这个补充把注意力从单一工具转向内容生产的激励。
编辑评读
值得带走的是把表达辅助和判断形成分别检查。作者可以请工具改病句、整理材料，但仍要能说明每一段在回答什么，例子怎样支持结论，哪里只是自己的推测。把某些词换掉不能完成这项工作；一篇没有明显套话的文章，也可能仍然缺少事实与推理。
反过来，为证明自己是人写的而保留含混和累赘，也没有帮助。Fowler 提到的辅助表达场景说明，工具可能让原本难以表达的人被听见。评估文本时应优先看读者能否理解背景、关键选择与证据，而不是凭文风猜作者身份。这个标准同时适用于人工和机器辅助写作。
本期采用的做法是先补齐必要解释，再删重复结论；它不能证明某种写作流程普遍更好。若要比较，可让不了解背景的读者复述作者主张及其依据，观察哪里误解，再回到相应段落修改。这是建议的读者测试，不是已经完成的用户实验。
需要留意
- 这是作者立场与评论者体验，不是AI文本识别方法；未验证写作流程对理解或思考的因果效应。