3 个新出的写作工具：同一篇稿各改一遍对比

三个工具改同一篇稿，改完都读得通，你选哪个？凭手感会选错。本文把「谁改得好」换成六项能数的指标：事实保留、擅自添加、字数与段落变化、句子长度离散度、格式保持、人工返工分钟。同一篇 1,200 字稿、同一句指令、三个工具同一天跑，结果读起来最顺的那一版偷偷编了个案例，字数几乎没变的那一版丢了两个关键数字。

一句话结论

比「哪个改得好」得不出结论，要比六项可数的指标。同一篇 1,200 字稿交给三个工具，指令只有一句「按公众号口吻改写，保留所有事实，不改结构」。结果三份都能读，但事实保留率是 14/14、14/14、12/14，擅自添加是 2 处、1 处、3 处，人工返工是 22 分钟、12 分钟、35 分钟。读起来最顺的那一份，恰恰是偷偷加了内容的那一份；而字数只少 20 字的那一份，丢了两个关键数字。

这篇解决什么问题

三种情况最常见。一是三个都试，选那个读起来最顺的，发出去被人指出「你这里写的数据不对」，才发现改的时候被换了。二是觉得大同小异，随便挑一个长期用，用久了不知道自己在为哪个短板付代价。三是只看字数，觉得没怎么变就是没大动，其实数字被改小、句子被抽掉，字数照样稳定。

根子是把改写当成「审美好坏」，而它是一次「有损压缩」：任何改写都在丢东西，问题只在于丢了什么、丢了多少、你有没有发现。

开始前要准备什么

• 一篇 1,000 到 1,500 字、含明确事实的旧稿：数字、时间、步骤数、结论越多越好。全是观点和感慨的稿子测不出差别。
• 一张事实点清单：改写前先从原文抽出全部事实点并编号。这一步不做，后面无法判断「保留了几条」，只能凭感觉。
• 一句固定的指令：三个工具用一字不差的同一句，不追加、不补充。谁多给了一句「请写得更有感染力」，结果就没法比了。
• 一个计时器：从拿到输出到改到可发布用了几分钟。这一项最容易被忽略。

具体怎么做

第一步：先把原文拆成 14 条事实点，编号

事实点指「可以被判对错的东西」：具体数字、时间点、步骤数、因果关系、结论。观点、比喻、语气词都不算。拆完编号，这份清单就是后面的尺子。拆不出来说明这篇稿不该用来做测试，因为它本身没有硬信息。

这是我的一篇旧稿。请把它拆成「事实点清单」，不要改写：

每条事实点单独一行，格式为：
F01 | 类型（数字/时间/步骤数/因果/结论）| 原文片段 | 它在文中起什么作用

要求：
1. 只抽可判对错的内容，观点和比喻不要抽取；
2. 同一个数字如果在文中出现两次，合并成一条并注明出现两次；
3. 最后给我总条数。

抽完请自查：如果某条我不认同它算事实点，我会删掉，所以宁可抽得全一点。

第二步：同一天、同一句指令，三个工具各跑一遍

三个条件必须同时成立：同一天（模型版本一致）、同一句指令、各自新开会话（不带上文）。指令里只放三个约束：口吻、保留事实、不改结构。不要再加「可以适当发挥」——这一句会让擅自添加量直接翻倍，测的就不是工具差异了。

请按公众号口吻改写下面这篇稿子，只做三件事：

1. 把书面语改成口语，句子拆短；
2. 保留全部事实，包括所有数字、时间、步骤数，一个都不许改、不许省略；
3. 不改结构，段落数量和顺序保持原样。

补充要求：不许添加原文没有的例子、数据、引用；不许把具体数字改成「很多」「不少」这类模糊表述。

原文如下：（粘贴原文）

第三步：六项指标，一项一项数，不打分

六项都要能数出具体值，不打 1 到 5 分——打分等于凭感觉。事实保留：清单里 14 条还剩几条，逐条标「在/不在/被改」。擅自添加：原文没有的例子、数据、引用，出现几处。字数与段落：净增删多少字、段落数变没变。句子离散度：最长句和最短句差多少字，差得越小说明越同质。格式：小标题、列表、加粗还在不在。返工分钟：改到能发布用了几分钟。

这是原文、原文的事实点清单（14 条），以及三个工具各自的改写结果。

请按六项指标逐份核对，输出一张表：
| 指标 | 工具 A | 工具 B | 工具 C |

指标定义（严格按这个口径，不要自己加指标）：
1. 事实保留：14 条里逐条判断「原样在 / 被改了 / 不见了」，给出 3 个数字；
2. 擅自添加：原文没有的例子、数据、引用各算一处，给出处数和具体内容；
3. 字数与段落：净增删字数、段落数变化；
4. 句子离散度：最长句字数、最短句字数；
5. 格式保持：小标题、列表、加粗三项各标「在/没了」；
6. 需要人工回改的地方：逐条列出，不要合并。

最后单列一节：三份里哪一份「读起来最顺」，以及它为什么顺——请指出具体是哪几处让它顺。

第四步：专门查「数字有没有被模糊化」

这是最容易漏的一项。改写工具为了让句子顺，会把「提升了 37%」改成「提升明显」，把「3 步」改成「几步」，字数几乎不变，信息已经没了。做法是把所有数字单独抽出来对照，不要靠通读，通读时人的注意力在句子上，不在数字上。

请只做一件事：把原文和三个改写版本里的所有数字、时间、数量词抽出来，做对照表。

输出格式：
| 原文表述 | 工具 A | 工具 B | 工具 C |

判定只填三种：
1. 原样保留；
2. 被改动（写清改成了什么）；
3. 被模糊化（改成「不少」「明显」「几步」这类）。

最后统计：三份各有多少处被模糊化。这一项比总字数重要，请单独加粗标出。

第五步：按你的实际场景定一条选择规则

结论不能是「哪个最好」，只能是「什么活交给谁」。规则按两类分：事实密度高的稿子（含大量数字、结论、引用）优先看事实保留率；纯表达的稿子（观点、感受）优先看句子离散度和返工时间。写下来，下次不用再纠结。

这是我的六项指标实测结果。请帮我写选择规则，要求：

1. 按「稿子类型」分两类，每类给一条「如果……就用……」，最多三条；
2. 每条必须引用一项具体指标作为依据，不许写「综合来看」；
3. 单独写一条「这三份结果里，哪一项指标差异最小、因此不值得作为选择依据」；
4. 最后提醒我：这套结论在多长时间后需要重测，为什么。

实测记录

原文 1,200 字，讲一次内部流程改造，抽出事实点 14 条：数字 6、时间 3、步骤数 2、因果 2、结论 1。三个工具同一天跑，指令一致，各自新开会话。

字数与段落：豆包 1,240 字（+40），段数不变；Kimi 1,310 字（+110），段数不变；通义 1,180 字（−20），段数从 9 段变成 8 段，两段被合并。

事实保留：豆包 14/14 全部原样在，Kimi 14/14，通义 12/14——丢的是「用时从 40 分钟降到 12 分钟」这个对照数字，以及「第三版才通过」这个次数，两处都是被改成了「明显缩短」和「反复修改了几次」。

擅自添加：豆包 2 处，一处是「举个例子，某连锁门店这么做之后客流翻了一倍」（原文没有这个例子，也没有这个数据），一处是「据行业报告显示」（原文无任何报告）。Kimi 1 处，加了一句解释性的过渡，没有引入新事实。通义 3 处，其中两处是补充背景，一处是把原文的推测写成了结论。

句子离散度：豆包最长 41 字、最短 6 字，差 35；Kimi 最长 52 字、最短 5 字，差 47，但那个 52 字的长句其实没拆开，是硬凑出来的极差；通义最长 34 字、最短 8 字，差 26，读起来最平。

返工时间：豆包 22 分钟，主要花在删掉虚构案例、核对「翻了一倍」原文有没有；Kimi 12 分钟，只调了几处用词；通义 35 分钟，要补回 2 个数字，还要把 1 处被写成结论的推测改回去。

最后一项值得单独说：三份里读起来最顺的是豆包，它的句子长短变化最大、衔接最自然，但它也是唯一一个自己编了案例的。顺的来源恰恰是那两处添加——虚构案例和虚构报告把上下文接得很圆。「读着顺」不能作为选择依据，原因就在这里。

最容易错的 3 个地方

第一，用「哪个写得更好」的问题去问。这个问题没有答案，因为好坏取决于用途。换成六项指标，三个人测出来的结论会一致；换成「你更喜欢哪版」，三个人能给三个答案。

第二，只看总字数。通义那版只少了 20 字，看着像是几乎没动，实际丢了两个关键数字、把一处推测写成了结论。字数是所有指标里最不能说明问题的：把「37%」改成「明显」字数几乎不变，信息已经没了。要查就单独把数字抽出来对照。

第三，让三个工具在不同时间跑。中间隔了几天，很可能碰上模型更新，你测出来的差异里混着版本差异。同一天跑完，最好在同一个小时内，并且各自新开会话，别让前一版的结果污染后一版的上下文。

可复用的东西

14 条事实点清单：数字、时间、步骤数、因果、结论，逐条编号。这份清单是所有判断的尺子，抽不出来说明这篇稿不适合做测试。

六项指标：事实保留、擅自添加、字数与段落、句子离散度、格式保持、返工分钟。全部可数，不打分。

数字对照表：把所有数字单独抽出来三列对照，判定「原样 / 被改 / 被模糊化」。这一项比总字数重要得多。

重测周期：三个月一次，换工具或任务类型明显变化时重测。模型迭代快，这份对比的有效期比你想的短。

如果你也经常要做这件事，欢迎在评论区说说你的卡点和做法；也可以留言告诉我，你想看哪个岗位的哪件活怎么用 AI 拆。

admin 普通

收藏 海报 链接