Ai-Writing on Tarragonhttps://tarrragon.github.io/blog/tags/ai-writing/Recent content in Ai-Writing on TarragonHugo -- gohugo.iozh-TWTarragon (CC BY 4.0)Thu, 25 Jun 2026 00:00:00 +0000三輪審查的檢討收穫 — 工具 opinion 文章的寫作品質演進https://tarrragon.github.io/blog/report/tool-opinion-article-review-lessons/Thu, 25 Jun 2026 00:00:00 +0000https://tarrragon.github.io/blog/report/tool-opinion-article-review-lessons/<h2 id="結論">結論</h2> <p>多輪審查的價值在 frame 切換而非重複加深。三輪用了 8 個不同 frame，每輪抓到的問題類型和上一輪不重疊。停止訊號是「想不出新 frame」而非「finding 數遞減」。</p> <h2 id="每輪的-frame-和收穫">每輪的 frame 和收穫</h2> <h3 id="round-1compliance規範--事實--冷讀">Round 1：Compliance（規範 + 事實 + 冷讀）</h3> <table> <thead> <tr> <th>Frame</th> <th>代表 finding</th> <th>類型</th> </tr> </thead> <tbody> <tr> <td>寫作規範</td> <td>「唯一」必然性框架（3 處）、meta-commentary 外露</td> <td>字句層</td> </tr> <tr> <td>Fact-check</td> <td>semver 表格混用專案術語和標準定義</td> <td>準確性</td> </tr> <tr> <td>冷讀零脈絡</td> <td>「Proposal」「Wave」行話洩漏、缺進入動機</td> <td>可讀性</td> </tr> </tbody> </table> <h3 id="round-2cadence--讀者旅程--title-commitment">Round 2：Cadence + 讀者旅程 + Title commitment</h3> <table> <thead> <tr> <th>Frame</th> <th>代表 finding</th> <th>類型</th> </tr> </thead> <tbody> <tr> <td>Cadence</td> <td>「為什麼會這樣」兩小節骨架完全複製</td> <td>結構層</td> </tr> <tr> <td>Reader simulation</td> <td>事件段佔比高、原則到得晚、CoC 結尾像附錄</td> <td>節奏層</td> </tr> <tr> <td>Title commitment</td> <td>title 承諾「為什麼」但 L86 才正式交付</td> <td>對齊層</td> </tr> </tbody> </table> <h3 id="round-3self-application--steelman">Round 3：Self-application + Steelman</h3> <table> <thead> <tr> <th>Frame</th> <th>代表 finding</th> <th>類型</th> </tr> </thead> <tbody> <tr> <td>Self-application</td> <td>文章主張「用結構引導」但自己的標題路徑偏事件</td> <td>Meta 層</td> </tr> <tr> <td>Steelman</td> <td>缺 soft/hard opinion 區分、缺 cost-benefit 不對稱論證</td> <td>論證層</td> </tr> </tbody> </table> <h2 id="三輪漏抓鏈為什麼前一輪漏了">三輪漏抓鏈：為什麼前一輪漏了</h2> <table> <thead> <tr> <th>問題</th> <th>哪一輪抓到</th> <th>為什麼前面漏了</th> </tr> </thead> <tbody> <tr> <td>同骨化（兩段結構複製）</td> <td>R2</td> <td>R1 逐段掃描，同骨化是跨段比對才浮現</td> </tr> <tr> <td>CoC 結尾收束弱</td> <td>R2</td> <td>R1 檢查的是每段內容是否合規，不評估段落在全文中的位置價值</td> </tr> <tr> <td>缺 soft/hard opinion 區分</td> <td>R3</td> <td>R1-R2 的讀者角色是「初次讀者」，R3 的讀者角色是「知識淵博的反駁者」</td> </tr> <tr> <td>文章未 self-apply 自己的主張</td> <td>R3</td> <td>R1-R2 把文章當內容審查，R3 把文章當主張並用主張反向檢查</td> </tr> </tbody> </table> <p>每一輪的遺漏都是因為 frame 的視角限制——同一個 reviewer 用同一個 frame 跑多輪只會重複相同的 catch。多輪的價值在 frame 切換。</p> <h2 id="你的文章需要多輪審查嗎">你的文章需要多輪審查嗎？</h2> <ul> <li>品質敏感（教學、規範、長期累積的內容）且篇幅 &gt; 100 行 → 至少 2 輪不同 frame</li> <li>第一輪 finding &gt; 10 → 再加一輪</li> <li>同一批次有 3+ 篇相關文章 → 加跨篇一致性 frame</li> <li>想不出新 frame → 停止</li> </ul> <h2 id="ai-輔助寫作中反覆出現的-pattern">AI 輔助寫作中反覆出現的 pattern</h2> <p>從這次和過去的審查經驗，以下 pattern 在 AI 生成的文章中出現頻率高：</p> <table> <thead> <tr> <th>Pattern</th> <th>出現頻率</th> <th>為什麼 AI 容易犯</th> </tr> </thead> <tbody> <tr> <td>必然性框架（「唯一」「天生」「本質」）</td> <td>高</td> <td>AI 傾向用強勢措辭增加說服力</td> </tr> <tr> <td>負向開頭（「不是 X」「沒有 Y」）</td> <td>高</td> <td>否定句是 AI 常用的對比修辭</td> </tr> <tr> <td>meta-commentary（「先交代脈絡…」）</td> <td>中</td> <td>AI 把內部推理過程外露到文章中</td> </tr> <tr> <td>同骨化</td> <td>高</td> <td>同一 prompt 生成的多段文字共用隱含模板</td> </tr> <tr> <td>結尾重複前文</td> <td>中</td> <td>AI 傾向在結尾摘要前文而非昇華</td> </tr> </tbody> </table> <p>這些 pattern 的防護適合放在生成端（寫作前的 checklist），而非只放在審查端（寫完後掃描）。</p>結論

多輪審查的價值在 frame 切換而非重複加深。三輪用了 8 個不同 frame，每輪抓到的問題類型和上一輪不重疊。停止訊號是「想不出新 frame」而非「finding 數遞減」。

每輪的 frame 和收穫

Round 1：Compliance（規範 + 事實 + 冷讀）

Frame 代表 finding 類型
寫作規範 「唯一」必然性框架（3 處）、meta-commentary 外露 字句層
Fact-check semver 表格混用專案術語和標準定義 準確性
冷讀零脈絡 「Proposal」「Wave」行話洩漏、缺進入動機 可讀性

Round 2：Cadence + 讀者旅程 + Title commitment

Frame 代表 finding 類型
Cadence 「為什麼會這樣」兩小節骨架完全複製 結構層
Reader simulation 事件段佔比高、原則到得晚、CoC 結尾像附錄 節奏層
Title commitment title 承諾「為什麼」但 L86 才正式交付 對齊層

Round 3：Self-application + Steelman

Frame 代表 finding 類型
Self-application 文章主張「用結構引導」但自己的標題路徑偏事件 Meta 層
Steelman 缺 soft/hard opinion 區分、缺 cost-benefit 不對稱論證 論證層

三輪漏抓鏈：為什麼前一輪漏了

問題 哪一輪抓到 為什麼前面漏了
同骨化（兩段結構複製） R2 R1 逐段掃描，同骨化是跨段比對才浮現
CoC 結尾收束弱 R2 R1 檢查的是每段內容是否合規，不評估段落在全文中的位置價值
缺 soft/hard opinion 區分 R3 R1-R2 的讀者角色是「初次讀者」，R3 的讀者角色是「知識淵博的反駁者」
文章未 self-apply 自己的主張 R3 R1-R2 把文章當內容審查，R3 把文章當主張並用主張反向檢查

每一輪的遺漏都是因為 frame 的視角限制——同一個 reviewer 用同一個 frame 跑多輪只會重複相同的 catch。多輪的價值在 frame 切換。

你的文章需要多輪審查嗎？

  • 品質敏感（教學、規範、長期累積的內容）且篇幅 > 100 行 → 至少 2 輪不同 frame
  • 第一輪 finding > 10 → 再加一輪
  • 同一批次有 3+ 篇相關文章 → 加跨篇一致性 frame
  • 想不出新 frame → 停止

AI 輔助寫作中反覆出現的 pattern

從這次和過去的審查經驗，以下 pattern 在 AI 生成的文章中出現頻率高：

Pattern 出現頻率 為什麼 AI 容易犯
必然性框架（「唯一」「天生」「本質」） 高 AI 傾向用強勢措辭增加說服力
負向開頭（「不是 X」「沒有 Y」） 高 否定句是 AI 常用的對比修辭
meta-commentary（「先交代脈絡…」） 中 AI 把內部推理過程外露到文章中
同骨化 高 同一 prompt 生成的多段文字共用隱含模板
結尾重複前文 中 AI 傾向在結尾摘要前文而非昇華

這些 pattern 的防護適合放在生成端（寫作前的 checklist），而非只放在審查端（寫完後掃描）。

]]>