← 返回部落格
Ai預計閱讀 11 分鐘

那個大家開始懷疑書評是AI寫的閱讀App

發布於 2026年11月15日
那個大家開始懷疑書評是AI寫的閱讀App

微信讀書是中國最大的閱讀App,它最有辨識度的功能不在書裡,而在書旁邊。那是一層別人的劃線和留言,順著正文一路排下去,頁邊窄窄的一條,密密麻麻全是陌生人的字跡。你讀一本小說的時候,等於有幾千個人擠在你肩膀後面一起讀,讀到某一句還會停下來,把自己的想法貼在那裡。

很多年裡,這一層是它最好的部分。有人替你把一段說不清的話劃了出來,有人在一句玩笑下面補了一句更狠的。這個月,它成了爭吵的現場。

起因很小。一位讀者把一本阿嘉莎·克莉絲蒂的小說推薦給朋友,朋友回頭反映說,App 在第一章之前就把結局亮了出來,因為留言區在進入正文的路上,就把後面幾十頁的情節討論擺到了前面。這則抱怨發在 11 月 11 日,轉發很多,而在目前流傳的各種抱怨裡,它其實是最沒意思的一條。劇透是能用產品手段修好的問題,後面那些不是。

指控是雙向的

前一天還有另一則貼文,說的是反過來的事:留言區裡塞滿了讀起來像模型寫的書評。開頭套路化,三段式結構工整,先講感受再講背景最後昇華,末尾一段來個情緒轉折,什麼問題也沒解決。更有意思的是後面那半句:認真寫字的人,正在被懷疑是 AI。有人因為句子通順、標點規範、段落有邏輯,被陌生人在留言裡點名。

這就是新的社交動態。一個空間裡的生成文字一旦夠多,舉證責任就轉移到人身上。文風變成了證據。段落組織得好,可疑。總結得乾淨,是破綻。寫完一段話還要故意留兩個錯字,才顯得像人寫的,這種日子已經有人開始過了。

這個空間的成立前提是,一則留言就是一個人在出聲地想事情,所以這種變化對它的傷害很具體。留言區的價值本來來自有人願意費這個勁,願意為一句感受停下手裡的閱讀。如果這份勁可以大規模偽造,剩下的唯一訊號就是寫作對寫作者的成本,而成本是截圖看不出來的。你沒法從一段漂亮的文字裡,看出它花了三分鐘還是三小時。

一排鋼架上立著空白的骨白色卡片,中間夾著一片透明玻璃,玻璃上映出一點反光

指標讓它更糟

微信讀書做的不只是展示留言。它算一個推薦值,還維護一個好評榜。推薦值高的書評能把一本書推上那個榜單,榜單再把人推回書裡。今年 8 月,一則 973 字的長評據稱拿到 92% 以上的推薦值,那本書因此被推到了多得多的讀者面前。數字很好看,機制也很清楚。

這樣的指標會造出一種跟閱讀無關的動機。如果結構工整、情緒到位、觀點略虛的書評能拿高分,那麼生產結構工整、情緒到位、觀點略虛的書評就是理性策略,不管執行者是人還是腳本。這個策略的產物,和讀者現在說的 AI 味分不出來,因為兩者本來就是同一套約束下長出來的東西。

這個 App 還在 5 月上線過一個 AI 功能,公司當時的說法是給讀者的助手,可以摘要、可以提問、可以陪聊。這個功能的存在是問題的背景,不是原因:它讓每一則指控都有了一個說得通的機制。你不需要證明某則留言是生成的,你只需要指出它本來可以是。

這種不對稱讓爭論沒法收場。懷疑一則留言的讀者,可以指著 App 自己的助手,說路徑在這裡。被懷疑是機器的讀者,沒什麼可指,因為輸入框裡沒有作者身分證明這種東西。一邊有工具,一邊只有語氣,吵起來必然是越吵越難看。

還有作者這一頭

10 月,一位讀者給一本書打了中評,收到作者發來的私訊,請她把評分改掉。截圖拿到 1700 多個讚和幾百則留言,而大家的反應主要針對來要求改評這個動作,跟那個評分關係不大。寫書的人開始盯留言區,這件事本身比一則私訊更值得記一筆。

三個故事放在一起,規律就出來了。留言區當初是按社交空間設計的,後來按產品指標被考核,現在又被當成公共論壇來治理。這三種定位各自對應一種解法,而這個 App 一直在用第二種跑,用第三種管。一個東西同時被當成客廳、貨架和廣場,最後哪一種都當不好。

讀者真正在要什麼

把抱怨仔細讀一遍,訴求比把 AI 清出去窄得多。大致是:在我形成自己的反應之前,別把別人的反應推給我;如果你要給這些反應排序,告訴我這個排序是為了什麼。這兩條都不涉及偵測,都只涉及介面上放什麼、什麼時候放。

劇透問題有一個乾淨的解法,就是閱讀進度過濾,把超出你當前頁的留言藏起來。有些 App 已經這麼做了,做法簡單到幾乎不值一提。成本是一個開關加一個資料模型,而資料模型是難的那部分:App 得知道每個讀者在每本書裡讀到哪兒,然後決定一則錨定在第 240 頁的留言,允許向第 30 頁的人透露什麼。同一句話,對兩個人有兩種權限。

微信讀書本來就在追蹤這個位置,因為進度要跨裝置同步,手機換到平板接得上。資訊是有的。缺的是一條關於誰可以看什麼的規則,而這類規則在產品團隊內部是政治問題,因為它們恰好會在考核參與度的那些頁面上降低參與度。把一屏留言藏掉一半,數據一定會掉。

AI 問題沒有乾淨的解法。偵測不可靠,指控很便宜,誤判的代價全部由被指控的人承擔。一個開始給書評打上生成標籤的平台,接下來一年都會在爭論這些標籤,而且每爭一次,標籤的可信度就掉一點。

更有意思的選項是乾脆不排序。推薦值把一場對話變成了排行榜,而排行榜獎勵的恰好是那些讓文字看起來像生成的特徵。一個只按時間排、或者只按有多少人劃了同一句來排的空間,在推出最佳書評上會更差,但難被玩得多,也不會逼著每個寫字的人去模仿同一種腔調。

那個讓人不舒服的版本

這個故事還有一個版本:什麼都沒被生成,整場恐慌針對的是一種文風。中文書評寫作有自己的習慣,那些習慣是紙媒時代留下來的,而那些習慣恰好和現在大家認作模型文體的內容重疊:對稱的結構,乾淨的結論,放在末尾的情緒點,還有一句收得漂亮的總結。

如果是這樣,教訓比 AI 那個版本更難看。那意味著網路書評的通用文體本來就是機器形狀的,模型是從我們這裡學的,不是反過來。讀者在辨識一個類型,而這個類型十年來一直在變得更機械,就算沒有大模型,它也在往那個方向走。

不管是哪一種,留言區現在成了一個讀者互相找破綻的地方。有人讀留言是為了看別人怎麼想,有人讀留言是為了判斷這則留言到底誰寫的。在圖書館旁邊蓋出這麼個東西,挺奇怪。書沒變。頁邊變了。

相關文章