AI 協作寫作的真正難度——從一本小說和一本科技史說起
兩種判斷力
我用 AI 寫了兩本書。
第一本寫一個工程師在職場系統裡被碾壓、事後才看清全貌的故事。第二本是《遊戲致勝》，繁體中文非虛構，副題是「從像素到 AI，娛樂如何暗中重塑全球科技霸權」——追溯過去四十年的 PC 遊戲史，論證每一次科技霸權的重大轉向，骨子裡都是一群想玩更好遊戲的人意外推動的結果。
兩本書都用了 AI 做共同協作。兩本書都不是「叫 AI 寫稿、人類修改」的模式。兩本書都需要一套不斷演化的寫作指令。
但它們的難度結構完全不同。
因為「判斷」這個詞，在兩本書裡指的是完全不同的東西。
一、小說的判斷：這個人在這個時空裡，能不能說出這句話？
小說有一條寫作禁忌：「林昭明不可以在辦公室裡命名抽象概念。」背後是整本書的認知設計。小說分成辦公室視角和書房視角。辦公室裡的主角只能感受、困惑、記住細節。把感受變成概念——命名——是書房的特權，是多年後回望時才有的能力。
如果 AI 在辦公室場景裡讓主角說出「假面系統」這四個字，整本書的認知弧線就崩了。
這條規則不是第一天就有的。是寫到某一章，AI 產出了一段「技術上沒有錯、語法通順、邏輯合理」的文字，我讀完覺得不對——花了半天才釐清：不對的地方不是措辭，是認知位置。主角不是不會說那些詞，是他在那個時空裡還沒有到達可以說的位置。
這就是小說裡「判斷」的本質：判斷的對象是認知位置。 角色在這一刻知道什麼、不知道什麼、以為自己知道什麼。AI 的失敗模式是讓角色太清醒、太早命名、太有主體性——因為 AI 天生傾向把模糊的東西講清楚。而小說需要的恰恰是保持那個模糊。
一百零八條禁忌，全部在做同一件事：防止 AI 踩過一條認知邊界。方向從第一天起就鎖定了——寫一個被系統碾壓的人怎麼在事後才看清全貌。規則越加越細，但它們保護的始終是同一個東西。
二、非虛構的判斷：這段歷史，該用什麼框架來看？
《遊戲致勝》的寫作指令裡也有禁忌。五條：禁懷舊腔、禁學術腔、禁手冊腔、禁溫情結尾、禁名單羅列。
但這五條禁忌保護的不是一個固定的認知位置。它們保護的是一個移動中的靶心——每一章的論點不同，「什麼算手冊腔」的邊界每次都不一樣。
CUDA 四層鎖的技術細節在第七章是論點的核心武器。同樣的細節如果出現在第九章 Lisa Su 的章節裡，就是手冊腔——因為第九章的論點不需要它。AI 不會自己做這個區分。我得在每一章開始之前，重新校準「細節服務論點」的邊界在哪裡。
但這還不是最難的部分。最難的部分是：非虛構寫作裡的價值觀判斷，不是保護一個已知的立場，是在寫作過程中發現立場本身需要修改。
舉一個具體的例子。
《遊戲致勝》第十一章寫任天堂和世嘉。終章第四版（v4）裡有一句話：「世嘉和任天堂——唯二沒有建立平台鎖定的公司——一個死了，一個活在孤島上。」
這句話在寫下去的時候，我覺得它是對的。它整齊、有力、跟前十章的 pattern 形成漂亮的對比。
然後我自己想起來：任天堂在 1985 年就在 NES 卡帶裡植入了 10NES 鎖定晶片——比微軟的 DirectX 早十年。它的授權制度之嚴苛，在同時代無人能出其右。
「沒有建立平台鎖定」這個判斷是錯的。
但修正不是簡單地把「沒有」改成「有」。如果任天堂「有鎖」，那它跟微軟的 DirectX、NVIDIA 的 CUDA 有什麼不同？為什麼它鎖了四十年卻沒有成為科技霸權的基礎設施？
這個問題逼出了一個全新的分析框架：擴散型鎖定 vs 圍牆型鎖定。
DirectX 的鎖向外擴散——從 PC 遊戲穿透到整個 Windows 開發生態。CUDA 的鎖向外擴散——從遊戲 GPU 穿透到全球 AI 基礎設施。任天堂的鎖不向外擴散——邊界止於自家平台，從不試圖讓自己的技術標準成為產業標準。
這個框架不是事實核查查出來的。事實核查只告訴我「任天堂有鎖」。「擴散型 vs 圍牆型」這個分類維度，是我在修正事實錯誤的過程中，被迫做出的一個價值觀判斷：我選擇用什麼維度來看鎖。
這個判斷改變了終章的整個結構。「八次變奏，一次缺席」變成了「八次擴散，一次圍牆，一次無鎖。」計數變了。鏡子段落變了。全書的隱藏脊椎從一條變成兩條。
小說不會發生這種事。小說的認知框架在大綱定下來之後基本穩定——你需要保護它，但你不需要在寫作過程中重建它。非虛構的框架會被自己的發現反覆改造。
三、兩種判斷都不能外包，但出錯的方式完全不同
小說的判斷出錯，你通常能感覺到。
AI 讓角色在辦公室裡命名了一個概念，你讀完會覺得「不對」——即使你一開始說不清哪裡不對。那個「不對」的直覺是可靠的，因為你是故事的作者，你知道這個人在這個時空裡應該是什麼狀態。你的工作是把直覺翻譯成規則。過程很慢，但方向是確定的。
非虛構的判斷出錯，你有時候感覺不到——而且 AI 也幫不了你。
「任天堂沒有建立平台鎖定」——這句話寫下去的時候，我覺得它是對的。它在邏輯上自洽、在敘事上漂亮、跟前十章的 pattern 形成整齊的對比。AI 也覺得它是對的。如果我叫 AI 去「核查這一段有沒有事實錯誤」，它不會觸發任何警報——因為 AI 的知識庫裡，「任天堂」和「平台鎖定」這兩個詞之間的關聯強度，遠低於「微軟」和「平台鎖定」。
發現這句話有問題的人，是我。不是 AI。
我知道 1985 年的 NES 卡帶裡有一顆 10NES 鎖定晶片。我知道任天堂的授權制度在同時代嚴苛到開發商怨聲載道。這是我自己的領域知識——幾十年累積的、關於遊戲硬體史的底層認知。正是因為我知道這些，我才能在讀到「沒有建立平台鎖定」的時候，從自己的記憶裡撈出一個反例。
AI 撈不出這個反例。它不是不會搜尋——是它不知道該搜什麼。「任天堂有沒有平台鎖定？」這個問題，只有在你已經懷疑答案的時候才會問。而懷疑的前提，是你自己先知道 10NES 存在。
NVIDIA 閉源驅動跟 Linux 遊戲的關係也是同一個結構。第六章寫 Valve 為什麼選 AMD 而不選 NVIDIA 做 Steam Deck 的 GPU 合作夥伴——這個判斷的基礎是我知道 NVIDIA 的 Linux 驅動是閉源的、而 AMD 的是開源的、而 Valve 需要端到端控制翻譯管線。AI 可以幫我查 GPU 驅動的開源狀態，但「開源 vs 閉源的差異會影響 Valve 的平台選擇」這條因果鏈，是我自己搭起來的。AI 不會主動搭這條線——因為它不知道這條線重要。
這是非虛構寫作特有的一種危險：一個錯誤的事實前提，可以支撐一個邏輯完美的錯誤論點。而邏輯越完美，你越不會懷疑前提。 AI 的事實核查只能在你指對方向的前提下才有用。如果你自己不知道任天堂有 10NES，再跑幾輪核查都不會觸發那個問題。
那 AI 能幫上忙的事實核查是什麼？是具體數字的驗證。第七章（CUDA）交付後，我知道哪些數字需要查——CUDA 1.0 的發佈年份、Tesla GPU 的命名脈絡、cuDNN 的起始年份、GeForce 8800 GTX 的定價——然後讓 AI 去逐條比對。結果查出四個錯誤。這些不是風格漂移，是硬傷。但重點是：我得先知道要查什麼，AI 才能幫我查。
小說的禁忌清單靠直覺驅動——感覺不對 → 釐清 → 固化成規則。非虛構的守門人不是 AI 的核查程序，是作者自己的領域知識。你知道哪裡該懷疑，AI 才有方向去查。你不知道的地方，AI 跟你一起盲。
四、科技史不是非黑即白——而 AI 天生想把灰色變成黑白
非虛構寫作裡還有一種判斷，跟小說完全不同：對灰色地帶的定性。
「NVIDIA 的閉源策略是好是壞？」
如果你問 AI 這個問題，它會給你一個平衡的答案：「閉源有優點也有缺點，要看具體情境。」技術上沒錯，但完全沒用。
《遊戲致勝》裡的判斷是：NVIDIA 的閉源策略在兩個戰場得到了完全相反的結果。在 Linux 遊戲硬體上，閉源讓它輸了——Valve 需要端到端控制翻譯管線，閉源驅動阻止了這件事，所以 Valve 選了 AMD。在 AI 運算上，同一套閉源策略讓它贏了——CUDA 的鎖深到四層，AMD 驅動層再怎麼開源也碰不到上面三層。
同一家公司、同一套策略、兩個相反的結果。 這個判斷不是「平衡」的——它是精確的。它拒絕了「開源好 vs 閉源壞」的道德簡化，但它也不是含糊的兩面論。它明確指出：鎖的深度決定了策略的效果。
AI 做不了這個判斷。不是因為它不夠聰明——是因為這個判斷需要你先看穿第六章和第七章之間的暗線，而那條暗線是在寫作過程中才浮現的。你不可能在第一天就把「NVIDIA 閉源策略的雙重結局」寫進 prompt 裡——你得先寫完第六章（Valve 為什麼選 AMD）、再寫完第七章（CUDA 為什麼撬不開），才能回頭看見那條線。
小說也有灰色地帶的定性。「管理層是在說謊，還是真心相信自己的版本？」——寫到第十八章才發現答案是「都不是——他們的計算已經變成本能，面具跟臉融在一起了」。這個判斷同樣精確，同樣不是 AI 能替你做的。
但兩者的差別在於：小說的灰色地帶是人性的灰色——你靠的是對人的理解。非虛構的灰色地帶是因果的灰色——你靠的是對系統的理解。AI 對兩者都有盲點，但盲點的形狀不同。
AI 處理人性灰色的盲點是：它傾向讓角色太理性、太自知、太快看清局面。修正方向是壓低角色的認知，保持模糊。
AI 處理因果灰色的盲點是：它傾向給出「兩面都有道理」的平衡論述，迴避下判斷。修正方向是逼它（或者更準確地說，逼你自己）做出精確的定性——不是「有好有壞」，而是「在什麼條件下好、在什麼條件下壞、條件的差異是什麼」。
五、規則的演化方向不同
小說的禁忌清單從十條長到一百零八條。演化方向是單軸深鑽——在同一個認知框架裡越挖越細。第一版的禁忌是「不要讓主角知道真相」——粗顆粒。到了第一百零八條，禁忌已經精細到「不可以把同事的財務壓力寫成假的或自找的——壓力是真的，但來源是高槓桿選擇」。方向沒有變，精度在提高。
《遊戲致勝》的規則演化方向是結構性重組。
寫到第六章，發現「鎖」不只是一個 pattern，而是有深度維度的——DirectX 是淺鎖（一層 API，可以被翻譯），CUDA 是深鎖（四層疊加，不可能被翻譯）。這個發現不是在已有框架裡加細節，是框架本身升級了。outline 的 pattern 追蹤表從一維（「便利 → 鎖定 → 壟斷」的變奏）升級成三維（變奏方向 × 鎖的深度 × NVIDIA 閉源策略的雙重結局）。
再到第十一章，「三種鎖，三種結局」的框架出現——擴散型、圍牆型、無鎖——又一次結構性重組。終章的收束邏輯因此從「有鎖 vs 無鎖」的二分法，變成了更有分析深度的三分法。
小說的規則演化像磨刀——同一把刀，越磨越利。非虛構的規則演化像換地圖——你以為自己在平原上打仗，走了六章才發現地形是三維的，有些戰場在地下。
而每一次換地圖，都意味著要回頭檢查之前所有章節的論點有沒有被新框架推翻。第六章的發現要倒灌回第二章——讀者讀完第二章時對「鎖」的理解，必須能承接第七章的升級。第十一章的發現要倒灌回終章——計數要改、鏡子段落要改、全書的最終算術要改。
小說不需要這種倒灌。角色在第十八章的認知變化不會推翻第三章的場景——因為第三章的場景在角色的時間線上是固定的。非虛構的時間線不是角色的——是論點的。論點一旦升級，所有章節的論點都要重新校準。
六、AI 是鏡子，但兩面鏡子照出不同的東西
AI 最重要的功能不是產出，是反射。你講一段，AI 反射回來，你看著那個反射，知道哪裡對、哪裡不對。
這個觀察在非虛構寫作裡一樣成立——但鏡子照出的東西不同。
小說的鏡子照出的是你對人的理解的缺口。AI 寫了一段「技術上沒錯」的場景，你讀完覺得假——那個「假」的感覺，就是鏡子在告訴你：你對這個角色在這個時刻的內在狀態，還沒有想透。
非虛構的鏡子照出的是你對系統的理解的缺口。AI 寫了一段「邏輯自洽」的論述，你讀完覺得淺——那個「淺」的感覺，就是鏡子在告訴你：你對這段歷史的因果結構，只看到了表層。
第七章 CUDA 的四層鎖，最初的草稿只寫了兩層（硬體指令集和函式庫）。AI 的產出讓我覺得「對，但不夠」。那個「不夠」逼我去想：還有什麼是 AI 沒寫出來、我自己也還沒想清楚的？然後第三層（框架綁定）和第四層（知識綁定）才被逼出來。特別是第四層——「全球大學的 GPU 計算課程用 CUDA 教、教科書用 CUDA 寫範例、Stack Overflow 上 CUDA 的回答比 ROCm 多五十倍」——這一層不是技術鎖定，是認知鎖定。它改變了整個論點的重量。
AI 沒有發現第四層。我也不是靠靈感發現的。是 AI 的產出不夠好，逼我去追問「為什麼不夠好」，追問的過程把我推到了一個我自己原本也沒到達的地方。
鏡子的價值不在於它照出什麼。在於你被迫面對自己模糊的部分。這一點，兩種寫作是一樣的。
七、兩種難度，同一個不可外包的核心
寫完兩本書之後，我的結論是：
公式 vs 心法的區分，只是第一層。真正的區分是：你在判斷什麼？
小說的判斷是：這個人在這個時空裡，能不能說出這句話？（認知位置） 非虛構的判斷是：這段歷史，該用什麼框架來看？（因果結構）
兩種判斷都不能外包給 AI。但失敗的方式不同：
小說的 AI 失敗是風格漂移——角色太清醒、太早命名。你能感覺到。修正靠直覺。 非虛構的 AI 失敗有三種——事實錯誤（你感覺不到）、框架太淺（你能感覺到但需要時間追問）、灰色地帶的定性被抹平（AI 天生傾向平衡論述）。修正靠直覺加領域知識——而領域知識只有你自己有。
小說的規則演化是磨刀——方向不變，精度提高。 非虛構的規則演化是換地圖——框架本身在寫作過程中被自己的發現改造。
但兩者有一個共同的核心，不會因為題材不同而改變：
你必須對自己正在做的事情有足夠深的理解，深到你可以判斷 AI 的每一個產出是「對」還是「接近但不對」。
那個判斷力，沒有 prompt 可以外包。不論你寫的是小說還是科技史。
差別只在於，小說的「接近但不對」藏在角色的一句台詞裡。科技史的「接近但不對」可能藏在一個你以為正確的年份裡、一個你以為自洽的框架裡、或者一個你以為是事實但其實是價值觀判斷的句子裡。
後者更危險。因為它不觸發直覺——而且 AI 跟你一起盲。
所以非虛構的 AI 協作，比小說多一道前提：你自己得先懂。 不是「懂得用 AI」，是懂你正在寫的那個領域——懂到你能從記憶裡撈出 AI 不會替你搜的反例，懂到你知道哪個數字需要查、哪條因果鏈需要懷疑。AI 的核查能力只在你指對方向的時候才有用。方向本身，是你幾十年的底層認知決定的。
這不是紀律問題。紀律能幫你在交稿後多查幾個數字。但「任天堂到底有沒有平台鎖定」這種問題，紀律查不出來——只有你自己知道 10NES 存在，才會問這個問題。
所以最終的結論比第一篇文章更尖銳：AI 協作不只是「判斷力不能外包」。是領域知識不能外包。而領域知識不是你讀了幾篇文章就有的——是你在那個領域裡泡了幾十年、犯過錯、修正過認知、累積出一套直覺之後才有的。
AI 放大的是你已有的判斷力。你有多深，它就能幫你走多遠。你的盲區，就是它的盲區。
作者用 AI 工具寫了一本文學小說和一本科技史著作。AI 在兩個項目中擔任的角色是鏡子、草稿產生器、和品質檢查工具。所有創作決定和價值觀判斷由作者做出。