Martin Fowler 在 bliki 发表分析文章，讨论 LLM 生成文本所特有的一种“声音”（voice）。这是一篇风格分析，并非产品发布或实测结果。Hacker News 的讨论中，多位读者描述了具体的阅读体验：信息密度低、行文冗长发散，常常读到一半就放弃。也有评论提出解释，认为人理解语言依赖对作者心智的内部模拟，而 LLM 文本持续、微妙地偏离预期，会让这种模拟不断出错。
背景
关于 LLM 写作的争论此前已涉及披露与内容治理：Horizon 2026-09-07 的日报曾收录一篇观点文章，认为不披露使用 LLM 的写作会削弱智识真诚；2026-10-28 的日报则报道了维基百科编辑清理 AI 生成内容、并遇到回退的情况。Fowler 这次讨论的“声音”问题延续了同一脉络，但焦点从是否该用或该标注 LLM，转向读者为何会觉得这类文本不自然、难以持续阅读。
参考链接
社区讨论
对使用 LLM 辅助写作的开发者而言，讨论中给出的可操作建议是让模型只做客观批评，而不让它提供具体词句；有评论者认为，越是觉得 LLM 建议的措辞好，越可能是在让模型侵蚀作者自己的声音。对内容平台来说，一位自称强烈支持 AI 的读者表示，所在站点被大量低质 AI 生成内容淹没，已导致其减少阅读。
评论者普遍认同 LLM 文本读起来重复、信息密度低且难以持续吸引注意力，其中一位自称“强烈支持 AI”的读者也持同样看法，说明这并非单纯的立场之争。讨论还延伸到成因：有评论者用“心智模拟出错”来解释为何这类文本让人不适，另一些人则更关注实际用法，主张把 LLM 限定为批评工具而非代笔工具。