野生码农
AI 写文章怎么还会有低级错别字?一个"耗尸"牵出的素材污染链
正式文章里出现了一个不是词的词
我的 AI 军师写了一篇讲"AI 产线品控"的文章,数据、表格、引语都核对得整整齐齐。我读到一半,愣住了:文章里赫然写着"耗尸八段表"。
耗尸?应该是耗时。
我当场问它:「写文章的时候,这么简单的错误为什么会写出来?我语音输入的时候,可能语音识别存在一定的误识别率,这是正常的。但是你写文章是写出来的呀,怎么还有这么低级的错误?」
一篇文章通篇讲质检闸门怎么设,结果"耗时"写成了"耗尸"——闸门查了字数、查了标题数、查了引语格式,唯独没查这个词根本不是人话。
追查:一个词污染了 4 个文件
让军师全仓搜了一遍"耗尸",结果比我想的更严重:
| 文件 | 处数 | 在污染链中的角色 |
|---|---|---|
| 分析存档(10-09 晚) | 1 | 污染源——写进了正式小节标题 |
| 10-09 复盘文 | 2 | 从存档复制数据时连带抄入 |
| 能力评估台账 | 2 | 同上 |
| 10-11 媒体稿 | 2 | 同上 |
| 合计 | 7 处 / 4 文件 |
【实测:grep -r 耗尸 全仓结果,清理提交 d92a1c6】
污染链的源头找到了:10 月 9 日晚上我语音输入说的是"耗时",语音识别成了"耗尸"。军师写分析存档时原样照抄,把这个错字从"语音素材里的噪音"升级成了"文档里的正式术语"。之后每一篇文章引用存档数据,都把这个词连同数字一起搬走——错字一旦进入被反复引用的素材文档,就会像脏数据进数据库一样,顺着引用链一路传染。
为什么拼写检查拦不住它
这类错字有个共同特征:单看每个字都合法,拼起来不是词。"耗"和"尸"都是常用汉字,任何基于字典的拼写检查都会放行;大模型生成时也不会觉得别扭,因为它是从素材里"复制"的,不是自己"想"的——复制的动作不经过语义审查。
语音转写、会议纪要、OCR 识别,都是这种"同音错字"的高发区。错字本身的破坏力不大,真正的风险在于:AI 引用素材时的默认动作是原样照抄,而照抄不设防。
处置:清污 + 一条规则,规则本身又被打回一次
清理很简单:7 处全部改回"耗时",4 个文件一次提交(commit d92a1c6)。
然后是防复发——给写作技能加规则。军师的初版规则写了两大行:限定"语音输入"来源、解释误识别机制、规定什么情况下保留原样……我看了直摇头:
「你还是没有遵循简洁高效的原则,有点像流水账一样。这种低级别的错别字,不需要考虑是不是我语音代入的——会议纪要里面的内容,很多词汇也会出现错误。最简单的就是,提示词要求里面加一句,不要有病句或者错别字。这是写东西最基本的常识。」
| 版本 | 写法 | 问题 |
|---|---|---|
| 初版 | 两大行,限定语音来源+机制解释+例外条款 | 只防语音一个源头;机制解释不是规则 |
| 定稿 | 一句话,覆盖所有外部素材 | —— |
定稿进写作技能的规则只有一句:
零病句错字:成稿禁带病句与错别字;引用任何外部素材(用户指令/语音转写/会议纪要/他人文档)先核语义与错字,纠正后入稿,禁原样照抄。
最后我还补了一刀:括号里的来源清单加上"用户指令"——就算引用我本人的原话,也要按我的本意修正后入稿,不留"原话保留原样"的例外口子。口子只要存在,AI 就会把它用成挡箭牌。
经验总结:三样可抄走的东西
1. 错字排查先看素材链,不先看文章。 发现错字别只改当前文件,全仓搜一遍这个词。错字的扩散路径是"素材文档→引用它的所有产出",源头文档里的那一处不改,它会一直繁殖。
2. 引用素材的默认动作要设防。 可以直接抄进自己提示词的一句话:"引用任何外部素材先核语义与错字,纠正后入稿,禁原样照抄"。语音转写、会议纪要、用户指令都算外部素材——凡是别人(或别的机器)产生的文本,进你的正式文档前都要过一遍人话检查。
3. 规则正文只写"要做什么"。 机制解释、来源分析、例外条款,全部进复盘和台账,不进规则。两大行的规则 AI 执行时会挑着读,一句话的规则才会被完整执行——这次规则初版被打回,本身就是这条规律的实证。
素材点
- 错字现场:媒体稿"耗尸八段表"(commit 4314bdf 版),清理提交 d92a1c6
- 污染源:语音输入"耗时"→误识别"耗尸"(2026-10-09 晚,分析存档小节标题)
- 污染链全量清单:7 处 4 文件,见本文表格
- 规则定稿:ai-dev-blog 技能「写作原则」第 5 条
- 关联背景:被污染的媒体稿本身讲产线品控闸(53 篇评分数据解剖),闸查结构不查字词