LLM生成内容与个人声音
LLM生成内容已经成为职业社交平台上的常见现象。文章作者认为，问题不在于人们使用工具，而在于让模型代替自己完成表达，结果常常产生一种读者能够迅速辨认的、不像本人的文风。
这篇文章以LinkedIn为主要场景展开。作者说，平台主动提供“用AI改写”等功能，降低了使用门槛；但在他的观察中，许多由模型生成或重写的帖子并不只是平庸，而是带有重复、刺耳的格式和措辞。
读者识别到的文风信号
作者列举了若干他认为反复出现的信号，包括大量表情符号、单句段落、固定的对比句式，以及不符合作者自然习惯的破折号。单个特征并不能证明文本由AI完成，但多个模式同时出现，会让读者产生强烈的机器生成感。
这种判断的影响超出了审美层面。当读者明显感觉一篇帖子不是作者亲自写的，就可能进一步怀疑其中的经历、判断和观点究竟有多少是真实表达。文章的结论很直接：无法确认内容是否属于作者本人时，读者可能干脆停止阅读。
LLM更适合辅助而非代写
作者并不否定大语言模型的价值。他认为，模型适合头脑风暴、帮助理解文本，也可以充当高效编辑。这个区分提供了更稳妥的使用框架：让工具帮助整理和检验已有想法，而不是把尚未形成的观点包装成看似完整的成文内容。
真实性风险仍待观察
文章的判断来自个人观察和强烈的文风批评，并没有提供检测准确率或读者调查，因此不能把这些特征当成可靠的AI鉴定标准。不同平台、语言和写作习惯也可能改变读者的判断。更合理的启示是关注文本是否具体、可信、符合作者一贯声音，而不是寻找一套固定的“AI标记”。
把表达的功劳留给作者
这场争论最终指向一个简单的编辑原则：工具可以改进表达，但不应掩盖表达者。对需要建立信任的职业内容而言，保留个人语气、具体经验和真实判断，可能比追求一篇无瑕却千篇一律的帖子更重要。作者因此呼吁，人们对自己的声音保持信心，亲自写下真正想说的话。