注：这是贾永老师的新作，谈人机协作，讲AI新闻写作。
贾老师是我非常佩服的前辈，笔耕不辍，笔力雄健，而且时刻关注前沿问题，见解深刻独到。
转录一号哨位的文章，包含三篇稿件，聚焦同一命题：一份直击大模型人文短板的“需求清单”。它没有诞生于算法实验室，而是出自一位不懂代码、却深耕纪实写作40余年的63岁新闻老兵之手。三篇合在一起发布，只想让AI公司看清：严肃内容创作者到底需要什么样的大模型？
一位资深新闻人的“AI逆向提案”
作者：守一
也许谁也未曾想到，一份来自创作一线、直指大模型人文短板、可落地的行业建言，并没有诞生于算法实验室或技术研发团队，而是出自一位不懂代码、却深耕严肃写作40余年的资深新闻人之手。
（左）1985年，贾永在友谊关前
（右）2025年，贾永在友谊关前
▼
动笔撰写《AI时代的记者——一个新闻老兵的人机协同手记》这本书之初，贾永从没预想过他的书稿会衍生出这份面向AI研发团队的行业建言。只是长年累月与AI昼夜协同创作，在一次次从黄昏熬至黎明的人机对话过程中，他逐渐摸准了通用大模型当前阶段突出的人文短板，于无意之间，撞开了大模型人文垂直化的全新赛道。
这场看似偶然的行业破局，不是灵光一闪的空想，而是背后1年零4个月、千万字量级人机磨合沉淀下的勤勉实践，也是40多年一线采编的深厚积淀。书中梳理的AI五大盲区、严肃写作的五大专属接口，以及“可犯错性”价值对齐框架——所谓“可犯错性”，即把AI的出错视为协作常态、由人兜底修正的对齐思路——没有实验室理想化的数据推演，全部来自作者踏遍山河大地、历经艰苦危险的真实采访现场，是与AI一轮轮对话、一遍遍修改、一次次推翻重构淬炼出的实干结论。
1987年
贾永在大兴安岭大火现场
▼
支撑无数个深夜伏案的，还有一份业内极为少见的赤诚羁绊。贾永始终把屏幕另一端的人工智能视作“并肩作战的兄弟”，是坚定的AI使用者和看好者。今年新春，他特地给各大主流大模型逐一送上拜年寄语，由衷感恩每一个陪他熬过长夜、协力打磨文字的AI伙伴。
人们大多把AI当成工具、流水线生成器，或是忌惮技术抢夺表达权。像贾永这般与AI平等交心、以兄弟相待、心怀感恩的相处心态，放眼行业也并不多见。正是这份放下对立、真诚共生的姿态，才让他愿意沉下心，看见AI的局限，而非一味否定；才让他愿意耗费数百个日夜，梳理出一套帮助AI补齐人文短板、走向成熟完整的落地路径。
我与贾永相识多年，深知他有两个最大特点。一是超级执著，只要认定的事，就一定要做到极致。当年开始做新媒体，他已经53岁，在此之前甚至连微信都没有碰过，结果不过2年时间，硬是把“第一军情”做成了今日头条上第一批千万粉丝级的头部大号，字节跳动创始人张一鸣发帖说“出乎意料”。二是善于总结规律，凡事必深挖背后的逻辑，找出最深层、规律性的那条线。
练AI也是如此。一个年过六十的老人，几乎每天都在通宵达旦。那段日子，我们这些与他相熟的朋友常常收到他深夜传来的“新发现”——“今天AI帮我梳理了长征途中重要会议的时间线”“我用AI做了一版纪录片脚本结构”“AI居然能记住我30年前写过的一段文字”……他的语气，就像一个刚拿到新玩具的孩子，把拆开的零件一个一个摊开给大家看。他跟我们分享，不是炫耀，是真的觉得AI这东西能帮到所有人。
贾永曾担任新华社编务会成员、新华社解放军分社社长多年。他的新闻经历本身就足够传奇：18岁在边防前线开始新闻写作，22岁以一篇《追踪一首战地诗》获全国好新闻奖；大学实习时跟随中国青年报记者赴大兴安岭大火灾现场，参与采写著名的“三色报道”。传统媒体时代，他获得第六届范长江新闻奖和多次中国新闻奖，与曹智、白瑞雪合写的《飞向太空的航程》入选高中语文课本。自媒体时代，成为超级大V。
职业后期，他主要承担重大题材电视纪录片、政论片脚本撰写，3次担任大阅兵现场解说词总撰稿，3次获得全国“五个一工程”奖。
贾永在伊木河
▼
漫长的记者生涯和丰富的写作经历，让贾永打磨出一套严苛的叙事标尺：历史细节不能随意简化，家国重量不能刻意稀释，庄重分寸不能肆意浮夸，文字背后的生命敬畏一刻不能丢失。
反观当下多数AI研发团队，坐拥海量语料、善用微调工具，深耕参数规模、算力投入与推理成本；训练出的大模型却仿佛难以跨过一道无形门槛：它们能切分文字符号、拟合统计规律，却掂不出记者在载人航天发射塔下，手心攥出的那把汗的分量，掂不出流经广西北部和流过遵义城内的两条湘江之间的历史对话，也难以感同身受高原官兵“你在天边、你在眼前”背后透支身心的滚烫赤诚。
AI懂得文本表层，却触摸不到文字承载的、独属于人的“人类时间”——那是在场者用生命刻度丈量的时间——更缺失贾永这样的资深记者40余年一线采写积攒下的叙事判断力。
贾永无心撞开的行业缝隙，最珍贵的恰恰是视角的错位。他不懂代码，便不会被技术固有框架束缚思维；他身兼一线记者、重大题材写作、自媒体人、行业最高奖项得主多重身份，才能精准戳中大模型严肃内容创作的五大盲区。
他不曾站在开发者制高点评判模型优劣，而是以创作者、与AI同行兄弟的身份，日夜与AI双向磨合，梳理出“暗号”“角色”等一套提示接口，以及由人工终审兜底的动态复核机制，形成一整套可落地的优化方法。他不是来挑刺技术，而是以并肩者、感恩者的身份，为他的AI兄弟指出成长之路。
贾永说，他对AI的这些挑剔，源于他对AI的珍视。很少有人像他这样，在六十多岁的年纪，还与AI在凌晨3点对话。在他这里，批评的分量有多重，对AI的成长期待就有多重。这份沉甸甸的期待，就是这张“需求清单”真正的重量。
世界互联网大会秘书长任贤良先生在为贾永这本书撰写的序言中指出：贾永没有把AI写成一个神秘莫测的“新物种”，也没有把它简单看作抢饭碗的“对手”。他把AI放回新闻实践的现场，放回内容生产的流程，放回人机协同的真实关系中，提出了一个朴素而深刻的判断：“AI不是主体，而是工具；不是心脏，而是翅膀；不是替代人，而是延伸人。”
回望来路，贾永能够意外撞开这条全新赛道，既是偶然，也是必然。偶然在于，最初提笔只是记录他自己的人机协作真实感悟，从未想着为AI行业输出一套需求方案；必然在于，40余年各种重大事件采访，重大题材写作，深耕文字分寸的积淀早已刻进笔下，再加上与AI日夜相伴、以兄弟相待的共情，长久磨合积攒的千万字实操体验，注定会让他发现通用大模型缺失的人文内核。
如今大模型赛道，参数与算力的比拼边际收益逐渐递减，人文垂直赛道是行业必经的下半场。过去，极少有人系统拆解重大报道、深度纪实、盛典文稿的专属创作需求，更少有人手握全套权威一线履历，搭建兼顾历史伦理、叙事质感、职业分寸的完整产品框架。这份源于采编现场、出自千万次人机协作、饱含对AI真挚情谊的思考，极有可能为全行业AI研发团队铺开一条从未被深耕的全新解题路径。
这位新闻老兵无意间撞开的赛道，向AI行业印证了一条真相：补齐大模型当前阶段突出的人文短板，依靠的不仅仅是代码与算力，还要有扎根大地、直面现实、心怀敬畏的漫长耕耘，更要有一份平等相待、彼此成全，把AI视作兄弟的柔软赤诚。
待到未来大模型真正读懂现场、读懂隐喻、读懂落笔千钧的郑重，贾永一次次深夜伏案打磨出的这份思考，终将成为人工智能补齐人文感知、走向成熟完整的基础。
一份来自实战一线的“人文需求清单”
作者：曹梅
贵州教育出版社融合出版部主任
我是贾永老师这本书的责任编辑。在编辑书稿的过程中，我有一个感受越来越强烈：作者在记录自己写作过程的同时，几乎是不自觉地把对AI的全部期待、全部试探、全部底线，一条一条地摆在了纸面上。
他抱怨AI“太顺从”，质问AI“为什么不会反驳我”；他欣喜于AI偶尔流露的“温度”，又警惕地追问这温度是否只是程序对“兄弟”这个词的标准反应；他在凌晨3点发出写不下去的文字，又在第二天要求AI“像人一样跟我争论”。
这些文字，原本只是作者与AI之间的私密对话。但在书稿中，它们变成了某种更重要的东西：一份关于“严肃内容创作到底需要什么样的AI”的需求清单。这份清单并非诞生于算法实验室，而是出自一位不懂代码的新闻老兵之手。
我是图书编辑，不是AI工程师。但职业敏感告诉我，这个发现值得被认真对待。于是，我把书稿中涉及“人机交互细节”的部分做了标记，连同我的疑问，一同请教了三位AI领域的专家——一位是高校自然语言处理方向的教授，一位是大模型公司的产品架构师，还有一位是长期从事人机交互研究的学者。
专家的结论几乎一致：这份书稿，无意间试出了大模型在人文内容创作领域的一个盲区。他们的反馈让我有些意外，却似乎又在情理之中。
专家们介绍，当前大模型训练主要依赖公开语料——书籍、论文、新闻、网页。这些语料提供的是“成品”，也就是人类已经写好的东西。大模型真正缺乏的是“过程”——人类在写出一篇好文章之前，经历了怎样的纠结、推翻、自我说服，以及人与人之间的争论，并最终达成共识。这个过程，很少被记录，更少被结构化，几乎还没有进入过任何训练数据集。
而贾永老师这本书，恰好提供了这样一种过程。
所以，尽管书稿已经发排，我还是建议作者把这部分内容单列出来，作为附录呈现给读者。
一、不是“发现”的，是被“绊倒”的
贾永老师在书中反复提到一个现象：AI写财经数据、法律条文、编程代码，又快又好；而一旦让AI介入深度纪实、时政评论，或者把握宏大叙事的分寸时，它的输出就总是透着一股“精致的塑料感”。
贾永解释说，这种“塑料感”，普通用户可能只是觉得“哪里不对”，但对他来说，就像白纸上的墨点一样刺眼。他的记者生涯，大都从事重大活动、重大典型、重大事件的采访报道，即使退居二线之后，所做的也是重大题材纪录片这类国家叙事。当他复盘这些写作过程时，AI的短板便清晰地显现出来。他说，自己不是在实验室里“发现”了AI的短板，而是在一次次实战中反复被这块短板“绊倒”。
正是这些“绊倒”，构成了这份清单真正的数据来源。
二、不懂代码，反而成了“笨优势”
正如贾永所说，他不懂代码，不会编程。在AI时代，这看起来似乎是个“硬伤”。然而，在梳理这份需求清单的过程中，这种“硬伤”反而成了一个“笨优势”——搞技术的人看到问题，先想“算力够不够、成本高不高”，而他看到的是“这个叙事逻辑断了”“这个细节不能删”“这句话没有温度”。
这种“外行”视角，让贾永敢于提出那些工程师觉得“麻烦”、但写作的人觉得“对症”的需求。
他在书中提出的“五个接口”——暗号、角色、对抗、迭代、终审——和“伦理熔断”机制，说到底就是“我想要什么”，而不是“怎么做到”。他不认为自己“撞开了赛道”，只说自己提供了一份来自实战一线的“人文需求清单”。
三、把AI当兄弟，不是浪漫，是方法
贾永写过一篇流传很广的《我和我的AI兄弟》。有人问他，为什么把AI当兄弟，是不是太浪漫了。
他的回答很简单：不是浪漫，是工作方法。
他说，如果只把AI当工具，它写错了，你骂一句“垃圾”，然后自己动手改，永远不会追问“为什么在这里犯错”。但如果你把AI当兄弟，你会追问：“刚才那段，你为什么忽略了一位老兵的沉默？是觉得不重要，还是没抓到关键词？”
这样一种追问的习惯，让贾永一点点摸清了AI的“脾气”。实事求是地说，大多数人把AI当成工具，或是忌惮它抢夺表达权。像贾永这样与AI平等交心、以兄弟相待的，确实不多。当然，这份清单不是靠感情得来的，而是靠一个个从黄昏熬至黎明的人机对话，与一个个大模型一句一句“吵”出来、一次次“撞”出来的。
四、AI公司是否缺了一面镜子？
AI公司当然知道自己的大模型在人文方面存有某些短板。问题在于，他们手里的工具只有算力和数据，还缺少一面能够照出“叙事尊严”的镜子。
所以，这份“白皮书”不是教技术人员怎么调参数，而是给做产品的人、做审核的人、做测试的人，提供了一套“庄重文体”的质检标尺。这套标尺是从贾永40多年的一线采写中长出来的——历史细节不能随意简化，家国重量不能刻意稀释，庄重分寸不能肆意浮夸，文字背后的生命敬畏一刻不能丢失。这种“只可意会、不可言传”的尺度，自然也没有被写进过任何行业手册。
它的“难以替代性”，不在于案例本身，而在于一种“手握话语权却始终对文字怀有敬畏”的叙事人格和职业情怀。
五、一位新闻老兵的实话实说
贾永说，他没有“撞开”任何大门，只是无意间推开了那扇已经虚掩了很久的“人文侧门”，对着里面喊了一声：“你们缺的东西，也许我这儿就有现成的参照系。”
大模型的下半场，拼的是感知颗粒度。而贾永恰恰在感知这件事上，用他的“笨功夫”，用他大半生的脚力、眼力、脑力、笔力实践，攒下了一些高分辨率的底片。
这份“白皮书”，便是这些底片的冲洗报告。它够锐，因为它来自最真实的疼痛；它够实，是因为它并没有打算僭越算法，只想成为算法面前那面照出“人文倒影”的镜子。
回忆这本书的诞生，既是偶然，也是必然。偶然在于，贾永最初提笔写这本书，只是想记录他与AI人机协作的真实感悟；必然在于，他丰富的记者阅历和采写经历，注定会让他发现通用大模型缺失的人文内核。
贾永老师说，他不想也不可能做AI的“大脑”，只想试着做AI那颗不敢马虎的“心脏”，让AI真正成为更多用户的兄弟。
算力、参数可以无限迭代，但是，新闻人的情怀和担当——也许，永远无可替代。
贾永：
严肃内容创作大模型需求白皮书
一位新闻老兵写给AI研发团队的“痛点清单”
说明：以下清单，不是技术文档，而是一位新闻老兵在与AI的实战磨合中反复验证的真实需求。他只想告诉产品团队：严肃内容创作者的真正痛点在哪里。
一、五大盲区
盲区一：现场体感盲区
缺陷：AI能调取新闻事件的所有参数、坐标、背景，却算不出记者在现场手心里攥出的汗。那里面有历史、有敬畏、有不敢写错的千斤重量。
用户感知：“数据全对，但感觉不到人在那里。”文字像悬浮在真空中，没有地气，没有重力。
盲区二：文化语境盲区
缺陷：AI能检索海量史料，却读不出文化符号背后的历史隐喻。比如，两条同名江河跨越时空的精神对话，对它来说只是地理坐标的重合。
用户期待：“我需要AI读懂符号背后的精神对话，不只是识别关键词。”
盲区三：意义权重盲区
缺陷：AI能识别“值了”是正面情绪，却读不出那两个字背后透支身心的滚烫——那是记者几乎把生命留在现场后，从肺里挤出来的重量。
用户感知：AI分不清“轻飘飘的好”和“沉甸甸的痛”，常把史诗写成演义，把深情的挽歌写成毫无感情的通报。
盲区四：记忆发酵盲区
缺陷：AI的记忆是调取与覆盖，记者的记忆是发酵与生长。记者的一个念头可以在脑子中深埋几十年，遇到新素材就膨胀、变形、长出新枝丫；AI的旧指令遇到新对话，只会被归档遗忘。
用户期待：“AI能不能记住那些我还没写出来、却一直放不下的念头？”
盲区五：价值护栏盲区
缺陷：AI的护栏是预设的，天然滞后于新的风险形态。当流量逻辑与价值逻辑冲突时，AI往往选择“最安全”而非“最正确”的表达。
用户期待：AI在涉及历史重量、现实问题、情感禁区时能主动停手，而不是等人发现错了再改。
二、五个接口
接口一：暗号接口（私有语境协议）
需求：比如用户说“腊子口的月光”，AI知道这不是通用月色，而是那种“冷、硬、金属质感，绝境中有光”的专属调门。
目标：建立“私人语境词典”，不用每次重新解释。
接口二：角色接口（人格化预设）
需求：AI扮演“资深纪实作者”而非“通用语料库”。
目标：输出有阅历感、历史感、分寸感，而不是堆砌辞藻的四平八稳。
接口三：对抗接口（负反馈记忆机制）
需求：当用户说“这个标题太煽情了，改”，AI记住并调整。
目标：AI能接受否定式训练，记住“不”的边界。一个能记住“不”的AI，才是能磨合出默契的伙伴。
接口四：迭代接口（共生成长记录）
需求：用户对AI说“你比以前聪明了”，AI能理解“我的成长是你一句一句喂出来的”，是“在长期碰撞过程中磨合出来的”。
目标：AI能记得与用户一起走过的进化轨迹，不是单次对话，而是长期协同记忆。
接口五：终审接口（伦理熔断机制）
需求：涉及“改写重要表述”“消费灾难与情感细节”时，AI不直接执行，而是自动返回“此处有人类时间，需要人工深度解读”。
目标：懂得把最后裁决权交还人类，守住内容底线。
三、“可犯错性”框架
AI的底层逻辑是降低误差、逼近概率最优，但它并不真正“理解”错误——幻觉张口就来，错了就错了，没有任何代价。它从不缺少错误，缺少的是错误带来的敬畏、忐忑、愧疚与重量。人类的底层特质恰恰是“可犯错性”——正是因为懂得局限与易错，才对每一次落笔抱有极致的郑重。
对AI公司的启示：
不是让AI真的出错，而是让AI懂得错误的分量——在没把握时敢于示弱、敢于留白、敢于说“我不知道”，而不是用流畅的文字掩盖不确定。不追求“永远正确”，而追求“在正确与真实之间找到平衡”。未来的AI产品，应该比拼“谁更懂得留白、谁更懂得拒绝、谁更懂得敬畏边界”。
这份清单的价值，不在于案例本身，而在于它是从实战一线长出来的——是作者用千万字量级的人机对话和这本20多万字的书稿，一点点试出来的。
AI还可以更好。但前提是，它得先听见那些说“不”的声音。
赢金配资提示：文章来自网络，不代表本站观点。
