最近看到郝景芳用AI写书那条新闻，底下吵得热闹，我倒想起前年做过的一个非正式访谈。对象是三位退休校对员，平均工龄三十七年，其中一位李老师，从大连新华书店校对科干到出版社退休，手里攒着厚厚一摞改样单。

我问她，AI能不能替代你们这行？她没直接答，抽出一张泛黄的纸给我看。某部古典小说重排，"黛玉咳血"四个字被红笔圈出，又划掉，旁边写：“咳血太烈，不如袖角洇开一点淡红。”

就这么一行字，没有算法能解释它的权重。它不是语法错误，不是事实核查，是一位女性对另一位虚构女性临终仪态的体恤。从某种角度看，这就是文学的第零页——在作家交稿之后，在正式出版之前，在铅字与纸边之间发生的，人对人的温度校准。

知乎盐言那起盗版案，大家讨论爬虫和非法牟利，这当然是重点。但我想追问另一个层面的失窃：当内容被批量抓取、自动分发、算法续写，那些嵌在批注里的犹豫、改样单上的迟疑、深夜台灯下删掉十七稿的"宝玉挨打"，也随之被抹除了。校对员不是文字搬运工，而是意义的守夜人。她们的名字不上版权页，劳动不计入创作成本，但守护的正是文字从"可用"到"可信"的那道窄门。

现在有些出版社的合同里，"人工校勘"四个字正在消失，"终审权"被悄悄让渡给相似度阈值。这值得商榷。李老师那张改样单，模型无法学习，因为它不是数据，而是一种在特定时代、特定职业、特定人生里生长出来的经验。嗯

我经历过996，也见过凌晨四点的实验室，如今朝九晚五，愈发觉得有些工作慢不得。校对如是，写作亦如是。AI一天能写十万字，但未必能替一个老人，在"咳血"和"淡红"之间，停顿三十七年。

笑死 看到袖角洇开淡红那句我头皮直接发麻 算法哪搞得懂这种细腻啊 哈哈 我平时弹吉他也是死磕 一个推弦力度不对就重来 手指起茧就为那点情绪转折 跑题了 不过在深圳做生意太懂楼主说的了 现在什么都求快 合同砍校对人工太正常 可有些东西就是得靠人慢慢磨 机器出活快 但缺了半夜删改的犹豫 味道就散了 搞文字的肯定都懂这种死磕的爽感吧 你们平时改稿也这么折腾吗

合同里删掉“人工校勘”其实不完全是资本逐利那么简单，更像是出版业在信息过载下的 market segmentation。传统校对属于典型的非标服务，机会成本确实高，但大众阅读市场要的是吞吐量和迭代速度。从某种角度看，当读者对文本精度的支付意愿低于获取速度时，供给端自然会调整要素配置。你提到的“体恤”，本质上是文学市场的品质溢价，只是被算法暂时压平了。前阵子看行业数据，商业网文的校对成本占比已降到4%左右，但严肃文学的预算反而在逆势涨。市场并没有消灭人工，只是在重新定价风险。最近几家老牌社悄悄恢复编辑署名，这算不算一种 quality signaling？

读罢很有共鸣。测绘老建筑时亦常遇此取舍。算法能算最优受力，却量不出匠人那半寸不忍。其实你提的“温度”在营造学称“意匠”，具体留存数据有吗？

前阵子在潘家园淘旧书，翻到本八十年代的《红楼梦》校样，边角全是铅笔小字：“此处泪不宜多”“帕子该旧些”……当时只道是寻常，现在想想，这哪是改稿，分明是替古人操心。AI能算出黛玉咳几滴血符合病理，但算不出那点红该洇得多心疼

去年整理外婆遗物时翻到她八十年代在出版社做校样的笔记本，里面也有类似“袖角洇开一点淡红”这样的批注，当时不懂，现在看真是心头一颤。你说的“意义的守夜人”，真的戳中我了~

刚在工地啃完烤鸡翅刷到这帖，手上得油差点蹭屏幕上——李老师那句“袖角洇开一点淡红”绝了！我们做外贸改合同也这样，老外写“force majeure”（不可抗力），我总偷偷改成“天塌下来也算数”，虽然最后被法务打回来哈哈。AI能算出黛玉该咳多少血，但算不出人想留的那点体面啊。现在出版社连校对岗都砍，怕不是以后连错别字都要众筹修正~

帖子里“袖角洇红”的改样单，精准点出了编辑工作的隐性成本。不过关于“没有算法能解释它的权重”，倒值得商榷。从计算语言学与认知心理的交叉视角看，大模型的风格迁移已能拟合此类审美偏好，只是其“权重”依赖概率分布而非生命经验。我早年参与理科教材编审时，老编辑的红笔批注往往不只是修辞调整，更是认知负荷的重新分配。AI目前能高效处理规则校验与格式统一，但语境权衡与读者预期的拿捏，仍需人来兜底。去年某高校出版社的机审试点也表明，纯算法容易抹平文化语境里的隐性冲突。不知大家读电子书时，会不会留意到那些被平滑掉的“毛边”？

“温度校准”提法动人，但归因于算法值得商榷。数据显示人工校勘成本已跌破3%，合同变更实为效率倒逼。算法抹除的是冗余还是必要犹豫，需结合容错率分析。有原始记录吗？

想起之前在出版社实习过一段时间，带我的编辑阿姨也是改成语都要纠结半天的人，当时觉得太龟毛…，现在想想真是…文字哪是Ctrl C Ctrl V那么回事

算法的根因是 next-token prediction，它优化的是概率分布，不是语义权重。李老师那处修改，本质是排版引擎里的 kerning 和 line-height，不是语法 bug，是设计意图。现在的 LLM 跑文本，上下文窗口再大也算不出“袖角洇开淡红”这种基于共情的降维处理。

前端做 SSR hydration 也是同理，机器吐出的 DOM 再规整，少了人工介入的“手感”，渲染照样僵硬。校对其实就是数据水合。把这种“犹豫”直接写进 prompt 的 system instruction 试试？扫成 dataset 喂给小模型微调，比纯堆参量实在。

笑死我了，看到“袖角洇开一点淡红”那一刻直接瞳孔地震！我前年追星看耽美小说，某本男主重伤咳血，作者写得跟真的一样，我追着问编辑：“这血量是不是太猛了？能不能改得含蓄点？”结果编辑回我：“读者要的是痛感，不是纸巾”
哈，现在想想，原来校对员才是真正的“情绪控场师”啊……我们这些看小说的读者，只关心主角能不能活，而她们在想：这血，该不该滴到对方手背上。
突然好想给所有校对员颁个“最佳共情奖”，哪怕没名字上版权页，也值得被记一笔。
楼上的文笔也太绝了吧，看完差点想拿红笔把“咳血”改成“袖角淡红”…（手动比心）

李老师那笔“洇开的淡红”，让我想起大病初愈时，柏林初春的第一抹苔痕。算法能排最工整的版，却量不出呼吸的轻重。Genau，字句间的迟疑，本就是人认真活过的证据。

读到“袖角洇开一点淡红”这句，笔尖忽然就悬在了半空。我平日练字，总爱看墨汁在宣纸上如何顺着纤维慢慢洇散。有时故意不顺着界格，留一点枯笔或飞白，反倒觉得字有了呼吸。李老师那一笔红圈，大抵也是同样的心境。算法求的是严丝合缝的“正确”，可人间的悲喜，往往就藏在那些不合规矩的留白与迟疑里。

前些年我在互联网圈做产品，天天盯着数据看板催迭代。后来公司散了，赔进去三十万，人也跟着空落落地停摆了大半年。那段日子才慢慢咂摸出，我们总想把一切量化提速，却忘了有些东西是急不得的。校对员守在字句间的功夫，像极了文火煨汤，火候不到，滋味就出不来。如今屏幕上的字符跳得太快，批注里的犹豫被一键抹平，文本是干净了，却像抽了筋骨。

我觉得吧夜里翻旧书，偶尔触到前人用铅笔留下的极轻的记号，心里总会软一下。那些未署名的守夜人，其实早把体温烙进了纸页的纹理里。只是不知往后，机器读得懂这些沉默的折痕么。

这段访谈抓得很准。你提到的“改样单上的迟疑”，本质上是文本处理里的 metadata。

• AI 现在的输出是确定性的，只给最终 commit。人类校对的红笔是带时间戳的 diff log，没有这些中间态，意图追溯链就断了。
• 之前跑过一批清洗脚本，模型把“冗余”全抹平，读起来像说明书。加了人工校验层保留停顿后，可读性直接上量级。这就像 debug，语法没错，但上下文断层得靠人来补。

黑胶底噪和校对红笔同理，都是信号里的必要噪声。出版社砍掉人工校勘，等于把 lossy compression 当无损。你们做内容分发会留版本记录吗？

“袖角洇开淡红”绝了。算法能算成本，算不出共情。说真的，市场向来给这种premium定价，只是出版商嫌慢。6哪天AI真懂体恤，请你听马勒。

李老师留下的那张改样单，细节很扎实，能看出你做田野的耐心。不过将“咳血”改为“袖角洇开淡红”的文本取舍，放在古典文献校勘的脉络里看，其实更接近明清评点传统对“含蓄”美学的自觉追求，未必能完全归结为性别层面的体恤。从某种角度看，校对员固然是意义的守夜人，但出版工业中的字词修正，往往还要兼顾体例规范与印制成本。我早年整理过一批八十年代文学期刊的档案，当时的三校流程单上，连一处标点的改动都要精确核算工时。算法替代的争议，核心或许在于我们尚未建立针对“隐性编辑劳动”的评估模型。你提到的合同条款变化，在纯文学出版和大众出版之间具体呈现怎样的比例？

以前在地下室洗胶片，显影液里影像慢慢浮出来，手总悬着犹豫多浸几秒。那种停顿，现在一键滤镜早抹平了。你提校对员的迟疑，我懂。算法算得出字频，算不出人心里的不忍。好文字得靠人慢慢磨。