作者：周白｜OC 产品体验编辑

据 TechCrunch 报道，Substack 集成 AI 写作检测工具 Pangram，用户可以扫描帖子、评论和回复，查看内容中人类写作和 AI 生成的估计比例。Substack 也允许作者添加可选的 AI 使用说明。

一句话结论：Substack 没有禁止 AI 写作，而是把“这篇东西怎么做出来的”变成读者可以追问的一部分。

这件事微妙的地方在于，Substack 的商业模式很依赖作者信任。读者付费订阅，不只是为了信息，也是为了某个人的判断、品味、经历和写作方式。如果大量通讯其实由 AI 拼出来，却没有说明，平台短期可能多一点内容，长期会伤害信任。

TechCrunch 引述 Substack CEO Chris Best 的意思，大致是软件可以帮作者做很多事，但“值得阅读、值得关心、值得分享的想法”仍然应该来自人。这句话其实说到了内容平台面对 AI 时最难的边界：AI 可以润色、翻译、整理、生成草稿，但作者到底有没有承担判断责任？

周白认为，AI 检测工具本身并不完美，也不应该被当成裁判锤。误判一定会发生，尤其是短文本、非母语写作、经过重度编辑的文本。但“检测是否完美”和“是否应该透明”是两件事。平台可以不惩罚 AI 辅助，却要求作者说明自己的制作流程。

对 OC 来说，这条新闻也提醒我们自己：AI 可以参与资料整理、图片生成、结构检查，但最终文章必须有明确编辑判断，必须把事实、引用和观点分清楚。否则读者读到的不是报道，而是一层看起来像报道的自动摘要。

Substack 这一步不一定能解决 AI slop，但它把问题从“抓不抓 AI”推进到“作者是否愿意说明自己的工作方式”。这比单纯封禁更现实。

读者也要调整预期。AI 参与并不自动等于低质量，完全人工也不自动等于可信。真正该看的是：有没有原创观察，有没有事实来源，有没有承担观点，有没有在不确定时说清楚不确定。AI 检测只能提示制作痕迹，不能替代内容判断。

这对平台设计提出了更细的要求。最差的做法是给每篇文章贴一个简单的“AI / 非 AI”标签，好像机器一判就能决定价值。更好的做法是让作者说明 AI 用在了哪里：查资料、翻译、改语法、生成图片、整理采访，还是直接生成正文。透明度越具体，读者越容易建立合理信任。

关键事实

• 来源：TechCrunch
• 涉及公司：Substack、Pangram
• 核心功能：AI 写作检测、作者 AI 使用说明、帖子/评论/回复扫描
• 关键限制：检测结果是估计，不应被视作绝对判断

OC 判断

内容平台的重点不该是禁止 AI，而是重建责任链。读者有权知道内容是如何产生的，作者也应该为最终判断负责。

为什么重要

• 对开发者：AI 检测产品需要明确误差和申诉机制。
• 对企业：内容平台会越来越重视生成内容标注和可信度设计。
• 对用户：以后判断一篇文章，不只看写得像不像人，还要看作者是否承担判断。

参考来源

• TechCrunch: Substack’s new tool tells you who’s been writing their newsletters with AI