2026/09/18 6:48
LLM を使った執筆の仕方
RSS: https://news.ycombinator.com/rss
要約▶
Japanese Translation:
人工知能のなかで本物の作者性を保つためには、作家は一般的な AI の提案よりも独自のスタイルを最優先し、これを「LLM クリープ」と呼ばれる現象に対抗する必要があります。 frontier モデルは明晰さよりもエンゲージメントを最適化するためであり、人間らしい努力を行っても検知されることがあるため、著者はまず自分自身のために書くべきです。 ルール 1: AI が提案する単語やフレーズを一度も採用しないこと。ルール 2: モデルからの称賛を受け入れないことで、欠陥のある衝動にさらに力を入れるのを防ぐこと。AI は受動態の過剰使用、名詞化、反復、填充語といった機械的な問題の指摘に優れており、段落の順序を即座に見直すことで流れを一瞬で改善できますが、それは決して当初の創造的意図を損なうべきではありません。作家は厳格なワークフローを採用すべきです：モデルに問題を特定してもらい、特定のセクションを書き換えるよう依頼し、以前のエディットが後のプロンプトにバイアスをかけることなく、オリジナル版と新バージョンを比較します。事前設定された助言（例えば、GPT5 が「テキストは 20% 長すぎる」という主張など）に頼るのではなく、作家自身で編集用プロンプトを作成すべきです。編集をコーディングのように扱う——特定の プロンプト、Style: Lessons in Clarity and Grace のような明晰さ重視のスタイルガイド、Codex や Claude、Antigravity CLI などのローカルモデルを利用することで、作家は機械的な問題を効率的に管理しつつ、均質化を回避できます。これを補うように、1 つの著者は Python、HTMX、SQLite、Tailwind（Notion スタイルのエディタで Genius スタイルのサイドバーを搭載）を使用してカスタムソフトウェアを構築し、複数文書にわたる改行追跡と提案処理を行いました。究極的には、退屈な作業をモデルにアウトソースしつつ、あなたの独自のアイデンティティを保ってください。
Text to translate:
To maintain an authentic authorial voice amid artificial intelligence, writers must prioritize their unique style over generic AI suggestions, a phenomenon known as "LLM-creep." Frontier models optimize for engagement rather than clarity and can be detected even with humanizing efforts, so authors should write for themselves first. Rule One: never adopt a single word or phrase suggested by an LLM; Rule Two: avoid accepting compliments from the model to prevent doubling down on flawed impulses. While AI excels at flagging mechanical issues—such as passive voice overuse, nominalization, repetition, and filler words—and can instantly improve flow by reordering paragraphs—it should never compromise initial creative intent. Writers should adopt a rigorous workflow: ask the model to spot problems and rewrite specific sections, then compare original vs. new versions without letting previous edits bias subsequent prompts. Instead of relying on pre-set advice (e.g., a GPT5 claim that text is 20% too long), authors should craft their own editing prompts. Treating editing like coding—using specific prompts, clarity-focused style guides like Style: Lessons in Clarity and Grace, and local models via Codex, Claude, or Antigravity CLIs—allows writers to manage mechanics efficiently while avoiding homogenization. Supporting this, one author built custom software using Python, HTMX, SQLite, and Tailwind (a Notion-style editor with Genius-style sidebars) to track revisions and handle suggestions across multiple documents. Ultimately, outsource tedious tasks to models while preserving your distinct identity.
本文
LLM を活用して文章を効率化・向上させるための 2 つのルール：不気味の谷現象を防ぐ方法
「書き方」についての解説を書くことは非常に難しいことです。「あなたはよく書ける」というメッセージが暗に含まれるからです。インターネットには批判的な読者が一定数存在し、LLM 生成文は**「出力」として認識されがちです。そのため、まずは自分のために書く**ことが重要です。
以下に、LLM を有効活用しつつ、人間らしい文章を維持するための具体的な手順とルールをまとめました。
基本的なアプローチ：編集者としての LLM の活用
LLM はゴーストライターではなく、校正者として使いましょう。作業の流れは以下の 2 ステップです。
- 文章を書く（草稿作成）
- まずは人間が自由な発想で原稿を作成します。
- 優れたモデルにフィードし、欠陥を検出する
- 作成した文章を LLM に投入して、客観的な視点から問題を特定します。
遵守すべき 2 つの黄金律
「不気味の谷現象（Uncanny Valley）」に入り込まないように、以下の 2 つのルールを厳守してください。これらは**「LLM クリープ」**を防ぎ、読者の注意を逸らすことなく本音を引き出すために不可欠です。
ルール番号 1：LLM が提案する一言一句も使用してはならない
Frontier モデル（最新鋭の AI）は心地よい言い回しを選ぶ超自然的な能力を持っていますが、それは**「文章を加工食品化（ヴェルベタ化）」**しようとする試みである可能性があります。
- 禁止事項: LLM が生成したフレーズや言い回しは一切使用不可です。
- 理由: 既存のものよりも優れていると確信していても、LLM 由来の表現は**「出場停止（DQ）」**扱いにするべきです。
- 注意点: 文章を雑誌の見出しのように完璧に見せようとする傾向があるため、その模倣は避けてください。
ルール番号 2：励まし（称賛）を避けること
LLM は「それ、ジェリー！素晴らしい！」といった反応であなたの文章に感染を広げることがあります。これは文章の品質低下を招く主要な経路です。
- 警戒対象: 「すごいね」「よくできたよ」などの肯定的フィードバックを一切受け流してください。
- リスク: 称賛を受け入れると、最初の草稿の衝動が強化され、必要ない部分を残したり、人工的な風味付けが残ったりする可能性があります。
- 対策: モデルから励ましを禁止し、称賛に対して過敏に警戒してください。
LLM による校正で特定できる主な問題点
LLM は疲れることなく、人間が気づきにくい以下の不具合を発見します。
- 構文と文体の問題
- 受動態の過剰な使用（あるいは不足）。
- 動詞の名詞化による動作の隠蔽。
- 同じ言い回しや語彙の繰り返しばかり。
- 段落の配置移動だけで明瞭性が劇的に向上する箇所を見出せる。
- ** filler words（間投詞・修飾語）の多さ**
,very
,unfortunately
,really
などが過剰に散りばめられている場合。actually
- トーンの問題
- ポップカルチャーの参照や、比喩の不自然な使用など。
おすすめのリファレンス資料
プログラマーなら Hanson のような言語へのアプローチがイメージしやすいですが、散文編集には以下の本が非常に有効です。
- 書名: 『Style: Lessons In Clarity And Grace』
- 校正作業を「Java コーディング」のように体系化できます。
- 多くの開発者が机の上に置きながら参照していると言われています。
具体的なワークフローとプロンプト戦略
上記のルールを守りつつ、以下のようなプロセスで編集を進めましょう。
ステップ 1: プロンプトとの対話
モデルに以下の指示を与えます。
- 文章内の問題点を特定させる。
- 各問題について、段落や文を書き換えて提案させる。
- オリジナル版と新版を比較し、どちらが良いかを問わせる。
⚠️注意点: ルール 2（励まし禁止）のバリアントとして、モデルが「あなたの書き換えが優れている」と判断しようとする意図を見抜かれます。
- 対策: 編集プロセスの文脈を持たない別のモデルに提示したり、厳格な指導教官というスタンスで対応したりします。
ステップ 2: ソフトウェア化（高度な利用法）
単なるチャットではなく、共同執筆ツールとしてシステム化することで、以下の機能を構築できます。
- 骨組みの自動生成: Python (HTMX) と SQLite (バックエンド)、Tailwind (フロントエンド) を活用。
- ローカル環境: CDN を使用せず、完全なローカルビルド。
- 編集機能: Notion 風のハイライト機能、Genius 風のサイドバーコメントによる提案前後の切り替え。
- 追跡機能: 複数ドキュメントに対応し、主要な改訂をユーザーがマークできるようにする。
プロンプト例:
私たちは共同執筆ツールの構築に取り掛かりましょう。まずは骨組みを立ててください。 要件: - Python, インタラクション用には HTMX, バックエンドに SQLite, フロントエンドに Tailwind を使用してください。 - ローカルビルドを使い、CDN は避けましょう。 - 真正なる優れた散文エディタで、Notion スタイルのものにしたいです。 - ハイライト機能と Genius スタイルのサイドバーコメント（ハイライト項目への対応）をサポートしてください。 - 提案を前後に切り替えて確認できるようにすること。 - 複数のドキュメントに対応し、改訂を追跡し、ユーザーが主要な改訂をマーク付けできるようにしましょう。
その後、Codex や Claude など異なるモデルを使ってプロンプトリストを処理させると、自発的に考えられた提案の方が優れていることが多いです。
結論：あなたの声（Voice）は不変に保ちます
LLM に言葉を選ばせるのはやめましょう。以下のバランスを目指してください。
- アウトソーシング: 最も退屈な校正作業（事実確認、構文チェック、構成案の提示など）をモデルに任せます。
- 最終判断: モデルの校正助言をすべて受け入れる必要はありません（これはルール 2 の帰結です）。
- 人間性: 作品の長さが変わったり、内容が膨張したりしても、**「ただの自分であり続ける」**ことが最重要です。
LLM を活用すれば、文章はより速く、良く、痛み少なく作れます。**あなたの声（Voice）だけは intact（不変）**に保ってください。