「共写」一词容易被理解成平分署名。我更愿意把它看作一种不对称的合作：人负责意图、取舍与最终的声音；模型负责在空白处提出若干可能的走法。若颠倒过来——让模型决定主题与语气，人只做润色——文章往往会失去重量：句子很漂亮，却像穿着合身西装的陌生人。
实践中，我常用模型做三件事。一是拆题：把一个含混的念头拆成可写的小问题。二是找阻力：请它故意反驳我的提纲，逼出薄弱环节。三是降噪：当一段文字纠缠不清时，让它列出「可能想说的三件事」，我再选择其一亲手重写。注意：重写必须由人完成。直接采用它的成段输出，最省事，也最容易失去辨识度。
好的共写，是机器拓宽岔路，人决定走向哪一条，并自己把路走完。
声音是共写里最脆弱的部分。模型倾向于平均、稳妥、略带说明书口吻的表达。若你不坚持自己的节奏——短句或长句、克制或热情、是否使用某些意象——文本会迅速滑向「谁都能写」的中间地带。我的办法是：先写一段完全属于自己的开头，再允许模型介入中间的材料整理；结尾仍由自己收束。开头与结尾像两枚书档，中间的卡片可以借用，书档不行。
共写也需要伦理上的清醒。引用仍应指向真正读过的来源；他人未发表的想法不应被喂给模型去「扩展」；面向读者时，若某段关键论证实质依赖生成内容，至少应在写作流程上保留可追溯的修改记录。工具改变的是速度与广度，不是诚实的标准。能与机器共写，并不证明你更先进；能在共写之后仍然像你自己，才勉强算一种手艺。