点开一篇 Substack 文章，点右上角三个点，选“Scan for AI text”，几秒后跳出一个百分比——这段文字有多少可能是 AI 写的。这不是哪个第三方插件，是 Substack 自己这周刚上线的功能。

读者第一次能在平台内部，给任何一篇超过 100 词的文章、Note、回复或评论“验货”。这背后的问题不复杂：当你读到动情之处，才发现对面根本没有人，这笔账该算给谁？

发生了什么：这个百分比怎么来的

这套检测由 AI 检测公司 Pangram 提供技术支持。网页版和 iOS 已经上线，安卓版本 Substack 只说“即将推出”，没给具体时间。

覆盖范围是文章正文、Notes、回复和评论。但只测超过 100 词的内容，太短的段子和寒暄测不了。给出的结果是一个比例估算，不是“是/否”的确定判断。

谁能做什么限制
读者三点菜单选“Scan for AI text”，查看AI占比估算仅限100词以上内容；结果非确定性裁决
作者提前扫描草稿；撰写“How I make this”声明；对误判结果提交反馈Pangram不判断人力投入或内容质量

“How I make this”是配套功能：作者可以在文章旁写一段话，主动交代哪部分是 AI 辅助、哪部分是自己写的。

为什么重要：测得出 AI，测不出敷衍

Substack 联合创始人兼 CEO Chris Best 把问题定义得很直接：核心矛盾不是“有没有人用 AI”，是读者的预期和现实对不上——你以为在读一个人的思考，投入了时间和情绪，对面却是流水线产物。他给这现象起了个名字，叫“Claudefishing”。

《论语》讲“听其言而观其行”。这套工具目前能做的，只是“听其言”——判断文本特征像不像 AI，判断不了作者到底“行”得怎样。

Best 自己在博文里也划了条线：Pangram 判断不了有没有投入真实的人力，也判断不了 AI 是不是只被当资料检索工具用。一篇认真调研后用 AI 打磨语言的文章，和一篇纯甩给 AI 攒字数的文章，检测报告里的比例可能相差不大。这把尺子量得出“用没用”，量不出“用心没用心”。

谁会被量到，接下来该看什么

批量产出 AI 水文的账号，从 Pangram 的定位看更容易被标记出来——这类文本的 AI 特征通常更明显。但 Substack 没有公布准确率或误报率，这只能算合理推测，不是确定结论。

真正需要留意的，是认真用 AI 辅助写作、表达习惯本来就偏工整的作者。他们可能被同一个数字误伤，现在能用的应对方式，是提前自查草稿、主动写“How I make this”声明。

低成本水文冲进来，认真写作的人被一起拖进同一个信任洼地——内容平台这些年一直在经历这个老问题。Substack 想在洼地形成前先架一道坝，方向没错。

接下来还有几件事没有答案：

  • Pangram 的误报率会不会公开
  • 反馈通道是不是等于正式申诉，有没有人工复核
  • 被标高 AI 比例的文章，会不会影响推荐和曝光
  • 安卓版真正上线是什么时候

这些问题不解决，读者拿到的这个百分比，更像一个参考，还谈不上认证。透明度能止血，但止不了血源。这道坝架得住水文，架不住被误伤的认真人。