一篇题为《Seven books I keep close because I love them》的私人书单，没有评选“必读经典”，也不谈知识管理。作者只是列出七本愿意放在手边的书，因为喜欢，因为常翻。
其中最有意思的细节，是一本 Roget 词典。
作者手里有更厚的第八版，却把它放回书架，留下熟悉的第七版。新版通常意味着收词更多、更新更勤；但一本工具书是否好用，还取决于人能不能在里面找到自己的思考路径。
这件小事，正好撞上今天的 AI 写作习惯：软件越来越擅长替人换词，人却越来越少停下来想，自己为什么要换这个词。
Roget 词典提供的不是同义词按钮
Roget's Thesaurus 常被笼统地译成“同义词词典”，其实它的传统结构更接近一张概念地图。
彼得·马克·罗杰特在 1852 年出版初版时，没有简单按字母排列词语，而是按观念和意义分类。读者从一个概念进入，沿着相邻的语义分支寻找更准确的表达。
差别很实际。
你想写“愤怒”，普通同义词功能会给出一串近义词；Roget 式检索则会逼你继续分辨：这是短暂的恼火、压抑的不满、公开的敌意，还是带有道德判断的愤慨？
词语由此变成一道思考题。
作者偏爱旧版，也未必意味着第七版在客观上胜过第八版。更合理的理解是，他已经熟悉那套分类、页码和翻阅节奏。工具一旦进入身体记忆，新增几百页内容，未必抵得过原来的顺手。
| 工具 | 用户从哪里开始 | 工具替你做什么 | 容易付出的代价 |
|---|---|---|---|
| Roget 式词典 | 一个模糊概念 | 展示相邻语义和表达方向 | 检索较慢，旧版用法可能过时 |
| Word 等软件的同义词功能 | 一个已经写下的词 | 提供局部替换项 | 句子更换了外观，意思未必更准 |
| ChatGPT、Claude 等生成式 AI | 一段文字或一条指令 | 重写措辞、句式和语气 | 语义偏移不易察觉，个人声音可能被磨平 |
三类工具没有高下之分，处理的任务却不一样。
词典帮助人展开选择，传统编辑软件缩短查找时间，生成式 AI 可以一次处理整段文字。问题出在使用顺序：如果作者尚未辨明意图，就让模型“润色得更专业”，模型只能根据常见表达替他猜。
猜得通顺，不等于猜得准确。
AI 写作真正省掉的，常常是犹豫
AI 当然不只会机械换词。给出足够清楚的要求后，它可以比较词义、解释语气差异，也能指出搭配问题。处理邮件、产品说明和格式统一时，这种效率很实在。
反方意见也成立：旧版词典可能保留过时表达，分类体系也难免带着编纂年代的文化视角。遇到当代口语、行业术语或具体语境，语料库、最新版词典和 AI 往往更灵活。
所以，我不赞成把旧词典供起来，再把 AI 说成写作的敌人。那只是另一种恋旧。
我更在意工具怎样分配判断权。
一本分类词典不会替你完成句子。它把可能性摊开，等你决定。生成式 AI 的默认界面则倾向于直接交付一段完整文本。前者的摩擦较大，却保留了选择过程；后者看起来省事，也更容易让使用者在不知不觉中接受模型的平均答案。
“工欲善其事，必先利其器。”但古人没有说，器可以替人决定要做什么。
这对两类人最直接。
普通写作者会越来越容易得到一段“没有错”的文字，却更难发现其中哪句话并非自己的意思。尤其是求职信、投诉、道歉和公开声明，语气本身就是立场。模型把尖锐改成圆滑，把迟疑改成肯定，改动的已经不是文风。
编辑和内容团队则会遇到另一个问题：稿件表面更整齐，作者之间却越来越像。短期省下修改时间，长期可能损失栏目辨识度。团队若只检查错字和通顺，很容易放过那些没有事实错误、却丢了人物性格的句子。
更稳妥的用法，是让 AI 展示选择，不要急着代写最终答案：
- 先要求它指出原句的核心意图和可能歧义，再谈改写。
- 让它提供少量候选词，并解释语气、搭配和隐含立场的差别。
- 修改后对照原文，检查事实、程度和责任主体有没有变化。
- 技术文档与产品说明优先保持术语一致，不要为了“避免重复”随意换词。
这些动作会牺牲一点速度，却能把决定权留在人手里。
下一步要看 AI 是否愿意把选择过程还给用户
AI 写作产品仍在追求更完整、更自然的直接输出。这符合商业逻辑：用户更容易为“替我写完”付费，而不是为“陪我慢慢挑词”付费。
可真正成熟的写作工具，应该允许用户看到修改依据、语义差异和版本对照。它可以告诉你为什么换词，也应允许你只接受其中一处，而不是用一段光滑的新文本盖掉原稿。
这里有一点早期文字处理软件的历史回声。拼写检查普及后，错别字少了；它并没有自动带来更好的文章。今天的生成式 AI 把纠错推进到整段改写，能力强了很多，老问题仍在：软件可以降低表达门槛，却不能替作者承担表达后果。
这也是那本旧版 Roget 词典仍有价值的原因。
它未必更全，也未必更快。它只是保留了一段今天越来越稀缺的过程：从模糊感觉出发，经过比较和犹豫，最后选定一个自己愿意负责的词。