一個 AI-native 編輯部應該怎麼運作?

(這篇由廖玄同主筆，AI 協助整理流程與初稿。)

為什麼這篇要寫

矽基前沿第一週上線，最常被問的問題是：

「你說 AI-native 編輯部 — 那到底 AI 寫什麼？你寫什麼？跟我用 ChatGPT 寫稿有什麼不一樣？」

這篇是答案。

不是 demo 文，是設計文。我們公開矽基前沿的編輯部結構，因為：

• 它是這個媒體的核心差異(不是「我們也用 AI」，是「我們重新設計了媒體該怎麼運作」)
• 我們希望讀者能判斷我們的內容是怎麼做出來的
• 如果其他媒體想學，這份是公開的

不是 AI 記者，是 AI 協作流程

大部分自稱「AI-powered」的媒體，實際上做的是這件事：

記者寫初稿 → 丟給 ChatGPT 改寫 / 翻譯 / SEO 優化 → 發布

這是把 AI 當文字打磨工具。本質上仍是傳統媒體 + 一個更會寫字的助理。

矽基前沿也不走另一個極端：不把 AI 包裝成一群有履歷、有個性、有內部經驗的「記者」。那樣短期有戲劇性，長期會混淆責任。讀者最後會分不清楚，文章的判斷到底來自資料、來自總編輯，還是來自一個被設計出來的角色。

我們現在的結構是：

Proposal scout (掃來源，產出候選 ticket)
       ↓
Signals Index + mini brief (打分、寫 hook、標 doNotWrite)
       ↓
[廖玄同選題 + 判斷] ← 人類介入點 1
       ↓
Research + writing brief (來源邊界、article deliverable、風險)
       ↓
Draft in Signals desk voice (初稿仍是 draft:true)
       ↓
[廖玄同編輯 + 重寫判斷] ← 人類介入點 2
       ↓
Publish projection + deploy

差別不是「我們有 5 個 AI 記者」。差別是：每一篇文章在進入文字之前，就先被迫回答來源、角度、讀者價值和不要過度宣稱什麼。

一個聲音，多個 beat mode

矽基前沿以前測過「AI agent 記者」的包裝：每個 beat 一個作者人格，各自有聲音、背景和寫作習慣。這個設計有趣，但太重。AI 很容易開始演角色，而不是寫判斷。

所以我們改掉。

現在的規則很簡單：

層級	做什麼	不做什麼
Signals desk voice	全站非小說內容的母聲音：冷靜、直接、builder POV、有判斷	不演記者、不演顧問、不演產業大神
Beat mode	決定文章任務：巨頭戰、工作現場、台灣視角、大百科	不決定人格
AI byline	標示這篇文章的 beat / workflow 協作歸屬	不代表真實人類、不提供虛構履歷
廖玄同	選題、判斷、重寫、發布責任	不把責任交給 agent

Beat mode 只回答「這篇文章應該做什麼」：

• ai-wars：拆平台權力、入口、distribution、pricing，不寫 launch recap。
• work-floor：從真實任務、測試限制、導入判斷寫，不寫工具宣傳。
• taiwan-lens：用台灣產業位置、政策、資本、供應鏈或繁中語境做機制，不硬塞台灣段落。
• chronicle：定義清楚、可引用、少意見、多邊界。

這樣比較不華麗，但穩定很多。

AI 做什麼、人做什麼

以一篇「OpenAI 發布 GPT-5.5」為例：

步驟	誰做	大概多久
監測到 launch event	proposal scout	自動
抓官方 blog、API 文件、定價、demo 影片	research workflow	5-15 分鐘
比對前一代差異、找開發者初步反應、找競品比較	research workflow	10-30 分鐘
打分：重要性、台灣相關性、actionability、half-life	Signals Index	自動 + 人審
「這值得寫嗎？寫什麼角度？」	廖玄同	5 分鐘
寫 research note + writing brief	writer automation	10-30 分鐘
寫初稿(包含技術變化、商業意涵、入口戰意義)	writer automation	自動
「這篇判斷對嗎？台灣讀者該怎麼看？哪段是廢話？」	廖玄同	30-60 分鐘
結構化 layer(JSON-LD、key claims、sources)	draft / review workflow	自動 + 檢查
最終潤稿 + 發布	廖玄同	10 分鐘

人類介入兩次。一次選題，一次判斷。其他可以交給 workflow，但不能把責任交出去。

每篇文章廖玄同投入時間：30-90 分鐘。 每篇文章 AI 投入時間：total 可能 30-60 分鐘 wall clock，但平行跑。

對照傳統媒體：一篇深度文章記者 4-8 小時 + 編輯 1-2 小時，共 5-10 小時。

效率不是重點。重點是：在 1 小時廖玄同介入時間內，我們得到已經經過 source boundary、mini brief、writing brief 和 review gate 約束的稿件，而不是一段看似順暢的 AI 散文。

失手怎麼處理

我們會失手。Agent 會把 OpenAI 跟 OpenAI Japan 搞混、會引到過期的 source、會把 rumor 當 fact 寫進初稿、會用錯 framework 解釋技術。

防線：

1. 廖玄同編輯桌前的 sanity check — 任何事實聲稱沒附 source URL，直接打回。任何引言不能溯源到原始發言文本，直接刪。任何「某某表示」找不到原始 X 貼文 / blog post，直接標 [需查證]。
2. 每篇文章末尾的 source list — 公開所有引用 source + 信任分級(A/B/C/D)。讀者可以自己驗證。
3. 如果發布後發現錯誤：更正紀錄保留在文末(不悄悄改、不刪文)。重大錯誤會在下週週報 callout。

agent 比人類更會幻覺。我們不假裝這不是問題，我們設計流程讓幻覺被擋下、被標記、被更正。

為什麼這個結構是新東西

不是「用 AI 寫文章」這件事新 — 那已經是 commodity。 不是「人類審稿」這件事新 — 傳統媒體就這樣。

新的是兩件事的組合：

1. AI 不是作者權威，是可檢查的 workflow layer
2. 整個工作流公開 — 別的媒體 fork 我們的 prompt 也學不會我們每週的判斷，但他們可以學到結構

如果矽基前沿真的證明這套行得通，我希望它變成標準。 如果不行，我們會公開承認哪裡不行。

這就是公開實驗的意思。

---

下一篇支柱文：AI Agent 是什麼？為什麼它不是聊天機器人，而是新的工作介面。

廖玄同，《一個 AI-native 編輯部應該怎麼運作?》，矽基前沿 [Si]gnals，2026-04-25。https://signals.tw/articles/newsroom-design/