一款公开把“禁止 AI 生成内容”写进定位的短视频应用在 8 月 20 日向所有人开放了。Divine 采用 6 秒循环视频形式官方希望减少所谓的“AI slop”。其 FAQ 显示平台结合 ProofMode、机器学习、用户举报和人工审核判断内容来源同时承认检测并不完美。这件事对做 AI 工具的人并不只是负面新闻。它提出了一个很具体的系统问题AI 应该参与内容生产的哪一层1. 把“AI 内容”拆成来源层、表达层和执行层讨论 AI 创作时经常把三个层面混在一起来源层事实、经历、案例从哪里来 表达层观点、叙事、审美由谁决定 执行层资料整理、改版、排版、预填由谁完成风险最大的不是执行层使用 AI而是来源层和表达层被伪造。例如Agent 把采访录音整理成逐字稿再根据人工确定的主题生成结构建议这仍然有清晰来源。相反如果系统生成不存在的“亲测三个月”经历即使最终由人点击发布作者责任也已经断裂。因此比“AI 参与比例”更可操作的判断是原始材料是否可追溯核心判断是否由作者确认公开内容是否有责任主体自动化动作是否可回读、可撤销。2. 一套台前/幕后的任务边界创作系统可以按剧场分成两层。台前身份与责任层这部分不应由系统自动伪造第一人称经历核心观点和价值判断可能影响他人的案例取舍面向读者的重要互动最终发布与纠错责任。幕后可验收执行层这部分更适合 Agent从官方来源收集资料并保存链接从历史内容中检索重复选题按平台重组标题、结构和段落生成配图、字幕与排版草案检查字段、标签、封面和作品声明预填后台并等待关键动作确认。这里的关键词不是“简单”而是可验证。系统需要能回答用了哪些来源、改了哪些内容、页面填到了什么状态、失败时停在哪里。3. 给内容流水线加一张不可伪造清单可以把禁区做成明确规则而不是每次靠 Prompt 提醒never_fabricate:-first_person_experience-customer_case-source_data-personal_emotion-medical_legal_financial_conclusionrequire_human_approval:-final_claim-public_publish-sensitive_reply-payment_or_deletionautomatable:-source_collection-cross_platform_rewrite-image_draft-formatting-prefill-result_readback这张清单应该和 Skill、内容模板、品牌资料一起版本化。否则 Agent 换了模型、换了会话边界就可能重新漂移。4. 不要把“一稿群发”误认为效率批量复制虽然快却会同时损失两种东西平台适配和作者辨识度。CSDN 读者需要流程与技术解释掘金读者关心机制和边界头条读者首先想知道这件事和自己有什么关系。把同一份稿件原样发到三个平台既不像真人理解平台也很容易留下稳定的模板痕迹。更合理的自动化单位不是“生成一篇文章”而是一个真实母题 - 核验来源 - 人确认核心判断 - 分平台重写 - 生成与观点相关的视觉 - 预填和回读 - 人确认关键提交5. 为什么岗位化 Agent 更适合这个边界这也是我们在 Tipkay 里采用岗位化助手的原因。博客发布、视频制作、内容运营分别拥有自己的流程、工具、品牌资料和检查项它们更像幕后工种而不是替用户扮演统一人格。岗位化并不能自动保证内容真实但它更容易限制权限和职责。资料助手不负责发布发布助手不编造经历视频岗位不代替老板做敏感判断。关键动作由人确认结果还要从页面或作品管理中回读。6. 这条边界的局限Divine 的策略也有现实难题检测可能误判生成内容可能绕过识别完全排除 AI 也不必然带来高质量内容。因此不能从一个产品定位推导出“所有平台都会禁 AI”。但对创作者工具来说它提供了一个值得接受的压力测试如果去掉那些批量生成的人格和经历AI 还能不能真正减少工作能。前提是把 AI 放到幕后让它负责来源、版本、格式、检查和搬运让作者留在台前对观点和结果负责。官方资料https://about.divine.video/blog/divine-app-opens-to-public-and-announces-first-brand-collaboration/https://about.divine.video/faqs/