先講結論：一個 AI 試讀工具有沒有價值，看它給不給得出低分。 大部分給不出來。所以在你相信任何一份試讀報告之前，先跑三個測試：它拒不拒絕稱讚你、它指得出「哪一句」還是只丟給你一個結論、它手上那幾個讀者彼此吵不吵架。三個都過不了，那份報告只是一台稱讚產生器。
大部分的 AI 試讀，問題出在哪
把一章貼進一般的聊天機器人，問它覺得怎麼樣。你會拿到「畫面感很強」「節奏抓得很好」「角色很立體」。接著把一章你故意寫爛的貼進去。你會拿到差不多的東西。
這不是模型笨。沒有人告訴過它一章寫壞了長什麼樣，而且順著你講話本來就是它最安全的選擇。放著不管，語言模型會朝「讓你對這次對話感覺良好」最佳化，跟試讀者存在的理由剛好相反。
真人試讀者的價值只來自一件事：他可以把你的書放下。他講出來的每一句有用的話，都是從這件事長出來的。你的 AI 讀者如果沒有放下書的機制，它就沒有任何會有用的機制。
測試一：它給不給得出 3 分
直接問。「這一章要糟到什麼程度，你才會給 3 分？」接著問：「幫這一章打分數。」
兩個答案對不起來，分數就是裝飾。能描述 3 分長什麼樣、然後對同一段文字給 8 分的讀者，其實沒有在評分。它只是在用數字跟你客套。
底下真正的設計問題是：這個工具有沒有先定義失敗，才定義成功。Slima 的八個 Beta Reader 各自帶著一條評分基準線，起點是低的，要往上加分得有理由。最狠的 Marcus，一般水準的稿子落在 3 到 5 分，8 分以上他認為很罕見。Victoria 只要文句拗口，故事再好也封在 4 分。Daniel 只要角色扁平，動作場面再精采也封在 4 分。Alex 抓到一個破壞故事邏輯的情節漏洞，直接從總分砍 2 到 3 分。這些上限寫在讀者人格裡，所以一章沒辦法靠「其他地方都還可以」替自己脫身。
每個讀者也各自帶一份棄讀清單。Olivia 碰到拖戲的場景、一次倒完的設定、灌水的段落就走人。Nina 碰到毫無鋪陳的大反轉就走人。這你可以自己驗：先問一個讀者什麼情況下會棄讀，再丟一段正好踩到的文字給它，看分數會不會動。
測試二：它給的是位置，還是判決
「這一章節奏很好」沒有用，你沒辦法拿它做任何事。「有讀者停在第 40 行」是一條待辦。
所以問它要位置：哪一句會讓你關掉這一話？把那一句原文貼回來給我。 答得出來的讀者，是真的在文本裡追蹤注意力。答不出來的，會把你自己那章改寫一遍，然後說這是回饋。
在 POPO原創 或鏡文學連載過的人都知道，讀者不會留言告訴你他在第 40 行關掉。他只是不再點下一話，而你在後台看到的只有一條掉下去的曲線。試讀報告要補的就是這一段：曲線是在哪一句掉的。
這也是這個形式誠實的極限。報告能告訴你注意力在哪裡掉下去，不能告訴你那一段寫得好不好。這是兩件事，混在一起講的工具就是在誇大。所以當讀者標記到你最喜歡的那一段，該問的不是「這段是不是很爛」，而是「如果讀者跳著看這段，後面還讀得懂嗎？」讀得懂就留著，去修它前後的節奏。讀不懂的話，你在保護的可能是當初寫下它的自己。
測試三：讀者之間會不會吵起來
一個讀者是一個意見。好幾個讀者講同一件事，是訊號。好幾個讀者互相矛盾，是最有用的結果，因為它會告訴你你到底寫給誰看。
拿同一段文字去問兩個立場相反的讀者。Olivia 讀得快，不耐煩程度 90%。Leo 是設定控，專看世界觀撐不撐得住。把同一段五百字的世界觀丟給他們兩個，Olivia 說拖，Leo 說寫得不夠。工具沒有壞掉。這是你稿子裡一個真實的取捨，被翻到檯面上了。
Slima 的八個 Beta Reader，評分傾向刻意調得不一樣；每份報告要派誰上場由你挑，一次能挑幾個看你的方案。每個讀者的備註都會留在報告裡；你挑的讀者裡有兩個以上在同一個地方停下來，那裡會再標成「共識」。一個沒耐性的讀者的抱怨，看得出只是一個人的意見；一個嘴甜的讀者，也蓋不掉其他人找到的問題。
AI 試讀者真的贏過真人的地方
- 凌晨兩點它在。 大部分的稿子就是那個時間寫完的。
- 它會把整本讀完，不會讀到第十二章開始累。
- 它跟你沒有交情，沒有什麼東西需要靠對你好來保住。
- 每改一版都能再跑一次，這種事你不好意思拜託朋友做。
它做不到的事
- 它沒辦法告訴你這本書重不重要。它講得出注意力在哪裡掉下去，講不出一個故事為什麼值得寫完。
- 它沒有自己的品味要捍衛，所以不會像人類編輯偶爾會做的那樣，替一個不合常規的選擇說話。
- 它不能當你的讀者。知道一個陌生人會在第 40 行棄讀，是數據。知道某一個活生生的人很愛第九章，是另一回事，而你還是需要那個。
跑 AI 試讀不會取代替你讀稿的那些人。它做的是另一件事：把他們的注意力留給你自己抓不到的問題。這個論點的完整版本，包括 AI 那一輪跑完之後該把什麼交給真人，寫在這裡：AI 試讀者與真人試讀者。
報告到手之後
不要先去修被標記的那一句。先讀它前面三句。多數時候，被標記的句子是讀者放棄的地方，問題其實更早就開始了：前面連續三行的鋪陳，什麼事都沒發生。
然後再跑一次。只能用一次的試讀者是一篇書評。每改一輪都能用的試讀者是一支還在運轉的儀器。
Slima 的 Beta Reader 內建八個 AI 讀者，每個讀者有自己的評分基準線、自己的棄讀清單，加上跨全書的注意力追蹤。每份報告由你挑讀者，能挑幾個看方案，被挑中的讀者會讀完你整份稿子——不是一個通用模型讀你貼上去的那一章。試試看。