本文涵盖的内容
刺眼的到底是什么 — 四类是不同的问题
信任被削的机制 — 读者在估成本
这个推断合理吗
研究说了什么，没说什么
正文是AI与图是AI，不是同一件事
AI图正当的位置
决定加不加图的顺序
标注与来源 — 目前能确认的部分
著作权 — 有多少算是你的
搜索引擎和平台实际在看什么
这场讨论在韩国怎么推进
未能确认的部分
引言：还没开始读，判断已经下完了
打开一篇文章时，眼睛做的第一件事不是读，是扫。看标题，量一下首段有多长，再看一张图。如果那张图是紫光下悬浮的半透明大脑，或者电路纹路从人脸旁边流过的那个构图，手指会停一下。停的不是阅读，而是判断开始了。
把这种反应归到「讨厌AI的人的口味」，就什么可用的东西都不剩了。实际发生的不是口味而是推断。读者从那张图里读出作者在这一页上花了多少。图看上去很便宜，那看不见的其余部分大概也很便宜。这不是美学，是成本估算。
先把判断写在前面。刺眼有四类，其中只有一类是真正的事实错误。其余三类属于印象。不把这两者分开，要么得出「AI图别用」这种没用的结论，要么反过来「反正是口味，不必在意」。两个都错。
本文把这四类拆开摆好，说明信任被削的结构，标出生成图正当落脚的位置，并给出决定加不加图的顺序。哪个工具做得好，另在AI图像生成器比较里讲；模型开放的走向，另在开放权重图像模型那篇里讲。这里谈的不是怎么做，而是要不要贴。
1. 刺眼的到底是什么 — 四类是不同的问题
「AI图看着刺眼」这句话里混着性质完全不同的四样东西。混在一起，应对也就跟着含糊。
1.1 与正文无关的装饰
最常见。一篇讲数据库索引调优的文章，开头是一个西装人物站在机柜前触摸全息投影。那张图与正文任何一句都对不上。读者获得的信息是零，滚动条却长了一屏。
这里的损失有两层。一层是直接的：注意力花掉了，什么也没换回来。另一层是关于填这个位置的人的标准。宁可随便填也不肯空着，这个选择本身就把编辑标准说出来了。图库照片时代也有同样的问题，但规模不同，因为挑图要花时间，这道摩擦天然筛掉了一部分。生成把摩擦抹平了。
1.2 同一风格反复出现
在一个站点内部就已经均质，换几个站点更均质。同一时期的同一模型，在光照、饱和度和构图上有指纹一样的习惯。青绿与品红交叠的那种渐变，过分光滑的皮肤质感，向后柔柔散开的背景。
结果是图不再是「这一篇独有的」，而成了「哪儿都见过的」。视觉元素的价值来自把这一页区分出来，这个功能一消失，价值不是归零而是变负，因为它额外传递了一条信息：这人也跑了那条流水线。英语里用AI slop指这类产出的堆积，之所以固定下来，与其说是单张的质量，不如说是这种雷同。
1.3 看起来承载事实的图表
四类里唯一不属于口味的就是这个。看着像柱状图的画，有坐标轴和图例的图表形状，用箭头连起来的架构图。生成模型不是算出来再画的，它按学到的样子复现图表的外观，于是柱高和刻度对不上，图例上的字是像字母的形状而不是词，箭头爱插哪儿插哪儿。
这不是印象问题，而是把错的数值摆给读者看。而且这一类错误与另外三类不同，它会传染。读者一旦发现画里的数字前后对不上，第一反应就是怀疑正文里的数字是不是也这么造出来的。这是一张图蔓延成对整篇文章事实性判决的唯一通道。
补一句：图里的文字不只是人读不出来。对机器来说它也不是文本，是像素。这个性质在成本核算上怎么起作用，另在把代码转成图片的Token成本那篇里拆过。
1.4 典型崩坏 — 手、文字、物理
六根手指，招牌上糊掉的字，眼镜腿穿过耳朵，影子落在光源的反方向。这一类的特点是判定即时且确定。前三类停留在「这是不是AI」的怀疑上，崩坏把怀疑变成确认。
模型变好之后频率降了，但问题没解决。崩坏腾出来的位置被1.2的雷同填上了，于是确定的判定换成了模糊的既视感。从读者一侧看，「画错了的图」变成了「见过的图」。
刺眼的类型读者实际读到的性质应对
无关装饰这个位置是随便填的印象 · 编辑标准把图去掉
同风格反复这不是本页独有的印象 · 识别失效固定风格或降低频率
图表型生成物数字对不上事实错误禁止生成 · 自己画
典型崩坏这肯定是生成的印象 · 确定判定人工终审
表里只有第三行性质不同。其余可以在编辑口味的幅度内调，而图表不是调整对象，是禁止对象。光守住这一行，最贵的事故就挡掉了。
2. 信任被削的机制 — 读者在估成本
读者看图进而怀疑正文，走的是推断而不是情绪。拆开是这样。
读者无法直接验证正文的准确度。要验证就得读，而读不读正是此刻要决定的事
于是去找验证成本低的信号：一眼能看到，判定不需要知识
图恰好满足这些条件，判定在零点三秒内完成
如果图上花的功夫看着少，就推断同一个人在同一页上花的其他功夫也少
用这个推断决定读还是不读
关键在第四步。读者判定的不是图的质量而是边际成本。自己拍的照片要带着相机出门才有。手画的图前面有「画什么」的思考。就算是挑得好的图库照片，也要花挑选的时间。生成图三样都不要求。所以它被当作「这个人只要有便宜的路就会走」这一假设的证据。
把这场讨论重新推起来的那篇文章，戳的正是这一点。Nelson Figueroa在2024年10月1日写、2026年2月18日修订的AI生成图让我不想读你的博客写道，博客里有AI图会让他怀疑正文是不是也有一部分是AI写的。他说企业博客上碰到还算意料之中，在独立博客上遇到感觉就不一样，甚至说宁可看画得笨拙的图。
先把这篇文章的性质讲清楚。它是个人随笔。没有实验，没有样本，没有数字。它记录的是一个人的反应，作者本人也是这么写的。它被广泛引用不是因为有证据，而是因为这种反应被广泛共享。所以「读者实际上怎么反应」得到这篇文章之外去看。第4节就是那个位置。
3. 这个推断合理吗
对「图上没下功夫，正文大概也一样」这个推断给个判断。部分合理，精确度低。两半都成立，只讲一半就会讲错。
3.1 合理的那一面
是同一个人的同一页。编辑标准通常以人为单位保持一致。在一处凑合的人，很少在另一处特别较真
摩擦消失的地方最暴露标准。把难事做好是能力问题；怎么处理容易的事是标准问题。随便填一个空位，正属于后者
图表错误确实与正文错误相关。连画里的数字都没核过的人，只核了正文数字的概率并不高
成本近乎为零的信号本来就会被大量使用。而带着大量使用信号的文章，统计上更可能是批量产物。读者的先验并没有错
3.2 失灵的那一面
分不清没钱和没诚意。请不起插画师、于是用生成图代替付费图库的个人，也被同一张网捞走
正文很好时同样会被误伤。写了几个月的技术文档，开头随手贴的一张装饰就定了它的第一印象。有相关，没有因果
标准一直在动。三年前会被判为崩坏的图现在过得去，如今看着「一眼AI」的风格两年后会换成别的。读者手里的尺子本身有保质期
与已经成为标准的领域冲突。抠背景、扩图、降噪早就是内嵌生成模型的功能，没人拿这个说事。「有没有掺生成」早已不是能用二分法问的问题
归纳起来：读者的推断是一个召回高、精确度低的过滤器。它能把敷衍的东西捞得很准，也会连无辜的一起捞上来。而这正是实务的岔路口。说服读者关掉这个过滤器是做不到的。能做的只有改变贴图的方式，让它不触发。
4. 研究说了什么，没说什么
方向在这里转弯。「用AI图会降低可信度」这个命题并不像看上去那么硬。结果反而随条件翻转。
发表在科学传播学刊Science Communication上的Familiarity Matters(Eom、Middleton、Luo、Li、Brossard，2025)做了一项在线调查实验，把742名美国成年人随机分组，让他们看关于CRISPR基因编辑的Instagram帖子，考察标明AI参与的标注会如何改变信息的可信度。
结果分两层。第一，无论信息框架如何，AI标注本身没有显著影响可信度。第二，方向按参与者对AI的熟悉程度分裂了。对AI较熟悉的一侧把带AI标注的帖子评得更可信，不熟悉的一侧评得更低。
换成实务语言：标注不是中性装置，而是符号随受众翻转的装置。对技术读者，标注读作诚实；对一般读者，读作警告标签。同一句话，反向起作用。
相近的脉络在别处也出现。AI & SOCIETY上的当代受众对AI驱动新闻的认知研究报告说，对AI生成新闻的信任总体接近中性，并随年龄等人口特征明显分化，年轻受访者、以及在透明度和可读性得到保障时接受度更高。预印本方面，有关于AI使用披露的详细程度如何影响读者信任的研究正面追问「披露越细信任就越高吗」，也有关于阅读AI生成新闻意愿的研究主张这种意愿并非仅由感知质量驱动。
4.1 把这些研究套到本主题上的落差
老实说，上述研究与「在博客上贴生成图」这个问题之间隔着三格。
实验材料大多是新闻与科学信息，与个人博客的编辑判断语境不同
被操纵的变量大多是标注，而不是图的有无或风格
测的是可信度评分，不是跳出率、停留时间这类行为指标
所以本文没有「用AI图会让跳出率上升百分之几」这类数字。流传的数字多半是个别站点的事后观察，或者出处已经蒸发的引用。本文拿出来代替数字的是机制，机制在实务里管用得更久。
5. 正文是AI与图是AI，不是同一件事
两者不是同一个问题。读者的反应速度、判定方式、实际危害都不同。
维度图是生成的正文是生成的
判定耗时零点三秒 · 扫一眼就够几分钟 · 得读才知道
判定所需能力没有 · 数手指即可主题知识 · 文体语感
确信程度有崩坏就确定几乎总是旁证
模型指纹风格均质，很显眼提示词能大幅冲淡
实际危害通常没有(只是装饰)错误事实会留下
读者反应即时 · 情绪化延后 · 事后
标注惯例平台标签开始出现基本没有
这张表里最怪的一行是实际危害。真正造成损害的是正文，而读者先反应、反应更强烈的是图。这个错位几乎就是这个主题的全部。
错位的成因前面已经讲过。读者看容易判定的，推断不容易判定的。图被当成正文的替代指标。所以「图而已，有什么关系」只对一半。图本身的危害确实小，但它提前替正文下了判决。
界面上一处细小的不一致如何蔓延成对整个产品的信任判断，这在界面一侧先被整理过。为什么UI质量决定用户信任里的逻辑几乎可以原样搬过来。当必须对无法验证的东西下判断时，人会抓住最近的那个可验证的东西。
6. AI图正当的位置
如果落到「所以别用」，这篇文章就写错了。把另一面写清楚：确实存在生成图优于其他选项的位置。
6.1 概念插图
要画的东西拍不出来的时候。缓存层级，分布式共识，免疫反应之类。这个位置原来放的要么是手绘的比喻，要么是毫不相干的图库照片。生成图明显好过后者，通常不如前者。对不会画画的人来说，这是实实在在的抬升。
6.2 抽象背景与分隔
分类卡片的底图、列表页的缩略图、长文的章节分隔。目的不是传递信息而是制造视觉节奏的位置。这里「这是不是生成的」本来就不是要紧的问题，换成几何图形和渐变一样能用。
6.3 替代图库照片
付费图库本来问题就不少。同一个模特出现在成千上万个站点上，人物的肖像权与使用范围每次都要确认，授权条件一更新还会追溯出问题。生成图把这些问题换成了另一些问题。训练数据来源的顾虑顶上来了，但擅自使用真实人物面孔的风险确实下降。判断随情况而变，但「图库安全、生成危险」这种简单构图并不成立。
6.4 草稿与构图探索
把输出当作中间产物而不是成品的场合。给设计师定方向、快速比较几种构图、拿来当排版占位图。这类用法不会呈现给读者，因此在本文讨论之外。它也恰好是价值最实的用法。
一句话的分界线 — 这张图是在做主张，还是在营造气氛？做主张(数值、结构、证据)就不是生成的对象。营造气氛(比喻、背景、节奏)就可以生成。这一句能解释上面四项的全部。
7. 决定加不加图的顺序
实务里常错的是顺序。从「要不要生成一张图」问起，等于带着已定的答案入场。该先问的是这个位置需不需要图。
写一行字，说明没有图读者会做不成什么。写不出来，那个位置就不需要图。绝大多数候选在这里被筛掉
把角色锁定为一个。证据、数据、概念、氛围中的一个。如果是两个，就该拆成两张
证据和数据排除在生成之外。要展示界面就截真实界面，要展示数值就画图表。没有例外
概念和氛围是生成成立的区间。只在这里打开工具
生成了就让人看一遍。手、文字、影子方向，以及有没有与正文矛盾的元素
同一风格连出三次就撤掉一张。重复本身就制造了前面说的那个信号
决定要不要在图注里写明是生成的。第4节那条「符号随受众翻转」的结论挂在这里
把决定记下来。什么位置放了什么、为什么放，留有记录，标准以后才不会漂
7.1 不放反而更好的情况
具体写出来。下面这些位置，去掉图几乎总是更好。
开头那张没有意义的大图 — 整整吃掉第一屏，把正文往下推。标题已经在做这件事
每个h2配一张插图 — 配得这么规整，本身就是「在填位置」的信号
带文字的图表型生成物 — 按1.3所述，会变成事实错误
用生成肖像代替人物照片 — 人脸是读者判定最敏锐的对象，一旦被识破损失很大
已经用表格或列表讲清楚的内容再配一张图 — 同样的信息给两遍，在搜索和无障碍两边都吃亏
模仿品牌、标识、产品外观的生成物 — 与实物不符就是错误信息
7.2 替代手段比想象的多
去掉图的位置不一定非要用另一张图补上。
表格 — 这也是本文有好几张表的原因。比较用表比用图快
代码块与真实输出 — 技术文章里最诚实的视觉元素
真实界面截图 — 生成物唯一模仿不了的就是它
自己画的示意图 — 矢量编辑器或图表语法都行。不必好看，准确就够
引用块与提示框 — 只需要视觉节奏的位置，这些就够了
留白 — 不填也是一种选择
8. 标注与来源 — 目前能确认的部分
「标明是生成图不就行了」这个答案没错，但每种标明方式漏的地方不同。分三层。
手段工作方式强在哪断在哪
C2PA内容凭证把带签名的生成与编辑履历写进文件抗伪造 · 可验证元数据被剥掉就什么都不剩
平台自动标签平台看上传内容加标注读者不用找就能看到依赖凭证时继承上面的弱点
不可见水印把信号嵌进像素相对能扛住重新编码各模型各工具不一 · 互验困难
图注里的一行人写一句话任何流水线都剥不掉作者不写就没有
8.1 凭证为什么会断
C2PA是把「谁用什么工具做的、怎么改的」以带签名的履历附在图像文件上的标准。已有在拍摄瞬间就签名的相机产品，编辑工具会把编辑记录续接上去，部分平台会读取上传文件的凭证并展示。单看设计，它很接近来源问题的正解。
实际卡住的地方是元数据能不能活下来。在上传、缩放、重新编码的过程中把附加信息整体丢弃的流水线至今仍然很多。用即时通讯发一次就没了的情况也常见。而且决定性的一点是，重新截个屏就结束了。从屏幕像素新截出来的文件，没有任何办法带上原来的签名。
这个性质让凭证成为一个有则可作为信任依据、无则什么也判断不了的非对称装置。「没有凭证所以是生成的」和「没有凭证所以是实拍」都不成立。
8.2 平台一侧的做法
在视频和社交一侧，标注已经制度化。YouTube自2024年起要求上传者对可能与现实混淆的合成或改动内容自行披露，Meta在Facebook和Instagram上加AI相关标签。但要注意这些要求的焦点在于把人物、事件、地点描绘得像真实发生过的情况。概念插图和抽象背景本来就不是对象。
所以在个人博客这个尺度上真正转得动的是第四行，图注里的一行。在自动化的信任体系端到端打通之前，人写下的句子最不容易断。格式也不难，「概念插图，生成」这种程度就够，有了这一行，读者原本花在判定上的认知成本就消失了。
9. 著作权 — 有多少算是你的
这一节讲的不是使用别人的图，而是你自己做出来的生成图拥有什么权利，实务中经常搞混。
起点是定义。韩国著作权法把著作物规定为表达人类思想或感情的创作物，因此输入提示词得到的产出本身很难登记。文化体育观光部与韩国著作权委员会发布的生成式AI著作权指南处理的正是这条界线。
随后出的登记指南以人的创作性贡献落在何处为标准。归纳如下。
把生成物当素材的编辑 — 通过选择、排列、编辑多个产出而完成的作品，有被认定为类似汇编作品之创作性的余地
人的草图在先的情形 — 以自己手绘的底稿为基础，再挑选生成物、摆放并调整细节而完成的作品，有被认定创作性贡献的余地
过程记录的价值 — 指南写明，把生成与创作过程用影像等方式留存，会成为登记和后续纠纷的材料
未加改动的产出 — 反过来，原样上传的图，别人照搬走时几乎没有可以主张的依据
落到博客运营上，判断就变简单了。作为页首装饰贴的生成图，按接近公有物来对待更安全。那张图原样出现在别的站点上，你手里几乎没有可打的牌。反过来，如果想把代表图作为资产来管理，就只能把生成物用作素材，再在上面叠加人的工作。
10. 搜索引擎和平台实际在看什么
这里澄清一个常见误解。搜索引擎的标准不是「有没有用AI」。
谷歌的关于AI生成内容的指引以「AI可用于主题调研和搭结构」为前提出发，同时明确指出用它批量产出对用户没有增值的页面会触犯垃圾内容政策。那条政策叫大规模内容滥用，其定义里带着与内容以何种方式产出无关的措辞。也就是说，人工批量生产同样适用。
所以并不存在「因为一张图是生成的所以排名下降」的机制。成问题的是那张图作为批量生产的旁证一并出现的时候。判定的单位是一堆页面，不是一个图片文件。
10.1 图仍会影响搜索的几条路径
替代文本 — 生成装饰没有可描述的内容，alt常常空着或者敷衍填上。在无障碍和搜索两边都吃亏
页面重量 — 无意义的大图拖慢首屏渲染，这是会被实测指标抓到的损失
重复的视觉资产 — 同一流水线的相似图散布在多个页面上，起不到区分页面的作用
图片搜索的流量 — 只有装着人们真会去找的东西的图才带来流量。比喻不会被搜索
11. 这场讨论在韩国怎么推进
在韩国，这个主题不是作为个人博客美学问题被讨论的。它先在制度与平台政策一侧推进，原因是结构性的。
第一，平台型博客的比重大于独立域名博客。因此图片标注的惯例不由个人的编辑选择决定，而由平台政策决定。这与英语圈把「个人博客要不要贴生成图」当作个人问题来讨论的出发点不同。
第二，法令层面的告知讨论走在前面。AI基本法施行令立法预告涵盖生成式AI产出物的告知，以及高影响领域判定、确认程序、训练算力门槛等条目。这意味着标注有一条以规范形式降下来的通道已经打开。
第三，社区一侧的讨论从编辑质量转到了过滤义务上。要求运营者承担生成图核查义务的方向会触碰到什么，另在韩国社区AI图像审查义务化争议里整理过。那一篇与本文层次不同：本文谈作者给自己定的标准，那一篇谈从外部强加的标准。
用实务感受归纳，当地条件这样分岔。用平台型博客的话，标注格式很可能由平台替你定，力气更该往让正文可验证上使。用独立域名的话，标注完全归自己，先把图注规则定下来能减少日后的追溯工作。无论哪一种，不生成图表这条原则都一样。
12. 未能确认的部分
以下条目因无法锁定一手依据，未在正文中作为数字或断言使用。
生成图对跳出率与停留时间的影响。没有直接测量这一关系的公开研究。流传的百分比数字无法追溯到出处
读者实际识别生成图的准确度。没有在博客语境下测量识别准确度的资料。第4节的研究考察的是有标注的条件
风格重复对印象影响的量级。1.2所述机制基于观察，不是经实验验证的数值
各平台标注要求的确切适用范围。哪些图属于告知对象因平台而异且修订频繁。运营时需直接查看该平台的帮助文档
元数据的丢失率。未能确认关于各服务在上传时保留凭证程度的最新全面调查。丢失会发生这一点由标准设计确定，但比率留空
各国平台关于图片的内部标准。本文未超出公开文档可确认的范围
结论：为了填空而加的图，撤掉
这场讨论常被概括为「AI图不好」，但真正起作用的是几条窄得多的规则。归纳成三条。
一。做主张的图不要生成。装着数值、结构、证据的图是画出来或拍出来的，不是造出来的。四类刺眼里唯一的事实错误就出在这儿，光守住这条，无法挽回的事故就止住了。
二。为了填位置而加的图不要加。如果写不出一行字说明没有它读者会损失什么，那就空着更好。读者读到的信号不是图的质量，而是那个位置放了什么、为什么放，而随便填过的痕迹比页面上其他任何东西都传得更准。
三。标注看受众来定。同一个标注对技术读者读作诚实、对一般读者读作警告，这是实验给出的结果。无条件都标和无条件都藏，都不是答案。不过给概念插图加一行图注的成本近乎为零，而这一行能把读者原本要做的判定劳动消掉。
最后留一个这个主题上最常被翻转的认知。读者反应的不是图，是编辑。同一个工具做出的同等质量的图，在一篇文章里什么问题也不引起，在另一篇里能在读完第一段之前就削掉信任。差别不在模型，在这张图被放在了哪个位置。所以要盘点的不是工具选择，而是此刻页面上的每一张图分别在做什么。一张张问过去，通常有一半什么也没做。
参考资料
观点. Nelson Figueroa - AI Generated Images Discourage Me From Reading Your Blog — 把这场讨论重新推起来的个人随笔。2024年10月1日发布，2026年2月18日更新。没有实验、样本或数字的第一人称观点文；本文仅将其作为「博客里的AI图会让人怀疑正文也是AI写的」这一反应的出处引用
一手 · 研究. Science Communication - Familiarity Matters: Examining the Effects of AI-Generated Images on Science Information Credibility (Eom、Middleton、Luo、Li、Brossard，2025) — 742名美国成年人的在线调查实验、CRISPR主题Instagram帖子、AI标注在各信息框架下未显著影响可信度的结果，以及标注效果方向随AI熟悉度分裂的交互作用的出处
研究. AI & SOCIETY - Perceptions of AI-driven news among contemporary audiences — 对AI生成新闻的信任总体接近中性、随年龄等人口特征分化，以及透明度与可读性影响接受度的出处
预印本. arXiv - Full Disclosure, Less Trust? How the Level of Detail about AI Use in News Writing Affects Readers' Trust — 追问披露详细程度与信任关系的研究。未经同行评审的预印本，本文仅引用其问题意识的存在
预印本. arXiv - Willingness to read AI-generated news is not driven by their perceived quality — 关于阅读意愿并非仅由感知质量解释的研究。未经同行评审的预印本
一手 · 标准. C2PA - Coalition for Content Provenance and Authenticity — 带签名的内容凭证结构与来源履历概念的出处。因元数据丢失而断链的性质，按标准设计上的局限来叙述
一手 · 厂商. Google Search Central - Google Search's guidance about AI-generated content — 问题不在于是否使用AI，而在于批量产出无增值页面这一标准的出处
一手 · 厂商. Google Search Central - Spam policies for Google web search — 大规模内容滥用的定义与「与产出方式无关」这一措辞的出处
一手 · 机构. 韩国著作权委员会 - 生成式AI著作权指南 — 著作物的定义(表达人类思想或感情的创作物)、生成物本身的登记局限、人的创作性贡献被认定的类型、创作过程记录的价值的出处
政府. 大韩民国政策简报 - AI基本法施行令立法预告 — 包含生成产出物告知在内的施行令立法预告条目的出处
讨论. GeekNews - AI生成图让我不想读你的博客 — 本文选题的发现来源
