自己动手写作
文章摘要
Alex Woods 撰写的这篇文章旗帜鲜明地反对让 LLM 代替人类写作，核心论点围绕”思考”和”建立信任”两个维度展开。
作者首先指出，写作的本质是提出问题并回答问题。PRD 回答的是”我们应该构建什么”，技术规格文档回答的是”我们应该如何构建”，有时问题更加困难——”我们到底想要达成什么目标”。在每次尝试回答的过程中，你都在反思自己是否提出了正确的问题。
在”思考”这一维度上，作者强调写作的目标不是”已经写完了”，而是”增进了你自己以及周围人的理解”。当你被要求写某样东西时，你的工作是深入模糊不清的领域，带着结构化的理解走出来——去征服未知。写作的第二层目标是让自己变得更有能力，就像健身一样，每次在自己能力边界上做一次重复训练，你就变得更强。让 LLM 代替你写作，就像花钱请人替你健身。
在”建立信任”这一维度上，作者指出当你发给别人一份明显带有 LLM 痕迹的文档时，你只是证明了 LLM 能生成某种接近别人想听的话的东西，而没有展示你自己与这些想法进行了真正的较量。这会损害你作为能够领导相关项目的人的可信度。作者引用了 Oxide 公司的 RFD 文档观点：”LLM 生成的写作不仅损害了写作本身的真实性，也损害了背后思考的真实性。如果散文是自动生成的，想法是否也是？”
文章最后指出 LLM 在写作过程中的合理用途：研究和检查工作、快速记录信息或转录文本（这些都不属于”写作”的范畴）、以及生成创意（因为即使 10 个想法中只有 1 个有用也无妨）。LLM 会提升软件交付效率，但要真正发挥它们的价值，我们需要同步提升自身的思考深度。
HN 评论精华
写作即思考的深层论述： roadside_picnic 提出写作是”思考的最后一步”，它能揭示矛盾并整合想法。user3939382 进一步解释，将连续的心理结构转化为离散的文字表达，会迫使你面对自身思维中的不连贯之处——教学中也有类似的动态效应。figassis 精彩地将写作重新定义为”与现实的第一次接触”而非思考的终点，因为头脑会填补空白，而写作会揭示实际的连贯程度。
橡皮鸭调试的类比争论： 多位评论者将 LLM 比作”橡皮鸭调试”的高级版本。但 monkaiju 反驳说真正的橡皮鸭调试是向一个不会回应的对象自我解释，与 LLM 对话是完全不同的机制。WCSTombs 则比喻使用 AI 辅助写作就像”雇人替你锻炼”，与文章的健身比喻呼应。mharrison 解释说橡皮鸭调试之所以有效，是因为通过语言表述激活了大脑的不同区域。
LLM 写作对沟通关系的影响： Aurornis 观察到 LLM 生成的内容改变了人际关系动态，在职场中已经出现人们提交未经审阅的 LLM 产出的问题。bandrami 提出了一个尖锐的观点：AI 写作将努力从作者外化转移到读者身上，并建议人们分享 prompt 而非 LLM 输出。Gigachad 预言 LLM 写作将作为短期风潮逐渐消退，但警告 AI 垃圾内容正在摧毁内容生态系统。
实用场景中的争论： 关于发布说明（release notes）等日常文档，yoz-y 认为 LLM 擅长将代码/提交日志转化为可读的散文，节省时间和精力。watwut 则提出应该先找到有效的发布说明格式，再考虑自动化——自动化一个无效的流程毫无意义。KolibriFly 提出了一个精彩的类比：”LLM 擅长绘制地图，但不擅长发现新大陆。”
反对 AI 写作的强硬立场： dgxyz 激烈批评 LLM 输出”普遍干燥乏味”，认为只有缺乏品味的人才会接受 LLM 的作品。enduku 将 LLM 写作比作”请人替你锻炼”，描述写作为”精神缓存清理”，让大脑能够安全地处理和遗忘信息，而 LLM 生成的文字阻止了认知上的真正消化，并引用了齐泽克的比喻。
支持 AI 辅助的工作流： specvsimpl 详细描述了个人使用 AI 辅助写作的流程，包括大量 prompt 输入和广泛迭代，强调这是人机协作过程。XenophileJKO 分享了更具体的工作流：口述 -> 听取反馈 -> 总结 -> 批判性审查 -> 起草，将 AI 定位为研究和决策辅助而非替代写作。rrherr 则描述了使用口述转 NotebookLM 再通过系统提示匹配个人风格的工作流，将其定位为 ADHD 辅助技术。
Ghost in the Shell 的哲学引用： stephen_cagle 引用《攻壳机动队》中陀古萨的场景，说明未经增强的视角自有其价值，担忧 LLM 会制造群体思维、消除独立思考的发展。ninjin 进一步指出当前模型在写作质量上仍低于专业水平，但水平低于 LLM 的学生可能面临永久的能力天花板。