我不想读你没写的东西
文章摘要
Colin Breck 发表于 2026 年 9 月 20 日的一篇随笔。开篇他就把不满摆上桌面：过去很少原创写作的人，突然开始大批量产出设计提案、商业计划、文档、演示稿、工单、PR、博客文章和会议纪要，全都由 AI 生成，而且”全都没法读”。他强调自己并不反 AI，AI 确实让他写得更好、更快，但他已经受够了读 AI 写的几乎任何东西。这篇文章一半是发泄，一半是讲他自己怎样在写作中用好 AI。
AI 对写作来说很糟糕。 他看到的一个典型模式是：人们先用 AI 做出一个新东西，再让 AI 回过头来把已经做完的东西”总结”成一份设计文档。读这种文档”不只是困难，而是折磨”。设计文档本来是用来凝聚共识、把人带上、通过缓慢而审慎的思考打磨想法的提案，现在却变成了机器做的总结，细节多到令人疲惫，没有上下文也没有视角。作者们还会因为别人不投入而不耐烦，可东西都已经跑起来了，别人很难投入。PR 描述也一样：这里改成了那样、这些拆开了、那些合并了、这个没动、给那个加了测试……细节丰富，却回答不了他真正想问的问题：我们为什么要做这个？价值是什么？风险和紧急程度如何？你希望我在哪里给意见？我该关注什么？工单和会议纪要同理，都是”脱离上下文的陈述”。
更私人的例子是：有人就一个敏感话题给他写了一封私信，显然是和 AI 反复推敲过，想把话说得圆滑、不冒犯他。结果信变得冷淡、疏离、支离破碎，”所有零件都在，但整体说不通”，他既不想读也不想回。他宁可对方用自己的声音、带着情绪去写，哪怕词不达意，哪怕冒犯到他。他写道：人与人的关系里本来就有脆弱和风险，和 AI 沟通则没有；试图消除脆弱和风险，也就消除了关系本身。他引用 Simon Sarris 的《Resist Summary》：一个人应当尽可能用自己的经验和感官去写，把自己对生活和事件的刻画交给读者。他见过的最懒、最冒犯人的用法是：有人把他对一份提案的评论丢给 AI 总结，然后把总结当作回复发还给他。他挖苦道：”谢谢！我自己都说不了这么好！”
我没有你那样的上下文。 他引用 Cynthia Dunlop 的一份调查《开发者如何看待带 AI 味的博客文章》：多数读者一旦觉得文章是 AI 辅助或 AI 撰写，就会停止阅读（78%），今后还会避开这个作者（71%）。Bryan Cantrill 在《读者的反叛》里评论这项研究时说，大脑会拉下一个”LLM 触发的弹射把手”，出于自保在句子中途把我们弹出去。调查里最强的结果是：98% 的人更喜欢作者自己的文字，哪怕有瑕疵和怪癖，也胜过 AI 那种没有灵魂的改写。他还回忆了十多年前听 C++ 之父 Bjarne Stroustrup 在一场关于写书的座谈上说的话：读一本书时，如果能在脑子里听到作者的声音，连带奇怪的口音和说话习惯，他就觉得这本书成功了；如果读起来像干巴巴的学术文字，那就只是又一篇干巴巴的学术文字。
这一节的核心论点是：你自己提示出来的 AI 输出对你往往很有用，但别把这误当成有效的写作。 你读输出的时候已经有大量上下文：是你设计的提示词，你设定的约束，你提供的文档、源码、日志、统计、图片。你可以快速略读，判断哪些相关、哪些是错的。你还身在一问一答的过程之中，给机器带去了人的视角。可当你把同样的文字发给别人，对方几乎没有上下文，也没参与那个逐步展开的过程，很难判断哪些相关、哪些不相关，只能逐行细读，指望从机器的内部结构里拼出上下文。读不下去是很自然的事。
AI 也可以对写作很有帮助。 他最近写了一篇学术论文（关于他设计的一个数据库，希望投中 CIDR 会议），大量使用了 AI，写作变得更快也更愉快，但论文里没有一行是 AI 写的。他用 LaTeX 写作，给 AI 的上下文包括期刊的格式指南和 LaTeX 模板、该期刊此前发表的全部论文、他要写的软件系统源码，以及生产环境的配置、日志和指标。每写完一段，他常常让 AI 对照源码、配置、日志或指标核实内容是否正确，例如数据库里哪些列建了索引、Parquet 文件里的行按什么排序。这样他可以留在写作状态里，AI 在后台核验上一段时他已经在写下一段，由此发现了不少重要的遗漏和错误。值得注意的是，反过来让 AI 根据他给的上下文直接写段落（比如根据源码描述某个机制怎么工作）”从来没有价值，一次都没有”，读起来一贯令人不快，而且常常不准确。
其他有用的地方：引文补全，他在正文里留下类似 {TODO: reference the Amazon Aurora paper} 的括注，AI 负责查资料、填 BibTeX、插引用，他不用打断思路；拼写和语法检查”无情地”精准；建议简化过长或不清楚的句子；用 TikZ 画技术图，省得他学这套语法。AI 还发现了一个四位熟悉该系统的人类审稿人都没看出来的细微错误：他们的 LSM 树内部原本把层级叫 Gen1/Gen2/Gen3，论文里改用更通用的 L0/L1/L2，同事读的时候得在脑子里把 L1 映射成 Gen2，于是他有一处把 L2 误写成 L1 就格外难发现，LLM 却毫不费力地找了出来。他说 AI 真正写得特别好的只有一样东西：摘要，也就是整篇论文里最简练、最机械、最没有人味的部分。他一字未改直接用了。AI 本来就擅长总结、抽象和重新呈现原创成果，这也不奇怪。他还提到自己也用 AI 当博客编辑，但只让它指出错误、提建议，不让它改写，以免改掉自己的声音和视角。
AI 能学会写好吗？ 他认为不应低估 AI 未来的写作能力，毕竟模型开发仍处在早期，而且多数人用的模型被训练得偏重事实、直接、正确，而非创造性。但他也引用 Murat Demirbas 的文章《AI 时代最安全的工作可能是写作》：LLM 的写作质量已经进入平台期，而且不像编程、数学、会计那样容易给出清晰的问题表述和可验证的输出，所以很难继续提升。LLM 心里没有一个具体读者的主动心智模型，只是在海量数据上优化下一个词的统计概率，无法与读者共情，也”毫无切身利害”。他关注两个改进 AI 写作的方向：一是 ASD-STE100 简化技术英语，这是 1980 年代从航空航天工作组发展出来的技术文档标准，包括受控词表和语法、文体规则，现在已有面向 AI 模型的版本，适合安装说明、运维手册这类文档，他打算试试；二是 Pangram，一个经过微调、专门检测 AI 文字的模型。Bryan Cantrill 已经开始用它，并规定 Oxide 所有公开文字都必须被 Pangram 判定为人类撰写。Cantrill 的原话是：用 LLM 写作就是撕毁作者与读者之间的社会契约，作者自己都没花力气写出来的句子，不该指望读者花力气去理解。
当没有合适的词时。 他援引自己推崇的 Iain McGilchrist 的《The Matter with Things》：”一件事越重要，我们越得挣扎着把它化为语言。”诗、文学、歌、神话、幽默、戏剧里的意义往往不是直接、事实、简洁的。在 AI 写作里，详尽的信息制造出一种有意义的错觉，但”整体一旦被拆成零件，意义就会大量流失”。他认为商业、工程、科学写作同样涉及不确定性：运维、故障响应、产品开发、性能工程、找安全漏洞、绩效评估、使命陈述，都是创造性的工作，叙事常常和事实与结论同样重要。LLM 能综合大量信息，所以很容易被拟人化成优秀的系统思考者，但 Sarris 说过，”叙事抗拒压缩”，”总结的反面是对细节的关注”。好的系统工程师和好的人类学家、心理学家一样，他们的工作很难化为文字，更难化为总结；系统工作里总有发现的成分，要容得下未知，要和系统本身建立关系、愿意被它惊讶。他还转述 Sarris 的担忧：总结省掉了你在自己脑中建立复杂模型的过程，而没有这种模型，人可能永远注意不到那些复杂的关系。
结语。 他不想生活在这样一个世界：你用 AI 把重要的东西总结成没法读的文字，我再用 AI 试图解读它。他想听到你本人，连同你的不完美；想知道你对美学、美、质量、关系、时间的理解，想知道你的感受，想让你直截了当告诉他什么才真正重要。他再次引用 Sarris：让机器替你做事，风险在于你不再要你想要的，而是要它擅长的；你以为在训练机器，其实也在训练自己只会以某种方式提问，那么你漏掉了哪些问题？他预计有意图的写作会更有价值：那些靠写作思考、创造、分享的人会继续写原创作品，而从来不是写作者的人会用 AI 产出大量文字。最后一句回到标题：”有时候找不到词反而更重要。我不想读你没写的东西。”
HN 评论精华
本帖 1066 分、约 450 条评论，是本周最热的讨论之一。讨论大致分成几条线：一是用信息论框架辩论 AI 写作到底有没有增加信息；二是很多人吐槽职场里 AI 生成的 PR 和文档正在压垮审阅者；三是对”精英主义”的反批评；此外还有一个颇具讽刺意味的插曲：大量评论揪住文章第一段那句”不只是困难，而是折磨”（isn’t just difficult—it is punishing），说这恰恰是典型的 AI 句式。
得票最高、回复最多的是 hatthew 的「比特论」（下挂 200 多条回复）。他说自己多年来一直这么讲：写作本质上是把信息从你的大脑传到我的大脑。如果你有 1000 比特语义信息要传递，不能只给 LLM 300 比特、让它补上剩下的 700，因为它根本不知道那 700 比特是什么。如果它能猜对，那这 700 比特就不是真正的语义信息，你真正要传的其实只有 300 比特。那还不如直接把这 300 比特给我，省得我再去过滤 LLM 加上的 700 比特冗余。
这个框架引发了大量反驳和补充。TeMPOraL 认为 LLM 虽然不知道那 700 比特，但你知道：你给出 300 比特，得到的不仅是你本来就知道的 500 比特，还有额外 500 比特你能快速确认正确且相关的内容，有些只是对你输入的”解引用”（你记得指针，忘了它指向什么），有些是你从没掌握但能轻松验证的新信息。xigoi 给出一个很漂亮的信息论反驳：如果你修改 LLM 输出的比例不到一半，那么不修改时你最多只增加了 1 比特信息，因为你完全可以只发提示词，再加 1 比特说明”输出是否需要修改”，外加修改内容。js8 则指出这里藏着一个哲学问题：LLM 会做推理和计算，照 hatthew 的说法，如果我让 LLM 从一组公理推出一个新定理，我岂不是什么都没学到？hatthew 承认，从纯信息论角度最简单的答案是”是的，从已有信息推导出的内容本身不携带信息”，但从现实角度看，让 LLM 替你做研究更站得住脚，只是你仍应读完研究结果，用自己的话写出重要部分。mejutoco 用了一个荒岛比喻：你在荒岛上写下”救命，我是……”就昏过去了，拾到纸条的人可以想出”我是鲁滨逊”或”我饿了”之类的合理续写，但无论多聪明、盯多久，都无法创造出原作者本来要写的信息。
也有人认为信息论框架本身就不对。TheOtherHobbes 说写作根本不是信息传输，而是”用文字在人类身上提示出体验”，就像在人类版的潜在空间里触发体验；即便以传递事实为目的，文字中也总是带着关系、社会语域、角色、地位等层层隐含意义。popalchemist 更不客气：”你想得太像个技术宅了。”诗、开放式的提问、沉思又传递了什么？并非所有写作都是给别人看的。Mentlo 分享了他在公司推行的三种 LLM 写作模式：转写（大致保持信息量，只转换术语、语言或隐喻，最安全）、压缩（去冗余，LLM 决定删什么，可能删错）、解压（从一个核心想法扩写，最危险）。hatthew 表示这是个很好的细化。
whycome 描述了一个已经在发生的荒诞循环：发送者把几条要点交给 LLM 扩写成一份专业文档，接收者懒得读，又把文档丢给 LLM 总结成几条要点。steveBK123 的回复只有一句：”我们发明了无损压缩的反面。”japanuspus 倒是认真地说这正是他想要的：你让你的 LLM 结合你的上下文扩写，我让我的 LLM 结合我的上下文压缩。selcuka 说他一直在请同事”别发 AI 生成的文字，把提示词发给我”，但”目前是一场败仗”。
ponector 抛出一个挑衅：我有 300 比特粗鲁直白、带脏话的信息，让 LLM 包装成礼貌的邮件，”我打赌没人愿意收到粗鲁的原版”。回复一边倒：master-lincoln 说”你输了”，riz_ 说”我宁可收到粗鲁的原版”。latexr 解释道：粗鲁本身就携带信息，”你妈的我说过多少次了去做 XYZ”传达的是紧迫和恼火，而一封客客气气的英式致歉信传达的是”你可以继续无视它”。
职场 PR 与文档之痛是第二条主线。 zmmmmm 的评论引起强烈共鸣：他开始以”描述太多”为由退回 PR，一个 20 行的改动附着好几页生成的描述，论证为什么安全、为每个设计决策辩护、分析风险和副作用。对方很愤慨：”你因为文档太多拒绝我的改动？”他的回答是：我没时间读，而你把我放在了不能不读的位置上，因为批准就意味着我读过并接受了。为一个”我自己一句提示词就能做出来”的改动投入这么多阅读，不值得，所以拒绝。SchemaLoad 讲了一个更扎心的故事：初级开发者提交巨大的 PR，附上几段关于”根本原因”和”为什么这样可行”的描述，可当他问怎么测试时，对方答不上来，因为他们从没运行过代码。他直接退回，让对方先搞清楚怎么运行；结果几乎每次对方都会提交新的改动，因为上一版根本不能用，”尽管 Claude 对他们讲得那么自信、那么头头是道”。Gigachad 说所有 PR 现在表面上都没问题，没有错别字、有单测覆盖，但深层问题需要大量精力才能发现，而审代码既没有功劳又越来越累。ramshanker 说有很多团队干脆不审 PR 了：Claude 写代码，Codex 做审查，开发者在提 PR 前跑五轮，CI 直接合并。fantasizr 的回复是”整个组织时不时按一下 OK”。
intended 给出一个很有概括力的分析框架：问题不在生成内容本身，而在验证能力与生成能力之比（V/G）。生成能力大幅提升，验证依然费力而且追不上；和可以忽略的外部垃圾邮件不同，同事发来的消息必须回应，这正在全公司制造瓶颈。kbenson 说得更直接：如果别人消化你内容所需的时间比你生产它的时间长，沟通就无法高效进行；你 20 秒让 LLM 生成一段内容丢进聊天，别人要 3 到 5 分钟才能读懂，这从根本上不可扩展。jeffbaumes 分享了一个实用做法：在 PR 描述开头加一个”AI;DR”段落，取代过去的 TL;DR，并和同事约定这一段不能有任何 AI 写的内容，专门写文章所说的那种缺失的高层信息。godzillafarts 所在的组织则把 AGENTS.md 和 /pr、/ticket 之类的技能改为要求用 ASD-STE100 简化技术英语输出，说”帮助非常大”。caarmen 的办法是：有人丢来一堵 LLM 文字墙或一个几千行的 PR，他就约对方一起结对审阅，对方往往也能自己发现错误。
也有人觉得这类文章越来越像精英主义。 gfody 的评论排第二：这类文章让他开始皱眉，AI 给了很多原本发不出声音的人一个声音，因为不是每个人都用清晰的散文思考，把自己的领悟变成可分享的语言需要功夫，或者需要和 AI 反复”推敲”、经历尴尬的多轮迭代，才能读回来说一句”对，这就是我想说的”。他觉得”这些人本可以直接说出来”的论调越重复越显得高高在上。dandare 也说，只有有特权的人才能说出”宁可你冒犯我”这种话，他作为一个”大概在谱系上”的 IT 人，曾多次因为笨拙的文字伤害了自己的职业生涯。CookieCrisp 列出了几类情形：非母语写作者、对写作没信心的人、不熟悉行业术语的人、有”知识诅咒”写不好通俗文字的人。automatic6131 逐条反驳，认为非母语者恰恰是被 LLM 输出伤害最深的人：接收者失去了”这个人可能需要追问才能弄清本意”的信号，而发送者又无法判断发出去的是否是自己的意思。cillian64 从接收 bug 报告的工程师角度补充：人们用自己的话写，哪怕用错术语，他也能明白对方想说什么；可一旦经过 LLM 改写，他就分不清结果是否符合原始问题，还是 LLM 猜测、补全出来的。unethical_ban 打了个比方：这就像收到一张没签名、只有贺卡公司印刷祝词的生日卡，对方确实想到了你，但那不一样，”我还是想要那个不完美的人”。
那句”isn’t just difficult—it is punishing”成了一个小风暴。 blandcoffee、almondfestival、estetlinus、jmcgough、moconnor、t0duf0du 等十几个人都指出，文章第一段就用了”不是 X，而是 Y”加破折号这种最典型的 AI 句式，estetlinus 说自己读到这里就不读了，moconnor 说手指条件反射地关掉了标签页，只好再打开。另一方认为这显然是故意的反讽：hatthew 说另一种可能是作者是个明目张胆的伪君子，但看他博客的历史，这不太可能；includenotfound 说这显然是个玩笑，文章其余部分可读且写得很好，没有 LLM 腔。niccl 真的拿 Pangram 测了一下，结果是”我们认为全文为人类撰写”，breezybottom 则回应”AI 检测器没用”。linguae 给这种句式取了个名字：”不是外卖，是 DiGiorno”式结构（出自一句美国冷冻披萨的广告语），说它在充斥陈词滥调的 LinkedIn 上随处可见。这场争论本身就印证了文章的一个观察：AI 腔已经让读者对某些原本正常的人类修辞也产生了过敏。wkjagt 说他现在甚至开始欣赏过去讨厌的东西，比如错别字、语法错误、视频里糟糕的麦克风，因为它们意味着”这肯定是个人”。
关于模型写作质量本身，也有一些有意思的判断。 muzani 认为 LLM 写作质量不是进入平台期，而是显著下降了，他给出一份主观打分：受过大学教育的普通人 5 分、Sonnet/Opus 5 仅 2 分、GPT 6 Astra 和 5.4 Sol 3 分，而老一些的 Claude Sonnet 4.5 有 9 分、GPT 4.5 满分 10 分。hatthew 怀疑其中有多少是人们识别 LLM 文风的能力提高了，再加上选择偏差和确认偏差。throwuxiytayq 认为实验室眼下根本不在乎长文写作，”代码卖的 token 多得多”，后续模型往往为了冲编程榜单而牺牲写作质量。visarga 说自己试过黑名单、用人类优秀文本做提示词进化，都没能去掉 Claude 的腔调，糟糕的文风让 Fable 这样的模型在他眼里看起来比 Sonnet 3.7 还差。iforgotmypasswo 则说 Opus 5 和 Fable 5.1 生成的提交和 PR 说明是”无法理解的垃圾”，但 GPT 的 Astra 写的几乎可以直接转给非技术干系人，他愿意为此每人每月付 1000 美元。earthnail 分享了他写进 Claude 指令里的一段话，要求”像人一样写，写完整的句子而不是要点”，说效果奇好；zahlman 的回应是：如果这真管用，那就太荒谬了，意味着 Anthropic 本可以轻松让 Claude 不那么讨人厌，却选择不这么做。
还有几条值得一提。bajnokk 补充了一个细节：人写提案或提问时会本能地选用能表达”某些细节我不确定”的措辞，读者可以据此决定去核实或纠正，AI 文字缺少这些线索，所以更难读、更难建立联系。somewhereoutth 提醒写作最深的目的往往是迫使作者自己想清楚，交流只是一个附带的好处。bathtub365 的一句话概括了很多人的底线：”我可以接受读你没写的东西，只要里面有我需要的信息；我不能接受的是读你自己都没读过的东西。”