这篇文章探讨了在 AI 时代，为什么我们依然需要坚持自己写作。作者认为，写作的本质不是为了“产出文字”，而是一个思考、梳理和建立信任的过程。让 AI 代笔，就像花钱雇人替你健身一样，失去了成长的机会，也会削弱他人对你的信任。AI 应该作为辅助研究和启发灵感的工具，而非替代思考的代笔人。
原文链接：Don’t Let AI Write For You
当你撰写一份文档或一篇文章时，你其实是在提出一个问题，然后去解答它。例如，一份产品需求文档（PRD）解答了“我们应该构建什么？”这个问题。一份技术规范解答了“我们应该如何构建？”有时，问题可能更难回答——“我们究竟想要达成什么目标？”每一次尝试解答，你都在反思自己是否提出了正确的问题。
但现在，当然，我们有了大语言模型（LLM）。我看到越来越多由 LLM 生成的文档、文章和随笔。我想对此提出警告。每一份由 LLM 生成的文档，都是一次错失的思考和建立信任的机会。
思考的价值
写作的目标并非“已经写完”。它的目标是加深你自己的理解，进而加深你周围人的理解。当你受命去写点什么时，你的工作就是深入那些模糊不清的地带，然后带着结构和理解走出来，去征服未知。
写作的次要目标是提升能力。这就像健身一样。每一次在你的能力边界上完成一次训练，你就会变得更强壮。这个过程是不舒服的，是需要付出努力的。
让 LLM 替你写作，就像花钱雇人替你健身。
建立信任
LLM 生成的文本还存在社会层面的负面影响。当我给某人发送一份散发着浓浓“AI 味”的文档时，我只是在证明：LLM 能够生成一些近似于他人想听的话。我并没有展示我真正与这些观点进行过搏斗和较量。
这会削弱我作为该文档后续项目领导者的可信度。这很遗憾，因为我本可以利用这次机会来建立自己的威信。
LLM 生成的文章不仅破坏了文字本身的真实性，也破坏了其背后思想的真实性。如果连文字都是自动生成的，那观点会不会也是随便生成的？
如何在写作过程中使用 LLM
LLM 在做研究和检查工作成果时非常有用。它们也很适合用来快速记录信息或转录文本（这两者都不是我所说的“写作”，我说的写作是指“写文章”）。
它们尤其擅长提供灵感。它们在这种场景下表现出色，因为如果它们生成了 10 个想法，即便只有 1 个是有用的，也不会造成什么损失。你可以取其精华，去其糟粕。
这些 LLM 将提高软件交付的效率。但为了充分利用它们，我们必须同步提升我们思考的深度。
