最近在用AI帮我写博客，比如下面两篇：
我的流程是这样的：先搜集一堆素材，想想大概要展现什么内容，然后在 Agent 对话框里随便丢几个短句，让它猜我的真实意图，让它表达、修改，再反馈给我确认。很提效，确实提效。但我回头看这两篇博客，感觉非常不对劲，所以引发了我的一些思考。
博客的真正价值
首先明确一下我写博客的目的。我的博客，本质上是我的个人笔记本——我可以在这里写感兴趣的东西、记录想法。与私有笔记本不同的是，它是公开的。这种公开性强迫我认真对待每一篇内容：不能糊弄，不能自己都没想明白就发出去。它逼着我把模糊的想法打磨清楚。
在有 AI 之前，我需要确定选题、收集信息、整理脑子里零散的东西、组织语言，然后写成博客。过程中我可能会写一半卡住，或者找不到合适的表达，或者前后逻辑矛盾，或者发现自己根本解释不清，整个过程非常耗时耗力。但发表到博客上之后，每次打开回顾时我对每个字都很熟悉，而且看着看着会产生新的想法回头修改。
当我用 AI 帮我写博客后，我只需要确定选题、适当收集信息（因为 AI 收集信息的能力比我更好），然后我只需要判断 AI 生成的东西是不是我想要的就可以了。我不需要动脑子，不需要费劲巴拉地组织语言。前几次用的时候感觉非常良好，觉得真的提效了，博客的量产量可以比以前更大了，不会几个月才憋一篇了。但当我回顾上面两篇 AI 写的博客时，我发现我每次看都是在做阅读理解、每次都要在脑子里重新组织内容。
原因是我自己写一篇文章时，会经历查资料、建立知识结构、组织语言，这是「输入-加工-输出」的，是学习的最有效方式（费曼学习法）。而且，这个过程中我会发现自己不懂或解释不清的地方，在学习过程中这些地方是非常关键的。用深度学习中的术语，这些地方的损失值特别大，正是梯度迭代的有效样本。但是当我用 AI 辅助写作时，避重就轻，跳过了最关键的学习过程。
所以我的博客真正有价值的不是文章，而是思考过程。我的误区，是把写博客当成了结果，而不是过程。另外，AI 时代知识可能变得廉价，但学习能力还是非常重要的，AI只能降低获取知识的难度，但降低不了学习的难度。
对读者的不尊重
技术向博客的一个作用，是经过作者对信息的筛选、整理、加工后，让一个复杂的技术问题容易让人理解。一篇文章写得长并不难，难的是知道哪些东西不该写。作者需要判断什么是重点、什么只是背景知识，哪些概念值得展开、哪些话删掉反而更清楚。
但用 AI 写作，AI 很擅长把每个小标题都填得满满当当，最后文章看起来面面俱到，却要求读者自己从一堆 AI 生成的「正确的废话」里，花很多精力才能找到作者真正想说的那一点。这没有降低读者的阅读难度，反而把筛选和消化的成本推了回去。
表面上我产出了一篇博客，实际上只是把本应由我完成的工作，交给了读者。读者可能会产生这样一种抵触的想法：“为什么你没有认真写，我却要认真看？”
没有「人味」
博客不只是一个存放信息的地方，也是一种读者与作者之间的沟通。作者把最近在想什么、学到了什么、对什么感到困惑写下来；读者读完后，可能产生共鸣，也可能不认同，或者顺着文章想到一些新的东西。
这种交流的意义，不只在于传递了多少知识，还在于这些话确实是作者想说的。读者愿意读一篇个人博客，很多时候并不是因为这里的信息比文档或百科更全面，而是想看看另一个具体的人如何理解这个问题。
如果文章全部由 AI 代笔，读者看着这篇 AI 痕迹严重的文章，只会认为大部分是 AI 的观点。尽管达成了信息传递，但人与人之间的交流没有发生，博客就不够有「温度」、有「人味」。
不难理解为什么 Sam Altman 要关闭AI助手的自动回复了。
作为OpenAI的掌门人，他本想近水楼台先得月，试着把自己的电子邮件和Slack（办公聊天软件）消息全都外包给AI助手去回复。
为了显得真诚，他甚至特意备注了「这是AI回复的」。
结果没过多久，他就默默关掉了功能，乖乖改回自己亲自打字。
奥特曼坦言：「这是一个非常生动的例子：我们真的很在乎人与人之间的互动。」
「我很高兴自己在这件事上错了。」
我还是决定自己打字。
这是一篇手写的博客，动脑子的感觉真好。
