AI 生成文本的泛滥与阅读疲劳
当前，设计建议、商业计划、技术文档、演讲提纲、Pull Request（PR）描述、博客文章及会议摘要等内容的产出量激增。然而，这种由人工智能辅助或主导的创作模式正引发广泛的阅读倦怠。尽管 AI 能提升写作效率，但读者对“机器味”浓厚的文本表现出强烈的排斥感。本文旨在探讨这一现象背后的挫折感，并分析如何在 AI 时代挖掘写作的真实价值。
缺乏上下文的技术文档难以阅读
一种常见的低效模式是：开发者利用 AI 构建新功能，随后又使用 AI 总结已构建的内容。这类文档往往沦为机器生成的详细摘要，缺乏必要的背景信息和独特视角，导致阅读体验极差甚至令人痛苦。设计文档本应是建立共识、通过深思熟虑完善想法的工具，但在 AI 介入后，其沟通功能被削弱。当作者因缺乏互动而变得不耐烦时，读者的参与意愿也随之下降。
在代码审查中，AI 生成的 PR 摘要常充斥着机械性的细节罗列——如变量重命名、模块拆分或测试添加——却缺失核心问题：“为什么要这样做？”、“这项工作的价值何在？”以及“风险等级如何？”。类似地，AI 生成的工单或会议摘要也往往脱离语境，仅由孤立陈述组成。例如，某人在敏感话题的私人沟通中使用 AI 润色，结果导致信息去个性化、语气冷淡且逻辑断裂，完全失去了人际交流中的脆弱性与真实性，反而阻碍了关系的建立。
我认为人们应该尽可能多地用自己的经验，自己的感觉来写作。—— Simon Sarris，《抗拒摘要》
更极端的情况是，有人要求同事用 AI 总结对其提案的评论，这被视为对智力劳动最懒惰且不尊重的表现。
读者偏好人类原创内容
Cindy Lopez 近期的一项调查显示，78% 的读者在得知文章由 AI 协助或撰写后会停止阅读，71% 的读者会因此回避该未来的作者。正如 Bryan Cantrill 在《读者的反抗》中所言，LLM 触发的文本会让大脑产生抵触反应。调查中最显著的结果是，98% 的受访者强烈偏好作者亲自撰写的文字，而非经过 AI 无情改写的版本。
Bjarne Stroustrup 曾指出，阅读的价值在于听到作者在脑海中的声音。如果文本显得干燥学术，读者很难与之建立连接。对于提示 AI 的用户而言，输出结果极具参考价值，因为他们拥有完整的上下文——包括约束条件、源代码、日志和数据统计。用户在此过程中提供了人类视角，筛选了相关信息。然而，当这些未经处理的输出直接发送给他人时，接收者缺乏背景知识，无法判断哪些内容相关、哪些错误，被迫逐行审视机器内部逻辑，自然会选择停止阅读。
AI 在特定场景下的有效应用
在学术论文写作中，AI 可作为强大的辅助工具，但不能替代核心创作。以一篇关于数据库系统的论文为例，作者全程使用 LaTeX 手写正文，未让 AI 生成任何一行实质性内容。AI 的作用主要体现在以下几个方面：
- 事实核查：作者向 AI 提供期刊风格指南、LaTeX 模板、相关文献、软件源代码及生产环境指标。写完段落后，要求 AI 通过检查源代码、配置或日志来验证描述的准确性（如数据库索引列、Parquet 文件排序方式）。这种方式允许作者保持心流状态继续写作，同时由 AI 异步验证前文，帮助发现遗漏和不准确之处。
- 引文管理：查找文献细节并填写 BibTeX 格式繁琐耗时。作者只需留下括号指令，由 AI 完成引文填充。
- 语法与图表优化：AI 擅长识别拼写和语法错误，简化冗长句子，并在 TikZ 中绘制技术图表，从而加快工作速度。此外，AI 还能发现细微的逻辑错误，如在描述 LSM 树结构时混淆层级符号（L0/L1/L2 与 Gen1/Gen2/Gen3）。
- 摘要生成：AI 能够出色地完成论文摘要的撰写。摘要是整篇论文中最机械、抽象且非个性化的部分，AI 生成的摘要通常无需修改即可直接使用。
值得注意的是，若试图逆转过程，让 AI 基于提供的上下文直接撰写段落，结果往往不准确且难以阅读。
AI 写作能力的局限与伦理边界
虽然低估 AI 未来的潜力是不明智的，但目前 LLM 的写作质量似乎面临瓶颈。Murat Demirbas 在《AI 最安全的工作可能是写作》中指出，与编程或数学不同，写作缺乏清晰的评估标准和可验证的输出，导致改进困难。LLM 缺乏对人类读者的心理模型，仅基于统计概率优化下一个单词，无法共情或真正理解“利害关系”。
目前有两种方法可能改善 AI 写作：
- ASD-STE100 标准：这是一种针对技术文档的简化英语标准，包含受控字典和语法规则。已有针对 AI 模型的 ASD-STE100 版本，特别适用于安装说明和操作手册等追求清晰易懂的文档。
- Pangram 检测模型：这是一个专门用于检测 AI 生成文本的模型。Bryan Cantrill 认为，使用 AI 写作违背了作者与读者之间的社会契约——即读者不应被迫理解作者未曾努力创造的句子。此类工具有助于遏制最懒惰和低质的 AI 写作。
复杂思维与叙事的重要性
并非所有文字都追求直接和简洁。诗歌、文学、幽默及戏剧性表达往往依赖间接传达。Iain McGilchrist 在《事物的问题》中强调，越重要的事物越难以直接表述。AI 生成的详细文本容易制造意义的错觉，但在模仿人类智慧、理解和实践知识方面存在巨大差距。整体意义无法简单分解为部分而不损失实质。
在工程、科学和商业领域，写作应容纳不确定性。系统工程师、人类学家或心理学家的工作难以完全公式化。观察本身即是过程的一部分，好的系统思维需要保持对未知的开放性和惊奇感。Simon Sarris 警告，过度依赖摘要会加速进程，但也可能导致人们失去构建复杂思维模型的能力，忽视细节间的复杂关系。
结语：回归人类声音
我们不应生活在一个将重要内容简化为不可读文本的世界中。读者渴望听到作者不完美的、带有个人审美、价值观和情感的声音。写作不仅是信息的传递，更是思考、分享和捕捉未言之意的过程。
随着 AI 生成文本的增加，寻求确定性可能会限制人性的表达。有时，不找到“正确”的词汇比强行概括更为重要。正如 Simon Sarris 所言，依赖工具可能会改变我们提问的方式，进而忽略某些关键问题。真正的写作价值在于那些从未做过作家的人所无法轻易复制的深度与联系。我不想阅读你没有亲手写下的东西。
