内容
当你撰写文档或文章时，你实际上是在提出一个问题，然后回答它。例如，产品需求文档（PRD）回答的是“我们应该构建什么？”，而技术规格说明则回答“我们应该如何构建它？”。有时，问题本身更难回答——“我们究竟试图实现什么目标？”每一次尝试回答的过程，都会促使你反思：自己是否在提出正确的问题。
但现在，我们有了大型语言模型（LLM）。我注意到越来越多由 LLM 生成的文档、文章和论文。我想对此提出警示：每一份由 LLM 生成的内容，都错失了一次深入思考并建立信任的机会。
思考
写作的目的不是仅仅完成写作本身，而是提升你自己的理解力，进而提升周围人的理解水平。当你被要求写点什么时，你的任务就是深入混沌之中，最终提炼出结构化的见解。征服未知。
写作的更高层次目标是增强自身能力。这就像健身锻炼一样。每次你在能力边界上进行练习，你都会变得更强大。这个过程虽然不舒服，但充满挑战。
让 LLM 替你写作，无异于请别人替你锻炼。
建立信任
LLM 生成的文字还会带来社会层面的影响。当我向他人发送一份带有明显 LLM 痕迹的文档时，我其实只是在展示：L 生成了一些听起来符合他人期望的内容，而非真正经过我的深思熟虑。我没有展现出我对这些观点的认真对待。
这会削弱我在推动该文档所涉及项目中的可信度。这很遗憾，因为我本可以利用这个机会来建立信誉。
LLM 生成的文字不仅削弱了文字本身的真实性，也削弱了其背后思想的真实性。如果文字是自动生成的，那么其中的观点是否也如此？ （在 Oxide 使用 LLM：将 LLM 作为作者）
LLM 在写作过程中的应用方式
LLM 在研究工作和检查你的工作方面非常有用。它们也很擅长快速记录信息或转录文本（但这些都不是我所指的“写作”，比如“写一篇论文”）。
它们在生成创意方面尤其出色。因为即使生成了 10 个想法，其中只有一个有用，也不会造成损失。你可以提取有用的部分，其余的则弃之不用。
这些 LLM 将在交付软件方面提高效率。但为了充分发挥它们的作用，我们需要在思考的深度上同步提升。