一句话看懂：一位开发者公开主张：Claude、ChatGPT、Gemini 可以用来写代码、查资料、整理数据，但不要用来替你写文章——因为写作的真正价值在于逼你想清楚问题，而这一步 AI 帮不了你。
事件核心：发生了什么
开发者 Paul Bakker 在其个人博客发文《不要使用人工智能来写作》，随后在 Hacker News 上引发讨论。他的立场并不极端：他日常在工作中和生活中都在用 Claude、Codex/ChatGPT、Gemini 做编程、研究、数据处理和信息收集，但明确拒绝让这些模型替他写文档。理由不是 AI 写得差——恰恰相反，AI 写得很”漂亮”——而是写作过程中的思考环节被跳过了。用几个要点让模型生成一份文档，结果往往看起来不错，稍作修改就能交差，但作者本人并没有真正想过要传达什么，也就永远不知道自己错过了什么。他同时给出边界：写作前的数据梳理、找规律可以用 AI；初稿完成后，也可以用提问式提示（如”读完这份文档你会有什么疑问””最重要的结论是什么”）让 AI 做类似同事校对的工作，但不要让 AI 直接改稿或代写。
为什么重要
这触及当前 AI 应用讨论中一个被效率叙事掩盖的问题：哪些环节该交给大模型，哪些环节交出去就等于放弃了人的核心价值。在代码生成、图像生成、数据分析等方向，AI 的产出可以直接被验证和复用；但写作（尤其是战略文档、设计文档、对外沟通）本身是一个思考工具，产出质量不等于思考深度。文章还给出一个反直觉的对比：一份60页注水、没触及核心问题的战略文档，未必比一份3页想透的文档对公司更有用——这一点和”代码行数不等于生产力”是同一个逻辑。对把 AI 当作”内容工厂”的团队来说，这是一个值得重新评估的提醒。
对用户/开发者/创作者的影响
对开发者，这套用法其实很实用：让模型读文档并提问，而不是让 Agent 直接改文件，既能借到 AI 的理解力，又能保留自己判断的责任链。对内容创作者和企业写作者，风险在于把 AI 生成初稿当成思考的替代品——文档变快了，但你对问题的理解可能比手写时更浅。对采购和团队管理者，这提示了一个评估维度：AI 工具带来的”字数/文档量”增长，是否真的转化为决策质量。目前公开信息显示，作者的核心建议是”用 AI 问问题，不用 AI 下结论”。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Hacker News 讨论中是否出现反例——比如有人论证在特定文档类型上 AI 初稿反而促进了思考。二是主流 AI 编程与办公工具是否会调整定位，从”代写”转向”提问与审阅”，目前 Claude、ChatGPT 等产品都在强化 Agent 自动改稿能力，方向恰好相反。三是团队层面是否会形成类似”AI 可辅助、不可代笔”的内部写作规范。
