刚才看到 OpenAI 前技术联合创始人，也是前特斯拉 AI 技术总监 Andrej Karpathy 写的一篇推文。

对我启发很大。

推文的原文翻译大概意思如下，他是这么说的：

我现在开始养成一个习惯，用大模型来读任何东西（博客、文章、书的章节等等）。一般第一遍我会自己读，第二遍让大模型“解释或总结”，第三遍再用它来做问答。这样下来，我通常会比直接读过去获得更深的理解。这个方法已经变成我最常用的大模型场景之一。

但从另一个角度说，如果你是一个想把知识解释清楚的人，我们未来可能会越来越少地抱着“我要写给另一个人读”的想法，而是更多地去想“我要写得让大模型能理解”。因为只要大模型理解了，它就能把你的想法重新组织、针对不同的人，变成更适合他们的内容再输出来。

以上是原文，当我读完这篇推文，我脑海里冒出来的想法竟然是费曼学习法。

怎么理解呢？我有几点思考。

1、当我们开始“用 LLM 阅读”，写作者的对象也在悄悄改变。

就像是 Karpathy 所说的，读博客、读文章、读书的章节。第一遍自己看，第二遍让模型解释和总结，第三遍再用它做问答。这样一套下来，理解反而更深，比硬着头皮读过去有效多了。

这套流程说白了，就是给大脑加了一个“学习助教”。你先粗读一遍，模型再帮你把模糊的地方重新讲一遍，然后你再追问它没懂的地方，像把课堂上没听懂的内容拉着老师单独补课一样。

对个人来说，这是一个全新的阅读习惯。但它的影响可能不止在阅读端，也会影响到写作端。

2、写作者的“直接读者”正在悄悄从人变成 LLM

到这里，是不是有点费曼学习法的意思呢？费曼学习法的核心是什么？用非常清晰、简单的方式把复杂概念讲出来，让“另一个人”也能听懂。现在我们需要让 LLM 大模型懂。

如果读者都开始让模型来解释文章，那写作者的思路就会慢慢改变。

过去写文章，我们心里想的是：我要写清楚，让“另一个人”能看懂。

未来可能会变成：我要写得足够清晰、结构足够干净、概念足够严谨，让 LLM 能完全吃透。

因为只要模型能真正理解，接下来：它可以自动给小白讲一套版本，给专家讲另一套版本，给你讲一套个性化的版本，甚至给孩子也写出一个童话版。

也就是说，你不再需要让每个读者直接看懂你的文字，只要让模型“看懂”，模型就会帮你把内容重新翻译给每一个人。

写作者未来的工作，可能是：写给 LLM，让 LLM 再写给所有人。

当然了，这里还是与费曼学习法有一点不同的，因为大模型可能只是中转站，这里的变化不是把费曼法给模型用，而是：写作者要用“费曼式的清晰”，让模型先理解。

未来写作的目的不是“让读者懂”，而是“让模型懂”，因为模型才是最终那座“通往每个读者的大桥”。

如果你写得让模型一时半会儿读不明白，那后面所有“个性化重写”、“总结解释”、“例子拆解”，模型都给不出来。

换句话说，写作者越是写给模型，模型就越能转述给所有读者。

3、内容创作的逻辑正在重写

这背后其实隐藏着一个很大的逻辑变化：过去内容是“一对多”的。你写一篇文章 → 所有人都看到同一个版本。

现在内容开始变成“多对多”的。你写一篇“给模型看的原文”→ 每个人都得到属于自己的版本。

这意味着：写作不再是终点，而是中间层。读者不再读原文，而是读模型的重述版。写作者要把观点写得比以前更精准，因为模型需要消化它。

写作者写的是“源代码”，模型负责“运行和显示界面”。

4、有意思的变化

如果大部分内容最终都会经过 LLM，那写作者有可能不再关心“人类的阅读体验”，而是只关心“模型怎么解析这段话”。内容未来也许会走向一种奇怪的分层：创作者写给模型看，模型写给读者看。

以上是自己的一点延展性思考，就是纯瞎分析，勿当真哈。
#AI时代的写作革命##AI创造营##微博兴趣创作计划##全网热点共创计划#