- Published on
为什么我还想写技术博客，即便 AI 已经能给出答案
最近我一直在想一件事：
现在有了 AI，几乎任何技术问题都能在几秒内得到答案。我为什么还要花时间写博客？写给谁看？有什么意义？
我没有立刻说服自己，而是选择把问题拿去问 AI。下面是整理后的思考——问题是我提的，答案是 AI 的分析，再加上我自己的感受。
博客的价值没有消失，只是变了
我问：知识这么容易获取，技术博客还有必要吗？
AI 的分析：
博客的核心价值从来不是“存储知识”，而是 沉淀经验。AI 可以快速提供事实内容，但无法传递你在项目中踩过的坑、做过的取舍、为什么选择某条路线而非另一条。
我的感受：
我最常收藏的文章，不是完整文档，而是有人写的“我是怎么解决 XX 问题的”。带着上下文和判断的叙述，才真正有复用价值。
问答记录本身就是写作素材
我问：我能把自己和 AI 的对话整理成博客吗？
AI 的分析：
可以。问答结构天然清晰，每个问题对应一个关注点，每个答案展示一次思考。它真实地呈现了 思考是怎么发生的：你在意什么、如何迭代问题、最终接受或放弃了什么。
我的感受：
这篇文章就是例子。我没有先想好结论，而是边问边想，才发现自己真正关心的是什么。隐藏这个过程会丢掉一半的信息量。
多个 AI 的答案一致，就可靠吗？
我问：如果用不同 AI 问同一个问题，答案都差不多，是不是更可靠？
AI 的分析：
不一定。不同模型的训练数据有重叠，“一致”可能只是共同偏差。交叉验证对明确问题有帮助，但对边界问题或判断性问题，多个 AI 的共识不等于正确。最终仍需参考文档、实验或实践结果。
我的感受：
我把 AI 的答案当作 草稿，而不是最终结论。它帮助我更快起步，但验证步骤不可省略。写下这个过程也提醒读者：不要直接复制，先判断对不对。
知识容易获取，但判断力更稀缺
我问：AI 提供这么多知识，我总结出来的内容还有价值吗？
AI 的分析：
有，而且越来越重要。获取知识的成本趋近于零，但 判断和组织知识的能力变得稀缺。你的博客记录的不只是答案，还包括问题意识、筛选逻辑和实践经验——这些是 AI 无法替代的。
我的感受：
关键不在于知识本身，而在于 我是怎么使用它的。同样的知识，不同人在不同项目中使用，结果可能完全不同。这部分只有我能写。
写博客，有什么结构参考？
我问：把问答整理成博客，有推荐的结构吗？
AI 的分析：
好的问答博客让读者看到 完整思路链，而不仅是结论。推荐顺序如下：
- 背景与动机：为什么这个问题值得问？
- 提问与迭代：问题如何提出和修正？
- 筛选与验证：哪些答案被采纳，哪些被舍弃，原因是什么？
- 方法论提炼：有没有可复用的思路或框架？
- 辅助材料：代码、截图或流程图，帮助理解。
我的感受：
其实只要把“我遇到了什么”和“我是怎么想的”写清楚，读者自然能跟上。不必每篇都做成完整方法论文章。
写到最后，我说服自己了吗？
基本上是的。
我原先担心写博客会变成“复读 AI 的内容”，没有增量。但现在我意识到，真正增量在于：你经历了什么，你怎么判断，你踩过哪些坑。这些东西 AI 没有，搜索引擎里也找不到，只存在于你自己的脑子里。写出来，才能让它存留下去。
本文由与 AI 的对话整理而成，问题来自我，答案经过筛选和改写。