如何写出别人写不出来的东西

作家和技术人员正在研究,在 Google 和大型语言模型能够检索并重组大多数公开信息的时代,如何产出真正原创的作品。许多人认为,人类的语境、深厚的领域知识,以及像冷门书籍、私人对话和采访被忽视专家这类“非主流”来源,仍然具有持久优势;他们认为 AI 主要仍受已有数据所限制。讨论还涉及职业与招聘的实际影响,认为那些愿意花功夫去寻找低调人物和想法的人,能在拥挤的领域中获得有意义的优势。

Google 和 LLM 时代的信息优势

  • 几位评论者同意,网络和搜索引擎正在稀释“信息优势”,但也认为我们离真正完全互联还有很远。
  • 真正的瓶颈是搜索和发现,而不是连接;有用、可操作的人和信息很难找到。
  • 书籍、付费墙/科学来源,以及直接对话,被视为关键的非网页知识库。
  • 有人担心人们公开分享得更少了(例如由于开源商业化)。

LLM 的能力与局限

  • 有人把 LLM 视为高级检索/重组工具;也有人认为它们能够把已知概念应用到新的、假设性的领域。
  • 例子:用 AI 设计一个魔法世界的法律体系让一些人印象深刻,但也有人指出,这不过是“我们的世界,再加上魔法”,而且在小说里早已被大量覆盖。
  • 关于“智能”和“涌现”的争论非常激烈:
    • 一方认为:模型只是工具,受代码和数据限制,本质上是历史性的,并不真正理解。
    • 另一方认为:行为来自训练数据,而不是显式编程;即便是简单的 ML 模型也会从数据中“学习”。
  • 实际抱怨包括:幻觉出的 API/配置、误用库,以及用错误的公开信息污染专业内部知识。
  • 形成的共识是:它们作为快速、知识丰富的助手非常有用,但在无人监督的深度工作或冷门领域工作中并不可靠。

寻找独特来源与写出有辨识度的作品

  • 许多人认为文中描述的做法(挖掘不太出名的员工、深度翻阅 LinkedIn、搜索 Spotify/播客)本质上就是“好新闻工作”,但仍然很有价值。
  • 有些人觉得将重点放在“领先竞争对手”上令人不适;也有人指出,在拥挤的 newsletter 市场里,竞争优势就是生存,而不是虚荣。
  • 有人欣赏展示了看似简单写作背后那些战术性、费工夫的工作;也有人把它斥为琐碎或“博客垃圾”。

招聘、潜力与读懂字里行间

  • 几位评论者把文章中的研究技巧应用到招聘上:不要只看打磨得很漂亮的个人资料和大品牌,要去发现那些低调但有能力的人才。
  • 对大学年龄创业公司里简短、夸张的 C-level 头衔也有争论:
    • 有些人认为,如果理解上下文,它们可以是一个细腻的潜在信号。
    • 另一些人则把早期的“C-level”头衔视为危险信号或不成熟。
  • Bootcamp 和 LinkedIn 优化被认为削弱了旧的经验法则,例如“业余时间写代码”或“有 GitHub 项目”。
  • 对高度精心策划的 LinkedIn 也有分歧:对一些人来说是危险信号;对另一些人来说,则是对可见性的理性、高杠杆投资。

领导力、对抗与软件文化

  • 有一条讨论认为,少数关键招聘会主要通过领导力而不是纯粹技能改变公司的走向。
  • “软件缺乏真正领导力”的说法引发反驳:许多人表示自己见过很强的领导者,也见过大量逆潮流而行的行为,尤其是在大型企业之外。
  • 对“强势领导者会把亲和力降到零”这一点存在分歧:
    • 批评者说“最大限度的对抗”有毒且适得其反;团队需要合作。
    • 支持者澄清:重点是情境性——领导者有时必须愿意对抗、反对,并以个人代价保护团队。
  • 广泛共识是,好的领导力结合了领域能力、挑战现状的意愿,以及建立并保护团队的能力。

可见性、曝光与 lifestyle business

  • 评论者感叹,那些“真正做事的人”往往不谈论自己的工作,结果让善于自我宣传的人占据了这个领域。有些人认为曝光本身就有价值;另一些人则质疑把社会围绕曝光来组织。
  • 关于“四小时工作周”式商业模式的争论:
    • 批评者认为,这类说法要么暗示低消费,要么依赖剥削/市场失灵。
    • 支持者则指出,小而稳定的软件产品可以在前期投入大量工作,但后续维护很轻;他们将这与高价、容易被压价的产品区分开来。