AI 擅长什么？编码强、写作弱背后的真正原因

AI 在编程任务上表现亮眼，却经常被吐槽写出来的文章「平淡如水」。乍看这似乎不合常理——代码和文章都是文本，代码还要遵守严格的语法规则，写作反而更自由。按理说，约束更少的任务应该更容易。但实际情况恰恰相反，问题出在「任务本身的性质」而非「文本的形态」。

为什么 AI 在编程上很强

文章把 AI 擅长编程的原因归结为两点。

• 大量工作本质上是模式复用：搭建一个登录流程、一个设置页或一个 API 接口，核心实现大多数开发者都写过无数次，AI 只需识别情境、调整细节、产出可用方案，这正是语言模型最擅长的事。
• 反馈循环非常紧：代码能否编译、测试是否通过、类型是否对得上，都是即时、明确的反馈。AI 写一段、运行一次、出错再改，边界清晰、可自我修正。

写作的难点不在「写」而在「想」

好的文章不能只是把观点拼成流畅的句子，它需要：

• 一个独到的视角，或至少从一个熟悉观点中挖掘出让读者重新审视的角度；
• 串联他人忽略的联系，提出值得讨论的论点，或把一段经历提炼成洞察。

没有针对「好文章」的测试套件。一段话语法正确、逻辑自洽，完全可能毫无可读性。代码「够用」就能交付，而「平庸」的文章通常是被读者直接跳过的。换句话说，AI 写代码的下限足够高，写文章的下限则低得多。

真正决定 AI 表现的不是任务类型

作者认为，与其把任务分成「写作」「编程」「设计」「研究」等类别，不如问自己：一个好答案需要什么？

• 是否需要套用已有模式？
• 是否有独特、罕见的约束？
• 结果是否容易用测试、可靠来源或某种指标验证？

如果以上答案是肯定的，AI 通常能帮上忙。反过来，如果任务需要表态、判断「什么更重要」，或价值取决于「感觉对不对」，那就不存在明确反馈，AI 只能辅助思考，不应让它做最终决定。

框架的适用范围与例外

这个判断方式几乎可以套到任何领域：

• AI 总结法律文件比「发明一个新法律论点」更可靠；
• AI 按既有设计系统搭页面，比从零打造一个值得借鉴的品牌更稳；
• AI 列举逻辑选项比替公司判断「该冒多大风险」更靠谱。

边界并非绝对——AI 偶尔也能产出有原创性的联想，人也常写出套路化的文字。但这套心智模型的价值在于：它能预测 AI 在哪些地方足够可靠、在哪些地方需要更多把关。

判断 AI 能做什么之前，更值得问的是——这项任务本质上需要怎样的工作？