这篇文章把写作描述成一套可训练的流程：先起草，再编辑，再依靠 feedback（反馈）不断改进，而不是等灵感成熟后一气呵成。评论区把它和 Ira Glass（美国广播人、创作者）关于 taste 与能力落差的名言联系起来，强调很多创作者会在早期长期写得很差。有人进一步把这种经验类比到手工 trades（如 electrician、电工；drywall，石膏板施工）和 programming，认为熟练来自大量重复与对材料的直觉。讨论还延伸到 academic writing（学术写作）的压缩与形式负担、家庭里用 Telegram（加密即时通讯工具）逼孩子每日写作的训练，以及 LLM（大语言模型）是否会改变人类靠手工练习成长的路径。
很多人把这篇文章理解成一种通用的手艺规律：先接受自己会很差很久，再用大量重复把能力磨出来。Ira Glass 那段话被反复引用，核心是品味先于产出，所以新人最痛苦的不是不会判断好坏，而是明知道差却还做不出好东西。手工例子尤其多，painting、caulking、drywall、electrician、拉线这些活都被说成有只有熟手才懂的小诀窍，靠的是身体记忆和材料直觉。写作、coding 甚至教育孩子每天写一点，也都被放进同一个框架里：固定节奏、deadline、海量作品，最后才缩小差距。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12]
另一类反应很直接：这根本不是 science，只是把常识包装成一个更吸引人的标题。评论者认为文章真正给出的 advice 只有先写、再改、继续改，最多也就是 best practice，而不是观察、假设、验证那套科学方法。有人讽刺标题里塞进 science 是为了勾住 HN 上的技术读者，正文却只是一些 filler，让认真读的人觉得被浪费了时间。也有人把它概括成“多写多改”被吹成方法论，觉得并没有提供新的洞见。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12] [来源13]
不少评论把重点拉回写作本身：写作最重要的作用不是修辞，而是逼迫思路变清楚。有人直接说写作会暴露思考的粗糙，还有人提到 academic writing 要把几个月甚至几年的研究压缩成少数关键句子，这本身就很难。建议则集中在 outline、重写、模仿好文本、翻译、拆解故事、阅读大量作品，以及把草稿拿给别人看，让外部 criticism 暴露自己看不到的问题。也有人怀念旧论文那种更直接的写法，认为如今的 related work 和 citation tax 让表达越来越像流程而不是写作。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10]
有人把这件事直接类比到 software：在 LLM 出现之前，写大量代码、看模式自己 click，是很多程序员的成长路线。问题是 AI 生成内容越来越容易，下一代还会不会像过去那样靠手工练上很多小时，还是会更像 woodworking 一样变成工具主导的 craft。反对者则说 AI 写作有明显 fingerprint，词汇、句法和节奏常常可辨识，短期内很难真正替代人类 prose。这个分歧的核心是：工具是减少练习的必要性，还是只是把练习的形式改掉。
还有一个很具体的例子：有人要求孩子每天在 Telegram 里写一两段当天经历，强调不用完美，只要持续输出。开始时孩子会忘、会抗拒，家长也承认自己把焦虑投射进了规则，但长期看，这种低门槛的日更把写作、识字和纪律一起练出来了。评论里提到，这个习惯后来和更强的 literacy、学业表现、奖学金和比赛成绩一起出现，被当成一个成功的长期实验。围绕 Telegram group chat 的闲聊很多，但核心仍是持续写作对人的塑形作用。
taste gap（品味/能力差距）: 指一个人已经能判断好坏，但自己产出的作品还远达不到那个标准的落差。
iteration（迭代）: 通过反复起草、修改、再提交来逐步逼近目标的过程。
local maximum（局部最优）: 当前写作方法卡住后，看似还在进步、其实已经到顶，需要换方法才能继续突破。
citation tax（引用负担）: 现代 academic writing 中，为 related work 和格式要求付出的额外篇幅与精力成本。
LLM（大语言模型）: 用于生成文本的 AI 模型，被讨论会不会改变写作和练习技能的路径。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。