AI 写得越来越快，我却越来越看不完了
最近用 AI，我发现一个有点矛盾的变化：写东西确实快了，但注意力反而越来越不够用。
把想法告诉它，很快就能得到一份像模像样的文档。标题、段落、说明，一样不少。原本要自己慢慢组织的内容，现在已经整整齐齐地摆在面前。
然后，我的另一项工作开始了：确认它写得对不对。
有没有理解错我的意思？哪些是我明确说过的，哪些是它自行补充的？这一段的条件，和后面的结论有没有冲突？
这不是普通的阅读。读一篇文章，可以跳过不感兴趣的部分；审核一份准备拿去使用的材料，却不能因为某一段看着无聊，就默认它没有问题。
我最明显的感受，来自产品需求文档，也就是产品经理常说的 PRD。它要说明一个软件应该怎么工作：用户可以做什么，点一个按钮会发生什么，哪些情况需要特殊处理。不过，同样的麻烦也可能发生在一封邮件、一份报告，或者一段程序里。
AI 完成了生成，我还没有完成判断。
以前自己写的时候，理解、取舍和检查往往混在写作过程中。写到某个地方发现说不通，就停下来重新想。写完当然也需要检查，但不必重新认识自己写的每一句话。
换成 AI 生成，要求虽然是我提的，具体内容却未必都经过我的思考。我得重新读进去，才知道它究竟替我做了哪些决定。
这不是一种全新的工作。审核别人写的东西，本来就费力。只是当我能随手生成越来越多材料时，审核开始挤占原本想用来思考的时间。
总用时也许仍然减少了，但省下打字的工夫，不等于省下同样多的心力。
于是，我开始怀疑：问题除了 AI 写得太多，会不会还在于——我们用来确认这些内容的方式不太合适？
认出一只狗，为什么不需要一份说明书？
可以想象一个很普通的场景：几只狗站在一起，其中一只是你家的。
你可能一眼就认出了它，并不需要先在脑子里逐项核对毛色、耳朵、体型和尾巴，再宣布：“以上条件全部符合。”
现在换一种方式。不给你看狗，而是递来两千字，详细描述它的外貌，让你判断是不是自己家的那只。
你大概会说：给我看张照片不就行了？
这两种方式未必包含完全相同的信息，但它们提示了一个区别：有些判断需要的线索，直接看，比先读描述、再在脑中拼出形象方便得多。视觉研究也发现，人能从极短暂呈现的图像中提取部分意义，不过这不代表我们能同时看清图中的所有细节。
我原先把这种差别简单理解成：图像可以整体识别，语言却只能沿着一条线慢慢展开。
这个直觉有道理，但不能说得太绝对。阅读并不是机械地逐字扫描，眼睛会跳跃，也会回看；扫一眼，也能抓住部分意思。只是“知道大概在说什么”和“确认每个重要条件”，是两件不同的事。有关阅读的研究也提醒我们，大幅提速往往伴随着理解程度的下降。
尤其是审核。
“可以修改”和“可以修改，但仅限提交之前”，前半句一样，实际意思却不同。越是这样的条件、例外和限制，越难放心地一眼略过。
所以，我想找的并不是一种让人瞬间读完几千字的方法，而是：有没有必要先把所有东西写成几千字，再让人把它们重新理解一遍？
《降临》里的那个圆环
想到这里，我想起以前看过的电影《降临》。
电影里的外星生物使用一种环形文字。墨迹构成圆环，形状与细节参与表达，一个符号可以承载复杂的意思。它被设定为一种非线性的书写系统，而不只是把人类的一行字弯成一个圈。
这种表达给我的直观感受，就是信息密度很高：原本似乎需要按顺序展开的一段话，被组织成了一个整体。
当然，这是科幻设定，不能拿来证明环形文字比人类语言更高效。对不懂它的人来说，圆环再漂亮，也只是墨迹。但它让我跳出了一个习惯：表达一个复杂意思，未必只有把词语排成句子这一条路。
我甚至冒出过一个更大胆的判断：是不是维度越低，信息密度就越低？
文字主要沿着顺序展开，图像可以同时使用位置、形状和大小，真实空间里又多了距离、朝向等关系。这样一想，似乎越往上走，能表达的东西就越多。
但这个判断下得太快了。
一张二维图片，完全可以无损地编码成一串数据。线性排列，并不意味着它必然丢失信息；我们常用的 PNG 图片，就包含把像素逐行转成字节序列的步骤。
反过来，把一张平面图做成可以旋转的三维模型，也未必更容易看明白。为了找一个位置，还要转来转去，可能反而添了麻烦。
我真正关心的，其实不是数据里装了多少信息，而是一个人要花多少注意力，才能找到判断所需的东西。
这也解释了为什么“把信息排得更满”不是答案。一页挤满文字的报告密度很高，一张塞满箭头的流程图也很丰富，但看它们的人未必轻松。
早在 1987 年，拉金和西蒙讨论图示为什么有时比文字更有用时，就指出了一个关键区别：优势不一定来自信息更多，而可能来自相关信息被放在一起，减少了寻找和推断的步骤。前提是图确实组织得好，读者也知道怎么看。
这比“维度越高越好”，更接近我想表达的意思。
重要的不是让一屏容纳更多信息，而是让需要判断的关系更容易被看见。
文档可以保留，确认未必要靠读文档
再回到最初那份产品文档。
假设我要确认的是：普通用户和管理员分别能做哪些操作。
一种办法，是读几段文字，在脑中记住不同角色的规则，再检查有没有冲突。另一种办法，是把两种角色看到的界面并排展示：哪些按钮出现，哪些按钮消失，差别直接摆在那里。
如果需要确认点击之后的行为，就给一个可以操作的原型——也就是能点按、能切换页面的演示版本。与其让我阅读“点击这里以后会怎样”，不如让我亲手试一下，再判断这是不是想要的结果。
这当然不只适用于软件。
假设 AI 帮我安排了一次旅行，给出一篇很周到的行程说明。读文字时，每一站似乎都合理；把路线画到地图上，却可能立刻发现，第二天又绕回了第一天去过的地方。
我需要判断的不是文笔，而是路线有没有来回折腾。地图把这个问题直接暴露出来了。
修改文章也是一样。假如这次只改了三个地方，我最需要看到的，可能不是又一篇完整的新版本，而是那三处改动，以及它们必要的上下文。
这些例子的共同点，不是简单地把文字换成图片，而是先问清楚：这一次，人究竟要确认什么？
确认位置关系，就展示位置；确认前后变化，就展示差异；确认操作结果，就让人看到操作后的状态。
至于为什么这样安排、有哪些特殊约定、哪些事情仍未决定，文字依然有用。
所以，我对 PRD 的怀疑，也从“这种文档是不是错了”，变成了另一个问题：
适合记录的信息形式，不一定适合确认。
一份文档可以保存完整说明，但不意味着每一次讨论、每一个判断，都要重新阅读整份文档。我们可以保留记录，同时为眼前需要确认的事情，选择另一种表达方式。
过去我更多是在想，怎样让 AI 把文档写得更好。现在我更想知道，它能不能先理解我要判断什么，再决定给我看什么。
看得明白，还不等于确认无误
不过，这个想法还有一道不能跳过的关。
认出一只狗，是识别；确认一套复杂方案没有重要问题，还需要检查。前者给了我关于表达方式的启发，却不能证明后者也能靠“一眼看懂”解决。
地图能帮我发现路线绕远，却不能证明上面写的营业时间准确。一个顺畅的原型能展示正常流程，也可能把出错、无权限、重复操作等情况藏起来。
如果只是把长文换成一个漂亮的演示，再让人点“确认”，麻烦并没有消失。人只是更容易产生“已经看明白了”的感觉。
因此，我期待的并不只是可视化，还包括把容易漏掉的部分主动展示出来：正常情况之外，还有哪些例外？这次改了什么？哪些结论有依据，哪些只是暂时的假设？
需要核对事实的地方，应当能看到出处；需要检查数字的地方，应当能看到计算依据；不能从界面上看出来的规则，仍然应该写清楚。
少读，不应该以少检查为代价。 要省掉的是寻找、翻页、反复拼接上下文的时间，而不是必要的判断。
这样再去评价一个 AI 工具，问题就不只是“它生成得有多快”，而是：在同样认真检查的前提下，它有没有让我更容易发现问题，更快决定哪些内容可以使用？
这才是我最近越来越在意的效率。
我并不觉得以后应该没有长文，也不认为所有东西都能变成一张图。有些思考本来就需要慢慢展开，有些复杂问题也确实值得花时间理解。
但我不希望，AI 省下来的写作时间，最后只是变成了更多等待我阅读的材料。
至少在我最常用的方式里，我给它几句话，它还给我几千字。接下来更值得改进的，也许就是这个交接的瞬间：它完成了一项工作之后，究竟应该怎样把结果交到人面前？
我希望它不只是更快地说“完成了”。
而是让我更快地知道：自己在确认什么，凭什么可以确认，还有什么没有确认。