第1997篇：老张聊AI转型的内容方法论——如何保持2000篇的持续输出
第1997篇：老张聊AI转型的内容方法论——如何保持2000篇的持续输出
有人问过我：老张，你怎么能一直写下去？
我知道他的言下之意——2000篇，平均下来每天差不多一篇，而且还要保持质量，还要不重复，还要跟上技术发展的速度。外人看起来挺不可思议的。
说实话，我自己也没料到。
三年前刚开始写的时候，我给自己定的目标是100篇。写到100篇的时候觉得还行，改成300。300完了，觉得500也没问题。就这样，一直走到了快2000。
这篇文章，我想聊聊这个过程里真正有效的东西——不是那种"成功学"式的答案，而是实际帮我写出来这些文章的方法。
一、我写作的真实状态
先打破一个可能的误解：我不是每天"文思泉涌"的人。
写了这么多篇，很多时候我坐下来的第一反应是茫然——不知道今天写什么，脑子里空空的，或者有几个模糊的想法但不知道怎么展开。
这种状态是常态，不是特例。
所以我很早就知道，不能依赖"灵感"，必须建立一套机制，让输出变得稳定、可预期，而不是碰运气。
二、选题机制：保持一个"永远在增长的问题池"
我认为，持续输出最核心的基础设施，就是选题机制。
我管自己的选题库叫"问题池"，而不是"内容库"或者"创意库"。这个称呼选得很刻意：好的内容来自真实的问题，而不是来自想说点什么。
问题池的来源有几个：
来源一：评论区和留言
读者的问题是最直接的选题来源。不是因为迎合读者，而是因为他们的问题暴露了真实的认知缺口。如果三个人问同样的问题，那就是一篇文章的题目。
我在手机上装了一个简单的笔记App，只要看到评论区有有价值的问题，马上截图或者记下关键词。不用想怎么写，只记问题本身。
来源二：自己踩的坑
这是质量最高的选题来源。因为它是第一手的、有细节的、有情感的。一次真实的踩坑经历，能写出一篇任何人都写不了的文章——因为那个具体的细节、那个"啊，原来是这里"的恍然大悟，是你独有的经历。
我的习惯是：每次在项目里遇到一个"值得记下来"的问题，当天就记一个条目——问题描述、当时的猜测、实际原因、解决方法。不需要写成文章，只是原始的技术笔记。这些笔记就是最好的选题素材。
来源三：我自己的疑问
这个来源很多人忽略。我在学习新技术的时候，经常会有一些搞不清楚的问题——不是不知道怎么用，而是不明白为什么这样设计、在什么场景下有优势、有没有什么坑。
这些疑问，如果我没搞清楚，大概率有很多读者也没搞清楚。把它们搞清楚的过程，本身就是一篇文章。
来源四：技术动态观察
AI领域更新很快，新框架、新功能、新的论文落地……每周都有值得关注的东西。我不追所有的热点，但会追那些对工程实践真正有影响的变化。
判断标准很简单：这个新东西，如果用好了，能让我的生产系统运行得更好吗？能降低成本吗？能解决我之前没法解决的问题吗？如果能，值得写；如果只是有趣但没有实用价值，暂时搁置。
三、写作结构：让"从浅到深"变成本能
我没有固定的文章模板，但有一个写作直觉，贯穿了几乎所有的文章：从读者的现实处境出发，而不是从知识本身出发。
这听起来很虚，具体来说是这样的：
错误的起点： "今天我要讲RAG的分块策略，分块有以下几种方法……"
正确的起点： "你有没有遇到过这种情况——RAG系统里检索到的文档看起来是相关的，但LLM给出的答案却答非所问？这个问题八成出在分块上……"
第一种起点是以"知识"为中心，第二种是以"问题"为中心。对读者来说，第二种的阅读动力完全不同——他在解决自己的问题，而不是在接受一次课堂讲授。
层次感的建立，我通常遵循这样的顺序：
1. 描述一个真实的问题场景（读者能对号入座）
↓
2. 分析这个问题为什么会发生（建立认知基础）
↓
3. 展示错误的解法和为什么它不够好（避免走弯路）
↓
4. 给出正确的设计思路（不是代码先行，而是设计思路先行）
↓
5. 给出具体的实现代码（落地）
↓
6. 说明这个方案的局限性和适用条件（保持诚实）
↓
7. 延伸思考（给有余力的读者）这个结构不是每篇都严格遵循，但它是一个很好用的默认框架。
四、保持质量的核心：不写自己没搞清楚的东西
这条规则，是我这几年最重要的写作原则，没有之一。
如果一个话题我没有深入研究过，没有实际项目经验，只是"道听途说"或者"看了几篇文章大概了解"——我不写它，或者等我搞清楚了再写。
这条规则让我少写了很多文章，但也让我写的每一篇都是我真正理解的。
这跟"有没有时间做足功课"没关系，跟"认不认真"也没多大关系。更多的是一种价值观选择：你的文章对读者来说是有价值的输入，如果你写的是模糊的、半对半错的内容，对读者是一种伤害。
我宁可3天写一篇扎实的文章，也不愿每天写一篇"感觉差不多"的文章。
五、让代码成为论据，而不是装饰
技术文章写代码，有两种方式。
第一种：为了"看起来有技术含量"，把代码往里塞，但代码是孤立的，跟文章的主线论述关联很弱。读者看完代码，还是不知道这段代码为什么这样写，能解决什么问题。
第二种：代码是论证的一部分，它出现的时机是"我刚说了某个设计原则，现在用代码展示这个原则是什么样子"。读者看了代码，理解加深了一个层次。
我努力做的是第二种。每段代码出现之前，我会先交代：
- 我们在解决什么问题
- 这段代码用了什么思路
- 代码里有什么值得注意的细节
这样读者不只是"看了一段代码"，而是"理解了一种设计思路，代码是这种思路的具体体现"。
六、有观点，是区别普通文章和好文章的核心
我观察过很多技术写作者，他们最大的问题不是技术水平，而是没有观点。
文章是这样的：介绍A方案的优点，介绍B方案的优点，最后说"两种方案各有利弊，需要根据具体场景选择"。
这种文章看完，你知道了A和B的存在，但你不知道在具体情境下应该选哪个，也不知道作者自己觉得哪个更好。你什么都没得到。
我的文章里，经常有很明确的观点，甚至有时候会说"我认为X方案在大多数情况下是更好的选择，因为……"或者"这个流行的做法，我其实认为有问题，原因是……"
这些观点不一定对，但它们是我经过实践之后真实的判断。
有时候读者会在评论区反驳我，说他们的场景下正好相反。这很好，这才是有价值的交流，而不是大家看完都没有任何感觉。
七、长期主义：写作是复利游戏
写了2000篇，我深刻理解了一件事：内容创作是一个复利游戏。
前100篇，几乎没人看。第200篇，偶尔有文章出圈。第500篇，开始有固定读者。第1000篇，开始有读者主动推荐给朋友。第2000篇，已经形成了一个真正的社区。
这个增长不是线性的，是指数的。但它的前提是：你要先熬过没有反馈的那段时间。
很多人在前100篇就放弃了，因为没有正反馈，感觉在自说自话。这是写作的第一道坎，最难迈过，但也最值得迈过。
我没有什么特别的心理建设方法。我的经验是：把读者想象成"未来的一个人"——这篇文章写出来，也许现在没有人看，但三个月后，某一个跟我遇到同样问题的工程师搜索相关关键词，找到了这篇文章，解决了他的困惑。那就够了。
一篇能帮一个人的文章，比一篇能给你带来10万阅读但三天后没人记得的文章，有价值得多。
八、关于AI辅助写作的真实态度
不可能不聊这个话题。
我使用AI辅助写作，但方式很克制。
AI帮我做的：检查语法和标点、帮我验证某段代码逻辑有没有问题、在我知识盲区的领域给我提供背景信息。
AI不帮我做的：生成文章主体内容、替我得出观点和结论、替我描述我没有经历过的踩坑经历。
原因很简单：文章的价值，来自它背后的真实经历和判断。一篇AI生成的文章，可以在技术上准确，但它没有任何作者的真实经历——没有那个项目里某个深夜调Bug的细节，没有那次看到监控图表暴涨时的心跳加速，没有跟读者在评论区反复讨论之后改变自己想法的那种真实。
这些东西让文章有温度，也让文章有价值。
九、那些差点让我放弃的时刻
说一件真实的事，这些年里，我有三次认真想过"要不要停下来"。
第一次是在大约第400篇左右。
那段时间正好赶上公司项目进入最忙的阶段，每天晚上11点才能从公司出来，回家还要写文章。连续三个周，写出来的东西我自己都觉得凑合，是那种明显"对付过去了"的感觉。
有一晚上，我坐在桌前打开文档，脑子里完全空白，然后就关上了电脑，躺倒了。
那一晚我没写。
第二天也没写。
第三天，我把那两天的空档补上了，把之前"凑合"的那几篇，每一篇都加了至少一个我真正研究过的技术细节。然后继续写下去了。
那次之后我明白了一件事：写作的"低潮"是周期性的，不是终点的信号。 当你感到某段时间状态不好，不要逼自己硬输出，但也不要彻底放弃，慢下来就好。
第二次是在第900篇左右。
有一段时间，我开始怀疑写这些文章的意义。AI领域更新太快，我今天写的内容，三个月后可能就过时了。这种"短保质期"的感觉让我怀疑：我是不是在做无用功？
让我走出这个困惑的，是一个读者的留言。他说，他在看我两年前的某篇关于RAG设计原则的文章，发现里面的思路在今天仍然适用——虽然那时候用的框架已经换了几代，但解决问题的思维方式没有变。
这让我想清楚了：技术会过时，思维方式不会。如果我写的是框架的用法，很快会过时；如果我写的是解决问题的思维，会长久有价值。 从那以后，我开始刻意地更多写"为什么"而不是"怎么用"。
第三次是最近，大约第1800篇之后。
写了这么多，我开始担心一件事：是不是开始重复自己了？
于是我花了一周时间，把过去几百篇文章快速过了一遍，分了类，标了主题，看重叠度。
结论让我稍微放心了：主题确实有重叠，但角度几乎没有重复过。同样是写RAG，早期写的是"如何把RAG跑起来"，中期写的是"RAG系统为什么会答非所问"，后期写的是"企业级RAG的架构权衡"。同一个技术话题，随着自己的认知深化，可以持续写出新的内容。
这也是持续输出的底层逻辑：你自己在成长，你能写的东西就会跟着成长。 只要保持学习和实践，就不会真正枯竭。
十、内容创作者的技术底色
最后想说一个可能比较少人聊到的角度。
很多技术人做内容，做着做着就变成了"内容人"，技术反而成了背景板。他们开始更多地想"这个内容能不能出圈"、"怎么写读者更爱看"，而不是"这个技术问题我真的搞清楚了吗"。
我非常警惕这个方向。
我认为，技术内容创作者最重要的护城河，就是技术底色的真实性。读者关注你，不只是因为你写得好看，是因为他们感觉到了你对技术本身的认真。这种认真，是骗不了人的，也是很难被模仿的。
维护这个底色需要成本——你必须持续做真实的工程项目，持续面对真实的技术问题，持续在生产环境里验证你的判断。不能只靠看文章来写文章。
这也是为什么我在写文章之外，始终在做实际的项目，不论是自己的还是帮读者排查的。
没有持续的技术输入，输出迟早会变成空洞。
十一、下一个2000篇
这篇文章写到尾声，我突然意识到：我在讨论"如何持续输出2000篇"的同时，也在思考"接下来要输出什么"。
AI工程这个领域，在未来2-3年内，至少还有这些值得深入写的方向：
- Agent的成熟化和标准化（现在还处于早期混沌阶段）
- 多模态AI系统的工程化落地
- AI系统的安全性和可信任性（这个方向太重要但写的人太少）
- AI驱动的软件工程（AI不只是功能，而是开发过程的一部分）
- 企业级LLMOps的完整体系
这些主题，足够再写2000篇了。
不同的是，下一个2000篇，我希望写得更深——不只是"怎么做"，更多是"为什么这样做，以及什么时候不应该这样做"。