2025年，我的最佳阅读清单（年度文章部分）

好文章应当有想法。

赖特·米尔斯曾言，想法，是有内容的观点。若援引计算机科学的视角，内容，是训练数据或验证程序，证明观点不是向壁虚构或空中楼阁；而观点，则如同程序的结果或输出，你可以将其挪用至他处。

去年自所读文章中杂取佳作时，我带着寻找好工具的视角，而好工具，自然也兼具优良设计（观点）和经受考验（内容）。今年所摘，也大致沿着同样的方向。

往年回顾：《2024年，我的最佳阅读清单（年度文章部分）》。

生产力导师的生产力来自他老婆：Productivity books are BS. Here’s what works instead

The vast majority of best-selling productivity books are written by men—91% of the top 100 titles, in fact.（绝⼤多数最畅销的⽣产⼒书籍都是男性写的——事实上，前100名书籍的91%。）

原文链接

从兼职写杂文到与同侪创办独立网站，我们一直在讨论生产力，但这个概念并非现代科学那样普世。事实上，所有生产力都有严格的背景，可惜，美国作家主导的资讯——尤其是危害不浅的成功学毒草——往往埋没了差异，假定所有人都是居住在加州的白人男性精英。¹

被埋没的背景，常常是生产力不可或缺的因素。Bastian 发现，九成以上的生产力畅销书作者是男性，虽说几乎任何领域的畅销书作者都以男性居多，但生产力书籍尤其能够说明问题：女性承担了过多的义务，而作者往往隐瞒了这一点。生产力导师们没有告诉你，成本统计中其实有“一个好妻子”这一项，正如比尔·盖茨的官方传记往往不会提到他父母的社会资源。

在生产力讨论中，被埋没的何止女性。Lori Emerson 等人在 The Lab Book: Situated Practices in Media Studies 中批评了科学家英雄主义，揭露了爱迪生工作室等著名实验室中的幕后资源和工作者。

很难说背景和英雄谁是充分的，但毫无疑问，两者都是必要的。

如何像上世纪的一流知识分子那样讨论：Design for Amiability: Lessons from Vienna

The Vienna Circle was wrestling with a notoriously difficult book—Wittgenstein’s Tractus Logico-Philosophicus—and a catalog of outstanding open questions in mathematics. They were concerned with consequential problems, not merely scoring points for debating.（维也纳圈子正在与⼀本臭名昭著的困难书籍——维特根斯坦的《逻辑哲学论》——和⼀本数学悬⽽未决问题的⽬录搏⽃。他们关注的是后果性问题，⽽不仅仅是为辩论得分。）

The characteristic approach of the Vienna Circle demanded that knowledge be grounded either in direct observation or in rigorous reasoning.（维也纳圈子的特征⽅法要求知识以直接观察或严格推理为基础。当分歧出现时，可以通过观察或证明来解决。）

原文链接

如今糟糕的网络讨论环境，几乎已经成为一种人人自危、只求自保的黑暗森林，稍有年纪的读者，难免怀念以 BBS 为代表的互联网上古时代。小，固然更有可能美，但小网站如今几乎只是个人爱好而非一门符合商业逻辑的生意（本站即为适例）。问题在于，在当前的互联网下，如何重建亲和且有效的讨论环境？

Bernstein 建议回顾上世纪的著名社群：Vienna Circle（维也纳圈子）。²从一流数学家、物理学家、哲学家、建筑师、心理学家、诗人到茨威格³这样的当红作家，Vienna Circle 可谓是名流荟萃，但重点不在于此。Vienna Circle 并非一个狂欢派对——尽管显然有不少哗众取宠之辈——而是以问题为核心，聚集群英。维特根斯坦的《逻辑哲学论》和世纪之初的数学危机，吸引了当时的知识分子。

有的放矢还不够。在讨论方法上，Vienna Circle 坚持后来被哲学家波普尔——他本人也参加了 Vienna Circle——称为可证伪性的标准，具体言之，要么可以用推理反驳，要么能够以事实斥之。

在很大程度上，有目的，就能避免讨论变成为了讨论而讨论；有了两条辩论标准，就能防止争论沦为为了争论而争论。

作为题外话，有些讽刺，当我尝试用人工智能翻译 Bernstein 的文章时，“亲和”这个词竟会导致乱码。

拟人化只是人工智能巨头的新皮肤：Life Is More Than an Engineering Problem

AI systems lack preferences; that is true of the systems we have now, and it will be true of any system we build in the foreseeable future. The companies that sell AI systems might benefit if you develop an emotional relationship with their product, so they might create the illusion that AI systems have preferences. But any attempt to encourage people to treat AI systems with respect should be understood as an attempt to make people defer to corporate interests.（⼈⼯智能系统缺乏偏好；我们现在拥有的系统也是如此，在可预⻅的未来，我们构建的任何系统也是如此。如果您与他们的产品建⽴情感关系，销售⼈⼯智能系统的公司可能会受益，因此他们可能会制造⼈⼯智能系统有偏好的错觉。但任何⿎励⼈们尊重⼈⼯智能系统的企图都应被理解为试图让⼈们尊重企业利益。）

原文链接

雷·布拉德利指出，科幻小说是思想史。那么，看看科幻作家对人工智能的看法，或许会很有启发。

特德姜，一位几乎发表文章就能拿顶级大奖的传奇作家⁴，对人工智能也有读到看法。特德姜对人工智能发表的评论很少，但两次的含金量都足够高。在最近一次中，他直言不讳，人工智能不是人，拟人化只是为了企业的利益。

想想 ChatGPT 和 Claude 那谄媚的语气（它们在年底被允许生成色情内容，这很有趣），想想 DeepSeek 那满嘴“用户可能……用户应该……”的陈词滥调，想想豆包的软件图标。这不是什么新鲜事，正值壮年读者或许还记得那些中文互联网蛮荒时代的流氓软件：“主人主人，你真的要卸载我吗？”

其实，拟人化并非大语言模型的专利，几乎从图灵提出“人觉得它有意识它就有意识的”图灵测试开始，拟人化就成了机器欺骗人类的上佳手段。上世纪诞生的第一个聊天机器人，只会问一些占星术士般的模糊问题，就足以让相当多的用户认为它是有意识的；本世纪初的一场竞赛中，一个聊天机器人拟人化为 13 岁男孩，成功卸掉了评委的心理防线。图灵测试不如说是图灵陷阱。

只不过，现在，设置陷阱的不是（为了实验的）科学家，而是（为了利益的）大企业。即便不考虑心理上潜移默化的影响，越拟人化的模型，其错误率也越是惊人。

让我们回到可以毫无愧疚地输入 kill xxx 的古典计算机心态。

人工智能再快，承担责任的还是你：Reverse Centaurs

A centaur is a human being who is assisted by a machine that does some onerous task (like transcribing 40 hours of podcasts). A reverse-centaur is a machine that is assisted by a human being, who is expected to work at the machine’s pace. That would be Buscaglia: who was given an assignment to do the work of 50 or more people, on a short timescale, and a shoestring budget.（半⼈马是由机器辅助的⼈，机器执⾏⼀些繁重的任务（如转录40⼩时的播客）。反向半人马是⼀种由⼈类辅助的机器，⼈类有望按照机器的速度⼯作……他被分配到50⼈或更多⼈的⼯作，时间很短，预算也很紧张。）

原文链接

Licklider 在计算机技术的早期就提出了人机共生的理念，现在看来，这一概念实在太早了，当时的计算机确实只擅长计算——最机械那种计算，其之于大脑，恐怕就像锤子之于手臂。

但人工智能完全不一样：瓶颈倒过来了，人和人工智能的共生，成了 Doctorow 所言的反向半人马。在使用锤子或计算器（早期的计算机）时，机器跟随着你的步调，但人工智能吐出东西的速度太快了，你根本来不及检查它们。而检查就要负责任，无论机器速度快慢，最终担责的都是使用者。

而验证陷阱，恰恰遍布几乎所有领域，或许编程是极少的例外。有律师用人工智能打官司，结果一败涂地；有作者用人工智能生成不存在的书单——你可以放心，本文是人类创作的，没有一个字是人工智能写的——结果惨遭批评。

控制论学者 Stafford Beer 曾哀叹人们过于保守，因为要承担责任就不敢引入自动化系统，而如今的人倒是过于激进，分明要承担责任，却还敢滥用人工智能。

Licklider 时代的人机共生太慢，而如今的人工智能太快。共生，或许需要人和机器跟得上彼此。

不能被人工智能化的都不重要了：All that is solid melts into code

Language models are some of the most organic technologies ever produced, totally capable of coaxing computation out into the realm of the human … yet instead they’ll pull a vast field of human activity deeper into the domain of code.（语⾔模型是有史以来产⽣的⼀些最有机的技术，完全能够将计算引向⼈类领域......但相反，它们会将⼀个庞⼤的⼈类活动领域拉⼊代码领域。）

原文链接

Andreessen 曾预言，软件正在吃掉一切。在同一媒体上，后续又出现了动漫正在吃掉一切等类似的断言。智能手机吃掉传统摄影，iPad 和 Kindle 吃掉传统书籍，这些都是老生常谈。

真正的问题不是谁被吃掉，而是不能被吃掉的东西就不重要了。在考察人工智能时，作者 Robin Sloan 的橄榄油工业背景提供了极好的启发性例子：现代橄榄种植业重度依赖收割机，但只有少量橄榄品种经得起机器折腾，结果，只有这些能够被机器吃掉的品种得以普及，而其余老品种则成了少数老饕才知晓的奢侈品。

如果橄榄油的例子有些陌生，那么想想香蕉：当你读到本文时，除非你和我一样正在热带海岛度假，否则，你在附近超市买到的香蕉应该都是同一种风味——无论您身处何处。卡文迪许香蕉，味道寡淡如水，甚至可以说难吃（对我而言），只因为耐病虫害，就统治了全球的香蕉市场。甚至在热带——根据我在好几个不同国家的经验——本地品种也不如那些长长的金黄色卡文迪许香蕉常见。问题不是某一种香蕉垄断全球市场，而是其他的品种几乎都难以走出故乡。

Sloan 断言，在人工智能面前，整个世界也面临着类似的困境：要么被吃掉，要么变得无关紧要。说到农产品时，如果你不是西班牙边远地区小岛的居民或斯里兰卡的种植农，你为什么要关心某个老品种橄榄树或那些棕红色椭圆香蕉的命运？但人工智能把威胁带到了每个人面前，当所有人都在使用人工智能时，如果你无法将自己的业务翻译成人工智能可以理解的形式，那么，你的业务可能也无关紧要了。

或许你会押注多模态模型，它们提供视觉和听觉输入，未来迟早会包括触觉和空间位置。

那么请先看看这个：⁵

停止恋物，正视工作：Apple’s Liquid Glass Design Prioritizes Content Over Tools

Controls are not tools. Controls allow you to adjust settings—change channels, select colors, pause playback, and more. Tools enable you to create, modify, delete, or give a performance. It’s the difference between a volume knob and a violin.（控件不是⼯具。控制元件允许您调整设置，包括更改频道、选择颜⾊、暂停播放等。⼯具允许您创建、修改、删除或提供表演。这是⾳量旋钮和⼩提琴的区别。）

Content comes and goes, but tools endure.（内容来来去去，但⼯具会持续下去。）

• 原文链接
• 论坛讨论

人类的热情好像一个常量，无论外界环境如何，都必须释放。在有事可为之际，我们称之为生产力；在无事可作之时，我们自嘲为恋物癖。

几乎可以断言，iOS 26 和 macOS 26 引入的液态玻璃设计，就是一种恋物癖的爆发。鉴于这一设计的始作俑者已经跑路⁶，任何理性的人都不需要再讨论液态玻璃的合法性，我相信在明年或后年的 WWDC 上，我们会看到有效界面的文艺复兴。

但较之液态玻璃这一设计本身，更糟糕的是关于它的讨论。知名 Apple 论坛 TidBits 指出，关于液态玻璃的讨论常常关注内容，但忽视了工具。

界面是我们用来工作的媒介，而不是工作的对象（不考虑界面设计师）。交互设计的祖师爷 Jakob Nielsen 早就坦言，设计的目标是优化任务，而非单个操作，把精力放在一颗按钮边缘的过渡效果上，毫无疑问是舍本逐末。

在现代医学之前，好医生的职责，就是避免患者受到庸医的伤害。当界面无法像唐纳德·诺曼所梦想的那样被消除之前，界面设计师的职能，或许就是降低界面对用户的阻碍。液态玻璃？谢谢，不用。

非常可悲，在 Apple 抛出一颗几乎是公认的臭鸡蛋之后，多数讨论却站在美食评论家的位置加以褒贬，极少有人敢站出来，指出吃臭鸡蛋是会食物中毒的。这意味着绝大多数人没有正视自己在真实世界中的工作，起码在讨论液态玻璃时，精力都浪费在了恋物癖上。

为什么还要读书，甚至是技术书：Why I Read Technical Books

When I reach the last page of a book, I can feel confident that I’ve been exposed to all the material it contained.（当我读到⼀本书的最后⼀页时，我可以确信我已经接触到了书中包含的所有材料。）

原文链接

这年头，看书不奇怪，奇怪的是有人还在看技术类书籍——而不是网页文章、视频或大语言模型对话——更奇怪的是，竟然还看纸质技术书。

Gauer 提供了一条足够有说服力的理由：书籍是一个完整的对象，你可以确信，读一本书时，作者已经提供了你需要的绝大多数信息，只要你符合作者的能力期待。打开书，读，不会缺斤少两，也没有令人分心的超链接。

这种安心的阅读体验实属难得。作家兼装帧设计师 Craig Mog 也认为，好书应当提供完整安静的环境，你可以坐下来慢慢读。回想阅读网页文章，最怕读到一半撞上一些非读不可的引文，为此我还写过一个超链接高亮工具——不打开这个超链接显然不影响你阅读本文，但你还是可能忍不住想看看——在剪藏文章时就先检查潜在的链接，把有必要看的一箩筐全剪下来，免得读到中途又联网找原文。书籍则不然，尤其是纸质书，你天然不能随手打开超链接。

同时，完整性或言完备性，也是测试一本书是否良好的指标之一。那些汇编网页文章而成的书，若未经修订，往往充斥了很多链接和参考文献，频频打断阅读体验。而一气呵成或编排得当的书籍，通常会考虑到完备性，不会把责任全部丢给被引文献。

技能正在通胀，经验严重不足：Designers are facing upskilling exhaustion

However, the constant need to learn new tools and upgrade our skillsets just to stay relevant in the design world leaves us with less time for craft. Craft means taking the time to experiment, make mistakes and sit with ideas and let them stew. Production and consumption are two sides of the same coin and, in their extremes, both lack stillness. By constantly existing within a technological learning curve, we’re foresaking the time we could have spent with our craft.（然而，为了在设计世界中跟上潮流，不断需要学习新工具和升级我们的技能，这让我们花更少的时间完善工艺。工艺意味着花时间去尝试，犯错，带着想法坐下来，让它们慢慢成熟。生产和消费是同一枚硬币的两面，在极端情况下，两者都缺乏静止。被技术学习曲线牵着鼻子走，我们正在忽视本可以花在工艺上的时间。）

古人云，技多不压身。然而，这是在商业秘密成惯例、偏方传男不传女、只可意会不言传的古代，如今信息泛滥，上手一门技艺，或者说拿到证书，门槛并不高。我本人读书散漫，也能够在短短几十天的复习后，超出国家法律职业资格考试分数线一大截。号称天下第一考的考试尚且如此，其他新东方式的证书究竟如何，也大致可以预料。

拿到一张准入证书，还仅仅是开始，我的同事们，还热衷于考取心理方向、税务方向以及经济方向的证书，即便他们可能好多年都不代理相关领域的案件，但有一个证书，就增加了中标机会和入场门票。

Swanson 在设计师行业中也发现了前述技能通胀现象，有某种不成文的规矩，设计师似乎必须掌握最新潮的设计工具，早先是 Sketch，前几年是 Figma，这些天是 Nano Banana 等人工智能驱动的工具。设计师技能通胀和该行业巨大的流动性有关，如果你的简历上只有“熟练掌握 Photoshop”，很容易被甲方当成刚刚毕业的小孩——Photoshop 是传统考试项目之一。

很不幸，技能通胀的代价是经验不足，盖考证虽然不那么困难，却也需要时间，短则数月，长则几年。这些时间同样可以投资到实践经验上，但如果你正在投简历，“五年工作经历”往往不如五张不同的证书好使。经验很难体现在简历上。

但经验的含金量恰恰更高。互联网和人工智能可以把信息压缩到免费，甚至贴钱给你，但信息依然需要检验。验证陷阱和验证成本永远存在，经验，就是经验证的信息。恰恰是基于廉价以及未验证信息的技能通胀，让我更有信心做自己的工作，因为人工智能会帮我消灭那些“知道分子”同行。

今年所摘的文章，难免总是提到人工智能，为了不显得太俗套，我以本节的总结作结：如果人工智能正在引发技能通胀，那么，试试投资专业经验，很快，你就能用更低的价格雇佣更好的伙计。