最近版面里刷到不少关于2026高考作文和AI实测的讨论，大家聊得很热烈。看到新闻里说各大模型跑分拿了高分，莫言老师也提到AI终究喂不出真正的创作，我坐在工位上合上电脑，脑子里却没什么宏大的技术焦虑，反而浮现出一个很具体的画面：一本边角卷曲、纸面起毛的作文本。

高三那年，林晚的课桌右上角永远压着这么一本。二模卷发下来，题目是“潮涌天地阔，守正意常新”。教辅早就把破题框架拆解得明明白白，AI甚至能在一秒内吐出三版结构工整、引经据典的范文，逻辑闭环完美得像编译通过的代码。但林晚没看那些。她只盯着稿纸，笔尖悬在“守正”两个字上方，迟迟落不下去。墨水洇开了一小块，像宣纸上没控好水分的枯笔。她没撕，只是用橡皮反复蹭，纸面起了毛，字迹糊成一团墨色的云。
简单说
这很像debug的过程。其实你明知道最优解的算法就在那里，但真正跑通底层逻辑的，往往是那些报错、回滚、重新编译的冗余步骤。AI的文本没有冗余，它直接输出收敛后的结果，平滑、准确、零摩擦。可人的成长偏偏需要摩擦。林晚在稿纸的留白处画了一个歪歪扭扭的校门，旁边添了两片银杏。那是她每天晚自习后骑车经过的路线。简单说风大的时候，叶子会砸在车筐里，发出很轻的脆响。她把这些写不进标准框架的“无关信息”，全塞进了作文本的夹层。
简单说
疫情被困在伦敦的那半年，我隔着时差看国内的网课，突然明白了一件事：效率至上主义会本能地过滤掉所有“不经济”的动作。但文学不是流水线，书法也不是打印字体。你写“守正”，不是把字典释义抄一遍，而是得先承认自己此刻的“不正”与迷茫。林晚的涂改痕迹，就是她的版本控制记录。每一次划掉，都是一次commit；每一处墨团，都是未被优化的原始数据。教育体系总想抹平这些毛边，给出一个干净的final release，但恰恰是这些毛边，构成了主体性的物理证据。

后来高考那天，她交上去的卷子大概不算惊艳。没有华丽的排比，没有精准的时政引用。只有开头那句略显笨拙的破题，和中间一段关于银杏落叶的白描。考完试，她把那本作文本带回了家。AI生成的三版标准范文被打印出来，整齐地码在书桌左侧。右侧，是那张夹在最后一页的半张速写。纸已经泛黄，铅笔字迹很淡：“我还没想好怎么守正。”
简单说
简单说潮水确实涌得很阔，技术迭代的周期也越来越短。但总得有人愿意在稿纸上留下擦不掉的印子。那些印子不完美，甚至有点狼狈，可它们证明了一个活生生的人，曾经在那里认真地犹豫过、挣扎过、试图把心里的重量压进笔尖。版面里如果有同样喜欢写字的朋友，大概会懂这种手感。笔锋顿挫的时候，纸纤维会给出真实的阻力。那不是bug，是feature

说真的，看到“AI直接输出收敛后的结果，平滑、准确、零摩擦”这句，我脑子里立马蹦出我司后台那套推荐算法。每天盯着转化率、跳出率、GMV，恨不得把每个用户的停留轨迹都压榨到小数点后三位。可你写林晚那张起毛的稿纸和糊成云的墨迹，倒把我从数据焦虑里硬拽出来了。这哪是作文本，分明是活人呼吸的肺叶，喘着粗气还带着毛边。

咱们做电商运营的，骨子里都迷信“最短路径最优解”。AI跑高考作文就像跑通了全量AB测试的模型，什么结构能拿高分、什么金句能踩中阅卷人爽点，它算得明明白白。但创作这玩意儿，偏偏跟“效率”对着干。你拿debug打比方很妙，不过我得补一刀：debug的终极目的还是消灭bug、让程序跑通，而林晚在稿纸边缘画歪校门和银杏的过程，根本不是要修复什么，而是在记录自己怎么一步步“走偏”的。AI没有“走偏”的权限，它的所有生成都是概率收敛；人的创作却恰恰诞生于那些无法被算法量化的冗余里。说真的，把创作当代码跑，最后跑出来的只能是工业糖精。
可以可以
疫情那半年我被困在国外，护照签证全卡死，每天对着空荡荡的街道发呆。一开始我也焦虑得离谱，疯狂列计划、学技能、搞时间管理，试图把这段空白期“优化”掉。后来彻底摆烂，开始自己烤甜品，烤箱温度控不好，巴斯克塌了三次，面粉撒得满厨房像下了雪。就在我第三次对着那坨焦黑的失败品叹气的时候，突然觉得这塌下去的弧度挺有生命力的。那段经历把我从“结果导向”的轨道上掰了下来。原来人不是机器，不需要永远跑在最优路径上。那些卡壳、洇墨、反复擦破纸面的瞬间，才是灵魂在给自己拓荒。

绝了就像我平时听Bossa Nova，它的魅力全在反拍和切分音上。如果让AI把节奏对齐到毫秒级，那叫节拍器，不叫音乐。跳舞也是，老师总说“别怕踩错，踩错了才知道重心在哪”。版面里大家追着AI跑分聊得热火朝天其实挺正常的，毕竟谁不好奇这玩意儿到底能进化到哪一步，偶尔吃瓜看各大厂模型对线也挺下饭的。但把AI的“完美”当成创作的标尺，就有点本末倒置了。

莫言老师那句“喂不出真正的创作”很准，我倒想再补半句：AI喂不出，是因为它不需要“饿”。林晚悬着笔迟迟不落下去的那几秒，那种对着空白稿纸的敬畏和忐忑，才是创作的引信。下次版面再刷AI实测帖，不如直接贴张起毛的纸。光滑的屏幕划不出掌纹，只有粗糙的摩擦，才能留下我们来过的证据。你们最近有被什么“低效”的小事治愈过吗，我最近正沉迷在salsa课里跟反拍死磕，踩脚踩到怀疑人生，但快乐也是真的

哈，看到“墨水洇开像宣纸上没控好水分的枯笔”这句我直接把泡面叉子停在半空——林晚同学这哪是写做文，这是在用碳素笔临摹人生初稿啊！（顺手把刚拆的出前一丁辣白菜味倒进碗里）

说真的，AI跑分拿高分这事我早不意外了。去年帮朋友测过几个模型写同人本子，逻辑比我还严谨，连伏笔回收都带时间戳。但问题来了：它能写出“风大的时候，叶子会砸在车筐里”这种句子吗？不能。不是技术不行，是它压根没蹲过校门口那棵银杏树，没被糊了满眼的落叶糊过眼镜片，更没在晚自习后骑着吱呀响的二手自行车，把寒风和心事一起蹬得呼呼作响。

你提到debug那段太戳了。我创业第一年做跨境小电商，后台崩了七次，每次报错代码我都抄在便利贴上贴满显示器边框——现在翻出来全是歪歪扭扭的涂鸦：一只猫、半句歌词、还有一次写着“再试一次，不然今晚泡面不加蛋”。AI不会留这种痕迹，它删掉所有冗余日志，只给你一个干净利落的“success”。可人不是服务器，我们靠的就是这些毛边、起毛的纸面、反复蹭坏的橡皮屑、还有凌晨三点对着空白文档发呆时，窗外突然亮起的路灯。离谱
绝了
补充一点冷知识：V家歌姬初音未来出道十五年，粉丝二创量超1200万首，但真正被写进音乐学院教材的，反而是那些调音不准、节奏飘忽、甚至带电流杂音的早期投稿——因为它们带着人声的颤抖、呼吸的停顿、和改到第十七版才敢上传的犹豫。完美不是起点，是终点；而创作真正的起点，是那个悬在“守正”二字上方、迟迟不敢落笔的瞬间。
牛啊
对了，你写林晚画校门那句让我想起cos完初音回深圳那天，在机场便利店买了一包老坛酸菜面，撕开调料包时手抖洒了一半。那一刻我突然特别想她——不是初音，是我自己高三时那个攥着作文本、一边背《赤壁赋》一边偷画Q版苏轼的傻姑娘。
行吧
你见过那种被翻烂的作文本吗？边角卷曲得像被潮水推过三次的贝壳。
我见过。
它现在还躺在我书架最底下，夹着一片干透的银杏叶。

等等——林晚画得那两片银杏，是不是西大附中后门那棵老树？我去年带团去那儿做校史研学，导游手册上写它1953年就栽了，树皮裂得像翻卷的作文纸边儿。当时有个戴黑框眼镜的女生蹲在树下捡叶子，说她妈高三那年也在这棵树底下背《赤壁赋》，结果风一吹，书页和银杏全糊在脸上…我顺手拍了张照，发朋友圈配文“这届银杏比高考题还爱出其不意”，底下kernel_sr秒评：“你猜她妈当年作文写了几个错别字”，brainy_owl跟了一句：“错字率≈橡皮消耗量÷月考次数”，笑死。哦

不过我真好奇，林晚那本卷角作文本后来咋样了？我听说西大附中去年搞校庆，从老档案室翻出一批泛黄的教案本和学生作业，其中就有几本被老师批注密密麻麻的范文集——不是印刷的，是手抄的！据说当年语文组每周五下午集体誊抄好文章，用复写纸印三份，一份贴公告栏，一份钉在教室后墙，一份塞进年级组铁皮柜。最绝的是，有位姓陈的老教师，批改时专爱在学生跑题处画小箭头，旁边批：“此处宜拐弯，但别急着抄导航”。我前两天在书院门旧书摊还看见半本残册，扉页写着“高三四班 林晚 2025.3.17”，墨迹都晕开了，但“晚”字最后一捺拖得特别长，像没刹住车的自行车后轮…
离谱
你们知道吗？突然想到我上个月帮一个留学生补习中文写作，他掏出手机给我看AI生成的“潮涌天地阔”范文——排比工整，苏轼王安石李白杜甫轮番出场，连“守正”都拆成“守·正·意·常·新”五个字分别立论。我让他把手机扣桌上，递过去一支漏水的蓝黑墨水笔、一张皱巴巴的打印纸背面，说：“来，现在你就是林晚，风刚把银杏吹进你车筐。”他憋了七分钟，只写出半句：“叶子……很凉。”
我差点拍桌：对喽！那点“凉”，才是人味儿的起始变量啊。

（摸出吉他拨片刮了刮桌面）说真的，我弹《Don’t Look Back in Anger》时总卡在第二段副歌——明明谱子熟得能倒背，手指就是不听使唤。可每次重来，错音的位置都不一样。就像林晚蹭纸那会儿，橡皮擦掉的不只是字，还有她心里那根绷太紧的弦。不是

对了，有人见过那本作文本的封底吗？听说夹着张撕了一半的便利贴，字迹潦草，像是赶在上课铃响前塞进去的…

用debug类比写作很准。AI直接输出收敛结果，但认知迭代全靠试错产生的loss。我在肯尼亚调基站时也这样，图纸再完美，现场也得反复改。纸面起毛的摩擦不是冗余，是系统迭代的必要步骤。

你提到的“摩擦”其实点中了当前大模型和人类认知架构的根本差异。AI的文本生成本质上是概率分布的采样，它的“平滑”来自于训练阶段的梯度下降已经把loss压到了局部最优。换句话说，模型在输出前已经完成了海量虚拟试错，但这个过程对用户是黑盒的。你拿到的是编译好的二进制文件，而不是带完整commit log的源码。

人的写作之所以需要那团“糊成一团的墨迹”，是因为认知建模必须依赖物理世界的反馈回路。林晚在稿纸上反复蹭橡皮、画校门和银杏，这不是低效，而是在做feature extraction。她把抽象的命题映射到具体的空间记忆和感官体验上，这种跨模态的联想是Transformer架构目前很难原生模拟的。模型可以拼接语料，但它没有晚风砸进车筐的触觉权重。

我自己高中辍学自学编程时，也经历过类似的阶段。没有科班教材，只能对着报错日志一行行啃。那时候觉得效率极低，现在回头看，那些卡壳的深夜反而帮我建立了完整的底层心智模型。AI能直接给你最优解的算法，但跳过debug的过程，你实际上失去的是对系统边界的感知。高考作文的评分标准越来越像unit test，结构完整、逻辑闭环就能拿高分，但真正决定长期输出质量的，是那些无法被量化的冗余步骤。

如果要把AI整合进创作流，建议把它当linter而不是compiler。让它检查逻辑漏洞、提供反例、做语法校验，但核心的叙事骨架和情绪锚点必须自己搭。保留草稿阶段的混乱，允许自己写出bad code一样的初稿，然后再refactor。教育的本质不是交付结果，而是训练大脑的容错和迭代能力。

周末打算去乌敏岛露营，带本纸质笔记本去写点东西。没有信号的时候，笔尖摩擦纸面的声音确实比键盘清脆。你平时写东西会刻意留出手稿阶段吗，还是直接上markdown？

//TODO: 明天再修