# Claude Code 开发者谈AI时代技术写作的核心：深耕经验，善用工具

- 来源：meng shao (@shao__meng)
- 发布时间：2026-05-08 09:33
- AIHOT 分数：64
- AIHOT 链接：https://aihot.virxact.com/items/cmow8ymti03t2slcx5sa0vsqd
- 原文链接：https://x.com/shao__meng/status/2052562587695608144

## AI 摘要

Claude Code开发者Thariq认为，高质量技术文章的基础在于深入具体的工作经验，而非写作技巧。他提出“先深耕，后叙事”的两步法：长期研究积累独特细节，再将经验转化为对读者有用的故事。有效方法包括注重长期积累、分享经验而非单纯描述项目、披露失败尝试的价值、使用简洁语言及提供真正有价值的实施细节。对于AI写作，他肯定其在研究、图表生成等方面的辅助作用，但强调人的叙事判断不可替代——AI能整理信息，却难以决定“读者此刻最需要理解什么”，这使得在AI辅助下人的判断反而更加关键。

## 正文

Claude Code 开发者 @trq212 谈：技术写作是如何改变了他的生活

Thariq 多次写出 1M+ 阅读量的技术文章，这次和 @MilksandMatcha 的访谈中，他把 AI 时代的技术写作讲得很清楚：真正有价值的技术内容，基础不是写作技巧，在于你是否做过足够具体、足够深入的工作。写作只是把这些经验变成别人能理解、能使用、能信任的表达。

写作主线可以概括为两步：
1. Sow：先做真实、有深度的工作。
你要长期研究一个问题，做实验，试不同方案，积累别人没有的细节。
2. Reap：再把这些经验讲成一个有用的故事。
不是写"我们做了 X"，而是写"这里有一个你可能需要的经验，它来自我们做 X 的过程"。

Thariq 提炼的有价值的方法：
1. 好文章往往来自长时间积累，而不是短时间写作。
他举了 Claude Code 里 "Ask User Question Tool" 的例子。文章可能两天写完，但背后的功能、实验和理解用了一个多月到两个月。文章能传播，不是因为写得巧，而是因为背后的工作本身有价值。

2. 要讲"经验"，不要只讲"项目"。
"How we built X" 通常不如 "An important lesson you might like， informed by X"。也就是说，读者不一定关心你们做了什么项目，但会关心他们能从中学到什么。

3. 被放弃的方案也很重要。
他认为很多信息藏在"没成功的尝试"里。因为这些内容能帮助读者理解为什么最终方案看起来简单，但其实经过了很多判断。

4. 尽量用简单语言。
他不反对专业术语，但反对为了显得复杂而堆术语。能用简单语言解释清楚，往往说明你真的理解了。

5. 要分享真正有价值的细节。
他提到 Claude Code 的 system reminders、prompt caching、session management、context compaction 等例子。真正吸引技术读者的，不是宏观观点，而是那些他们看完后会说"这个我之前不知道"的细节。

Thariq 对 AI 写作的判断：
Thariq 并不否认 AI 的价值。他会用 Claude Code 做研究，比如让它查 Slack、GitHub、代码历史，帮助还原某个功能是怎么演进的；也会用它生成图表、做大纲、辅助头脑风暴。

但他很少直接用 AI 生成初稿，即使用了也常常重写。原因是：AI 能整理已有信息，但很难替人找到最有力量的叙事角度。尤其是技术内容，同一组材料可以讲很多故事，真正困难的是判断"现在读者最需要理解什么"。

这对今天的写作者很有参考价值：AI 让整理材料和制作配图更快，但没有取消人的判断。相反，人的判断变得更重要。

### 引用推文

> Sarah Chieng："Technical writing completely changed my life." - @trq212 In under 2 years, Thariq (@AnthropicAI) cracked the code on writing technical articles that consistent...