一次搜索，两种答案
在 Google 搜索「Kubernetes HPA 内存阈值怎么设」，前三条结果中有两条是 AI 生成的。它们结构工整、排版漂亮，甚至附了 YAML 示例——但那条 YAML 里的 averageUtilization 配在了一个根本不支持内存指标的 API 版本上。配了就能跑？不能。报错信息是什么？没说。生产环境这么配会怎样？没提。
第三条结果是一个个人博客，排版朴素，没有目录锚点，代码块里的注释带着错别字。但作者写了他所在团队在双十一压测时遇到的实际场景：HPA 内存阈值设 80% 时 Pod 被反复 OOMKilled，降到 60% 后稳定了，但扩缩容策略得跟着改。他给出了压测数据、调整前后的 P99 延迟对比，以及一个他踩过的坑：container_memory_working_set_bytes 和 container_memory_usage_bytes 的差值在校验时会产生误导。
前两条结果没有人收藏。第三条被加进了书签。
这不是一个关于「AI 生成内容质量差」的老生常谈。这是一个信号——在 AI 时代，个人博客的价值锚点正在发生根本性位移。以前写博客是为了「提供信息」；现在 AI 提供信息比人快、比人全、比人格式漂亮。那写博客还为了什么？
这篇文章是对这个问题的认真思考。不会给你「拥抱 AI」「做自己」这类正确的废话。下文会具体分析什么在变、什么不变、以及个人博客可以怎么做。
三个不可逆的变化
先把现实摊开。以下三个变化不是预测，是已经在发生的事。
变化一：信息供给从稀缺变成泛滥
一个不争的事实：AI 一天能生成的文章量，超过人类历史上所有个人博客的产出总和。这意味着什么？意味着「写出别人没写过的东西」不再是竞争优势——因为「别人写没写过」的判定标准已经崩溃了。花三小时写的 Spring Boot 入门教程，AI 三秒钟能生成十篇，每篇都带目录、代码高亮和 FAQ 段落。
但反过来看：信息供给泛滥，会同时推高另一件事的价值——信号筛选。当所有人的信息源都是 AI 吐出来的，那个真正跑过生产环境、踩过坑、付过成本的人说的话，就变得稀缺。个人博客不是在和 AI 竞争信息供给，是在和 AI 竞争信任。
变化二：读者的入口从搜索变成了对话
以前读者通过搜索引擎找到博客——输入关键词，点进链接，阅读文章。这个链路的核心是 SEO。现在越来越多的人在 ChatGPT、Claude、Kimi 里直接问问题，AI 消化全网内容之后给出答案。读者的信息入口从「搜索引擎结果页」变成了「AI 对话框」。在这个链路里，博客文章被 AI 当作语料消化了，但读者不知道作者是谁，也不会访问原始站点。
这对个人博客意味着两件事。坏的一面：自然流量在不可逆地下降。好的一面：如果文章质量足够好，AI 更倾向于在回答中引用观点。被 AI 引用这件事本身，正在成为新的 SEO。
变化三：读者的信任模型变了
以前的信任模型是：搜索引擎排名高 → 看起来很权威 → 信了。现在的信任模型正在变成：AI 说什么半信半疑 → 要找真人验证 → 谁亲身经历过这件事，信谁。这个变化对个人博客是巨大的利好——因为「亲身经历」恰恰是个人博客最擅长提供、AI 最不擅长伪造的东西。
什么不会被 AI 替代
在讨论「怎么做」之前，要先厘清「什么是 AI 替代不了的」。这是制定策略的前提。
第一：具体经验
AI 可以写「Kubernetes 资源限制的最佳实践」，但它写不出「某团队在 2025 年双十一时，因为 HPA 内存阈值设错，凌晨三点被 PagerDuty 叫起来，排查了两个小时后发现是 working_set 和 usage 的差值在作祟」这种故事。不是因为它不够聪明，而是因为这件事没有发生在这个世界上除了那个团队之外的任何地方。AI 的训练数据里没有这段经历，它就永远写不出来。
这不是技术能力问题。这是数据来源问题。只要真实经历只发生在真实的人身上，个人博客就有一块 AI 抢不走的领地。
第二：有态度的判断
AI 可以列举十种微服务拆分策略，逐一分析优缺点。但当你问它「团队五个人，业务还在验证期，该不该拆微服务」，它只能给你一个平衡的回答——因为它的训练目标就是不偏不倚。而一个真正做过这件事的人可以说：「别拆。五个人维护一套 monolith 都嫌人手不够，拆了之后光是 CI/CD 管线和跨服务调试就能吃掉一半的开发时间。市面上至少有两家公司犯过这个错，每次都花了六个月以上才能回退。」
有态度的判断来自代价的支付。AI 没有付代价的能力，所以做不出真正有态度的判断。
第三：持续迭代的思想
AI 生成的内容是静态的快照——它基于某个时间点的训练数据给出答案。但一个人的技术博客是动态演化的——去年写「微服务是银弹」，今年发现银弹不存在，然后把两篇文章链接在一起。思想的演化过程本身就是最有价值的内容，因为它展示了从「知道」到「理解」的路径。AI 没有思想可以演化，它只能模拟演化的结果。
个人博客的应对策略
以上是理论。下面五条是实践。
策略一：从「覆盖知识点」转向「记录决策过程」
绝大多数技术博客文章的结构是「概念介绍 → 配置步骤 → 示例代码 → 总结」。这个结构的问题在于，它和一个 AI 生成的文章没有任何区别——人能写的 AI 也能写，而且写得比人快。
改进方向：写决策过程，不要写操作手册。操作手册是 commodity，决策过程是 asset。
举个例子。不要写「如何在 Spring Boot 中配置多数据源」，因为 AI 写这类文章比人强。要写的是：「某项目需要同时读写三个数据库，评估了四种多数据源方案，最终选了 AbstractRoutingDataSource 而不是 ShardingSphere，因为后者的 JDBC 层拦截带来了性能损耗，且引入了不需要的分片复杂度。这是代码，这是基准测试数据，这是三个月后的复盘。」
换一个角度理解：把文章从「what / how」转向「why / why not」。AI 擅长 what 和 how，不擅长 why 和 why not——因为 why 和 why not 需要在特定约束下做过取舍，而每个团队的约束都是独特的。
策略二：刻意保留「不完美」的信号
AI 生成的内容有一个共同的审美特征：结构对称、措辞圆滑、分段工整。这种「完美」本身就是信号——读者敏锐度提高之后，一看到这种格式就会本能地降低信任权重。就像逛淘宝时看到五星好评但配图都是精修效果图，会下意识地去找带实拍图的差评。
所以有意思的事发生了：博客里的粗糙反而变成了真实性的代理指标。错别字、随意的排版、带个人情绪的措辞——这些 AI 生成时会被刻意抹掉的东西——正在成为读者判断「这是一个真人写的」的依据。
这不是说博客主应该刻意写错别字。而是说，不需要把博客打磨得像公司官方文档。保留口语化的表达、个人的偏见、不完美的结构。这些「瑕疵」在 AI 时代变成了稀缺品。
策略三：建立可验证的身份线索
一个 AI 生成的博客和一个真人博客，最大的区别不在于文章质量——在于文章之外的信息密度。
点进一个个人博客，能看到作者的项目经历、GitHub 贡献记录、Twitter 发言、在别的平台的讨论痕迹。这些跨平台的身份线索构成了一个完整的「这是真人」的证据网络。AI 可以伪造一篇技术文章，但伪造不了三年的 GitHub 提交记录、几十个 Stack Overflow 回答、几条有具体上下文的技术讨论。
所以，博客不应该只是一堆文章，它应该是作者在互联网上的数字根据地。放上 GitHub 链接、项目页、其他平台的 ID。写文章时提及真实参与过的项目、解决过的具体问题。这些信息既能建立读者信任，也能帮助同行找到作者——在 AI 时代，认识一个靠谱的人比找到一篇靠谱的文章价值大得多。
策略四：深耕「窄而深」而非「宽而浅」
AI 的核心优势是广度——它能覆盖几乎所有领域的几乎所有话题，且质量达到「及格线」。在这个格局下，和 AI 拼广度是必输的。正确的策略是反过来：选择一个足够窄的领域，窄到 AI 的训练数据里关于这个领域的深度信息极少，而作者恰好是这个世界里最懂这个话题的几个人之一。
这不是让人去研究一个谁都不关心的冷门技术。而是说，与其写「Python 异步编程入门」，不如写「某团队在 asyncio + SQLAlchemy 1.4 的异步模型下遇到了连接池耗尽的问题，追了三天发现是 greenlet 和事件循环的交互在特定并发模式下出现了竞态」。前者 AI 能写一百篇。后者，如果当事人不写，可能三年内都没人写。
窄不是限制，是护城河。
策略五：让 AI 成为编辑，而不是替代者
这是最实用的一条。不要和 AI 对抗，把它当工具用。
推荐的写作流程：先写初稿（包含所有亲身经历和判断）→ 让 AI 帮忙检查逻辑漏洞、提补充角度、找表述不清的段落 → 再自行修改，加入更多个人经验和态度 → 发布。AI 做编辑的活——提意见、找漏洞、润色措辞。但文章的核心——经历、判断、态度——全部来自作者本人。
这个流程和传统博客写作的区别在于：以前花 30% 的时间在「写」上，70% 在「想」上。AI 可以把「写」的时间压缩到 10%，让 90% 的时间花在「想」上。 写出来的东西质量反而更高，因为在真正有价值的部分投入了更多精力。
个人博客的新定位：从媒体到根据地
总结一下。在 AI 时代，个人博客的定位需要从「内容媒体」转变为「数字根据地」。
内容媒体的逻辑是：生产内容 → 获取流量 → 变现。这套逻辑建立在信息稀缺的基础上。当信息不再稀缺，这套逻辑就塌了。
数字根据地的逻辑是：记录经历和思考 → 建立信任和声誉 → 吸引同频的人 → 创造意外机会。这套逻辑建立在信任稀缺的基础上。AI 让信息不再稀缺，但同时也让人与人之间真实的连接变得更稀缺、更有价值。
以 jwjwu 博客为例：没有广告、不接广告合作、不追求流量数据。但收到的私信里有人说「看了你写的文章，我们团队也遇到了类似问题，想请你做技术顾问」，有人说「你的文章是我看过最清楚的，谢谢你」。这些连接的价值，远大于几万 PV。
现在可以做的事
如果你有一个个人博客（或者打算开始写），以下是 AI 时代最值得做的几件事：
重新审视文章目录。 把每一篇文章拿出来问三个问题：这篇文章里有没有任何内容是 AI 写不出来的？有没有任何一个段落只有亲身经历过才能写出？如果答案都是「没有」，考虑重写或者归档。存量文章的质量比数量重要十倍。
降低发布频率，提高信息密度。 一个月写一篇「只有你能写出来」的文章，比一周写一篇 AI 能生成的内容有价值得多。别被日更的习惯绑架。在 AI 时代，更新频率不再是竞争力的组成因素——只有 AI 才需要靠频率来刷存在感。
把博客看作公共笔记本，而不是出版物。 用写笔记的心态去写——记录思考、保留疑问、展示不成熟的探索。AI 永远在追求给出确定的答案，而人类的思考过程本应包含不确定、犹豫和反复。这种「不完美但真实」的状态，是只有个人博客才能提供的东西。
2026 年 8 月，一个程序员在维护了两年个人博客之后的一些想法。