AI 时代，我们还有必要学 LaTeX 吗？深度解读 Stack Exchange 热议

当 AI 开始接管代码编写，LaTeX 学习者真正需要思考的，或许不是“还要不要学”，而是“应该学到什么程度”。

最近，TeX - LaTeX Stack Exchange 上出现了一个引发讨论的问题：

我已经学习和使用 LaTeX 将近两年了。但现在，AI 几秒钟就能生成我想要的代码，这让我失去了继续深入学习 LaTeX 的动力。我还应该继续学吗？如果应该，理由是什么？仅仅是因为兴趣，还是有更实际的原因？

原问题发布后，社区用户给出了不同角度的回答，涉及数学公式输入、文档维护、AI 生成代码的可靠性，以及学习本身的意义。

这些回答没有简单地得出“AI 无法取代 LaTeX”这样的结论，反而提出了一个更值得思考的问题：当 AI 降低了技术门槛，我们是否还需要掌握技术本身？

原文链接：Why should I continue learning LaTeX? https://tex.stackexchange.com/questions/767175/why-should-i-continue-learning-latex/

一、AI 都能写 LaTeX 了，为什么还要自己学？

过去，学习 LaTeX 往往意味着要花费大量时间理解命令、环境、宏包和编译机制。

遇到一个复杂的表格，需要查阅宏包文档；想调整公式编号，需要理解相关命令；碰到编译错误，还要在日志中寻找线索。

而现在，只需要告诉 AI：

• 帮我写一个支持中文的 LaTeX 文档。
• 帮我绘制一个带箭头的 TikZ 流程图。
• 帮我设计一个具有出版级排版效果的表格。
• 帮我修复这个编译错误。

AI 就可能直接给出一份看起来相当完整的代码。

这自然会让一些学习者产生疑问：既然 AI 能完成这些工作，我为什么还要记住那些命令？

这个疑问并不奇怪。

如果你的目标只是偶尔生成一份 PDF，那么确实没有必要把自己培养成 LaTeX 专家。AI 可以帮助你跳过大量基础工作，让你更快获得想要的结果。

但问题在于，生成一份能编译的文档，与真正掌控一份文档，并不是同一回事。

这也是原讨论中最值得关注的分歧。

二、观点一：LaTeX 不只是排版工具，更是科研工作流的一部分

在讨论中，一位数学与公式排版经验丰富的用户 Kai 分享了自己的工作习惯。

对他而言，LaTeX 最重要的用途之一，是快速记录数学思路。

他习惯直接使用 LaTeX 写笔记。随着想法不断发展，他可以随时修改内容、重新组织结构、补充图形，最终将这些笔记整理成能够与合作者交流、甚至用于正式发表的文稿。

这意味着，LaTeX 并不只是写作完成之后才使用的排版工具。

它也可以成为思考、记录、修改和传播知识的工具。

试想一下：当你正在推导一个公式，或者整理一个复杂的数学证明时，你不可能每写一句话，就停下来向 AI 描述一次自己的意图，再等待它生成代码。

如果你熟悉 LaTeX 的数学环境、常用命令和快捷输入方式，直接敲出公式往往更加自然，也更容易保持思路的连续性。

AI 在这里可以发挥辅助作用，例如帮助解决罕见的编译错误、解释警告，或者优化复杂表格的排版。

但高频、熟练的日常操作，仍然值得自己掌握。

真正的效率，不是每一步都交给 AI，而是知道哪些步骤自己完成更快，哪些步骤适合交给 AI。

当然，这种优势并非所有用户都同样明显。对于只需要偶尔生成简单报告的人来说，直接使用 AI 可能更合适；对于每天处理大量公式、图表和科研文稿的人来说，熟练掌握 LaTeX 的价值则更加突出。

三、观点二：AI 能生成代码，但你必须对最终文档负责

这是原讨论中我认为最有启发性的观点之一。

另一位回答者 Gabriel 提出了一个思路：不要只把 AI 当作完成一次性任务的工具，而要把自己的文档看成一个需要长期维护的产品。

假设你让 AI 生成了一份论文模板。

第一次编译，结果看起来不错。

但过了一段时间，你可能需要：

• 将文章从单栏改成双栏。
• 更换期刊模板。
• 调整参考文献格式。
• 修改章节结构和图表编号。
• 解决新加入宏包带来的冲突。
• 将文档交给合作者继续编辑。

这时，问题就出现了。

如果你完全不了解生成的代码，每次修改都只能继续询问 AI。一旦 AI 的修改引入了新的错误，你可能很难判断问题究竟出在哪里。

而如果你理解文档的基本结构，知道哪些命令控制标题、哪些宏包负责表格、哪些设置影响参考文献，就可以判断修改是否合理，并决定下一步怎么做。

AI 可以根据你的要求生成代码，但文档的目标、质量标准和长期维护需求，最终仍然需要由你来把握。

这并不意味着 AI 不能帮助维护文档。恰恰相反，AI 可以协助重构代码、定位问题、解释宏包选项。

关键在于，你需要具备足够的判断能力，才能确认这些修改是否真正解决了问题。

AI 负责提供方案，你负责判断方案是否正确，以及它是否符合自己的需求。

四、观点三：AI 生成的 LaTeX 代码，并不总是正确的

在原帖的评论区，有用户指出，AI 有时仍然会对现代 LaTeX 功能产生错误理解，例如：

• \NewDocumentCommand 等命令及其用法。
• LaTeX 的 Hook 机制。
• expl3 编程接口。
• 某些宏包的具体选项和兼容性要求。

这些例子提醒我们：AI 能生成看起来合理的代码，不代表它真正理解了代码所处的环境。

尤其是 LaTeX 生态中，宏包数量庞大，不同宏包可能存在依赖关系、命令冲突和版本差异。即使代码成功编译，也不意味着排版结果完全符合预期。

例如，AI 可能给出一段使用了不存在的 TikZ 键值的代码；也可能生成一个可以编译的表格，却没有达到期刊要求的格式。

这时候，如果你掌握基本的排错方法，就能更有效地定位问题：

1. 查看编译日志，确认错误发生的位置。
2. 检查命令、环境和宏包选项是否正确。
3. 判断问题来自代码本身，还是宏包之间的兼容性。
4. 查阅对应宏包的官方文档。
5. 让 AI 根据具体错误信息提出修复方案，再进行验证。

原讨论还提出了一个值得警惕的问题：如果你不理解 AI 生成的代码，又如何判断它是否可靠？如果代码存在问题，最终又由谁承担后果？

对于科研论文、学位论文和正式出版物来说，这些问题尤其重要。

因此，学习 LaTeX 并不是为了与 AI 比拼代码生成速度，而是为了拥有检查、理解和修正代码的能力。

五、观点四：AI 时代，学习 LaTeX 反而可以变得更轻松

值得注意的是，原讨论并非一味强调 AI 的局限。

另一位用户 jpa 提出了一个相反但同样有道理的观点：

AI 实际上可能让学习 LaTeX 变得更有价值，因为你不必掌握那么多知识，就能完成自己需要的工作。

过去，为了实现某种复杂排版效果，你可能需要花很长时间查阅资料，理解宏包的各种参数，再一点点调试。

现在，你可以让 AI 先生成一个可运行的示例，然后逐步学习其中的关键部分。

例如，你想使用 TikZ 绘制一个科研流程图，可以采用这样的学习方式：

第一步：让 AI 生成一份完整的 TikZ 示例。

第二步：先编译代码，观察最终效果。

第三步：要求 AI 解释 node、draw、positioning 等关键命令。

第四步：尝试修改节点位置、颜色、线条样式，观察结果的变化。

第五步：遇到问题时，结合编译日志和官方文档进行排查。

这样，你不必先完整阅读一本厚厚的手册，再开始实践，而是可以从实际需求出发，在解决问题的过程中逐步积累知识。

当然，AI 的解释也可能有误，生成的示例也需要验证。因此，官方文档和可靠的社区答案仍然是重要的学习资源。

这是一种值得尝试的学习方式：不必先学会所有知识才开始使用，也不必因为 AI 能够生成代码，就放弃理解代码。

六、观点五：不是所有人都需要成为 LaTeX 专家

原讨论中的另一位回答者 Apoorv Potnis 给出了更加务实的看法：是否深入学习 LaTeX，取决于你的目标、兴趣、时间和实际需求。

这个观点很重要。

我们没有必要把每一个 LaTeX 用户都培养成宏包开发者，也没有必要要求每个人都理解 TeX 引擎的底层机制。

不同用户需要掌握的知识，本来就应该有所区别。

如果你只是需要完成一份课程作业，掌握基础语法并借助 AI，可能已经足够。

如果你经常撰写论文、制作学术报告、维护复杂模板，那么深入学习就能为你带来持续的效率收益。

如果你享受研究排版细节，或者希望开发自己的宏包，那么进一步学习 TeX 和 LaTeX 内部机制，本身就是一项值得投入的技术兴趣。

学习的目标不是掌握尽可能多的知识，而是掌握对自己真正有用的知识。

七、那么，AI 时代究竟应该怎样学习 LaTeX？

综合这场讨论，我更倾向于一个务实的结论：

不要停止学习，但也没有必要沿用过去那种从头到尾死记硬背的学习方式。

我们可以把学习分成三个层次。

第一层：掌握基础，让自己能够独立完成常见任务

建议重点掌握：

• 文档类与基本结构：\documentclass、\begin{document}。
• 常用章节命令和列表环境。
• 数学公式与常见数学符号。
• 图片、表格、标签和交叉引用。
• 参考文献的基本处理方法。
• 宏包的加载方式与基本配置。
• 编译流程和常见错误的识别。

这些知识不需要全部死记硬背，但最好能够理解其基本作用。

第二层：学会阅读和修改 AI 生成的代码

这是 AI 时代尤其重要的一层。

当 AI 为你生成一份文档时，不要满足于“能够编译”。

试着弄清楚：

• 为什么需要这些宏包？
• 这个命令控制什么？
• 哪些设置可以安全修改？
• 如果需要改变版式，应当修改哪里？
• 出现错误时，应该从哪里排查？

你不需要立即理解每一个细节，但至少应该逐步建立起阅读、判断和修改代码的能力。

第三层：围绕实际需求深入学习

当基础知识已经足够支撑日常工作，就可以根据自己的方向继续深入。

如果你经常绘制科研图形，可以学习 TikZ/PGF 和相关绘图宏包。

如果你需要维护复杂的论文模板，可以深入研究文档类、宏包接口和参考文献机制。

如果你希望开发可复用的排版工具，可以进一步学习 LaTeX3 和 expl3。

如果你经常遇到疑难问题，则可以多研究宏包文档、编译日志，以及 TeX - LaTeX Stack Exchange 上的高质量回答。

这时候，AI 可以成为你的辅助教师，帮助你理解陌生命令、构造最小示例和解释错误信息。

但真正让你进步的，是你在实践中形成的判断力。

八、最后一个问题：如果 AI 越来越强，学习还有意义吗？

这场讨论最有意思的地方，在于它最终超出了 LaTeX 本身。

有人认为，掌握一项技能不仅是为了完成任务，也是为了训练自己的思考能力。

有人认为，知识本身就有价值，即使 AI 能帮助我们完成工作，也不意味着理解过程变得毫无意义。

还有人提醒我们：如果只是想得到一份漂亮的 PDF，没有必要钻研所有技术细节；但如果希望掌控自己的文档，就需要对它有足够的理解。

这些观点并不矛盾。

我们学习 LaTeX，可以是为了提高效率，可以是为了写好论文，也可以是因为喜欢研究排版和技术。

没有哪一种动机天然优于另一种。

真正需要警惕的，不是 AI 替我们写了多少代码，而是我们是否逐渐失去了判断结果、理解问题和独立解决问题的能力。

当 AI 可以轻松生成代码时，机械记忆命令的价值可能会下降；但理解文档结构、判断排版质量、定位复杂错误，以及把技术应用于真实科研工作的能力，仍然值得培养。

未来，我们或许不再需要每个人都成为 LaTeX 高手。

但对于那些希望长期使用 LaTeX、维护科研文档、开发排版工具的人来说，理解它依然是一种重要的能力。

最理想的状态，不是拒绝 AI，也不是把一切交给 AI，而是让 AI 帮你完成繁琐工作，同时让自己始终拥有理解和掌控工作的能力。

因为：

• AI 是强力外挂，而不是思维替身：我们再也不需要去死记硬背那些晦涩难懂的宏包底层细节，AI 可以帮我们快速生成框架、排查棘手的报错。
• 基础知识依然是鉴别力的基石：正如网友所言：“（1）你怎么知道 AI 生成的代码好不好？（2）你愿意承担不懂代码带来的隐藏成本吗？”没有基本功，你甚至连 AI 挖的坑都看不出来。

在 AI 狂飙突进的今天，学习一门技术不再是为了“比机器跑得更快”，而是为了保留掌控权、享受创造的乐趣，并让我们拥有对复杂事物的深度理解力。

工具会不断变化，但理解问题、判断结果和创造解决方案的能力，始终值得投入。

下一次当你面对复杂的排版需求时，不妨让 AI 做你的副驾驶，而方向盘，依然稳稳握在你的手里。

你认为 AI 时代还有必要系统学习 LaTeX 吗？你更倾向于让 AI 直接生成代码，还是自己掌握核心技术？欢迎留言讨论。

本文根据 TeX - LaTeX Stack Exchange 社区讨论整理与改写，原文及完整回答请见：Why should I continue learning LaTeX?。

https://tex.stackexchange.com/questions/767175/why-should-i-continue-learning-latex