这些年，我做过文字、音频和视频。
我知道声音怎样陪人走过一段通勤，也知道视频如何用几秒钟把人拉进一个场景。现在做 AI 产品，我每天面对的又是一种新的媒介：用户说一句，系统回应一句，内容在互动里不断改变方向。
可当我想认真留下一个东西时，最后还是常常回到图文。
不是因为它更新，也不是因为它更容易。恰恰相反，图文看起来太普通了：一张照片，几段字，没有自动播放，也没有声音替它制造情绪。
我喜欢的，正是这种安静。
不同媒介，决定了我们怎样一起度过时间
音频有很强的陪伴感。
人可以一边走路、开车、整理房间，一边听另一个声音缓慢展开。好的音频不需要一直抓住注意力，它更像有人在身边，和生活并行。
视频的力量则来自同时发生。人物、动作、声音、字幕和节奏一起抵达，很多难以描述的气氛，可以在一个镜头里被迅速感知。它适合展示变化，也适合让陌生人很快建立印象。
但这两种媒介都有更强的时间顺序。内容从前往后播放，创作者在很大程度上决定了观众何时看见什么、停留多久。
图文把一部分时间还给了读者。
他可以扫过，也可以停在一句话上；可以先看照片，再回头读开头；也可以隔几天重新打开，只寻找上次没有注意到的细节。阅读不是被动地跟随，它允许人用自己的速度进入。
照片负责让生活出现，文字负责说明我为什么看见它
做「甜粒子」时，我很喜欢去找一个城市里具体的东西。
可能是一束落在旧建筑上的光、一间刚好保留了原来结构的店、一段走过去才会发现的街道。照片先把那个瞬间留下来，文字再慢慢回答：我为什么在这里停住，它和这座城市有什么关系，别人如果也想来，可以怎样走进去。
只有照片，感受容易停在「好看」；只有文字，很多质地又会变得抽象。
图文放在一起，既能保留现场，也能留下判断。它不会像短视频一样急着在最初几秒制造高潮，而是允许一个普通的细节慢慢变得重要。
这也是我后来想在个人网站里同时放文章和照片的原因。履历可以说明我做过什么，项目可以说明我怎样解决问题；照片和文章却会暴露另一部分更难概括的我：我会被什么吸引，怎样安排信息，又愿意把注意力留给什么。
喜欢图文，不意味着它适合所有表达
如果一件事的核心是动作、声音或实时变化，视频当然更准确；如果内容需要长期陪伴，音频可能比屏幕更体贴；如果用户需要通过追问找到自己的答案，对话式产品又提供了图文没有的可能。
媒介没有高低。问题只在于，我们希望和对方建立怎样的关系。
我不喜欢为了平台习惯，把所有内容都强行拍成视频。有些想法需要被看见过程，有些感受只适合被轻轻读完。选择图文，不是拒绝更热闹的形式，而是承认注意力也可以用另一种方式被对待。
现在，生成一段声音、一支视频或一篇文字都越来越容易。形式变得廉价以后，选择哪一种形式反而更像一种判断：什么必须被听见，什么应该被看见，什么值得让读者自己掌握速度。
我仍然喜欢图文，因为它给创作者足够的构图空间，也给读者足够的自由。
我们在同一个页面相遇，但不必用同一种速度走完它。