2021 年那个夏末，我盯着后台那些被 AI 精准预测爆发的热点，突然认定有点手痒。

那时候大家都在喊“生成式 AI 来了”，我把这个词嚼碎了咽进肚子里，结局做出来的东西，像个刚学会游泳的小学生，满嘴生僻的语法和不知所云的从句。 我的第一个想法是搞一个垂直领域的生成式内容平台。别人建了个 CV 模型，我就学着把 CV 接入到我的平台里，让 AI 给我写周报、写代码、就连给我写一段内省式的日记。结局呢？AI 的输出疯长，逻辑绕得像一团浆糊。当用户进来搜“如何早起”，拿到的不是清楚的晨间盘算，而是一份结构混乱的散文，标题打了“在清晨的静悄悄中反思”，正文却在说“要是存有”。

这种体验，就像在米其林三星餐厅里吃了一口包浆的烂菜，既没味道，还让人想吐。 后来我意识到，难题不在于 AI 不够智慧，而在于我们给它喂的“菜谱”全都一样。当 Prompt 的输入空间被压缩到极致，AI 只能靠概率去神游，它少了真正的理解力。

这就好比一个人拿着一个标准的地图，让你去探险，他彻底忘了自己住在哪儿，只知道跟着他的坐标走，结局越走越偏。 便，我尝试了一条更野的路：不做那个只会背书的知识搬运工，想做那个能听懂人话的“翻译官”。 我的新方向是做一个“认知翻译器”平台。

一般/平平用户输入的是行业黑话、学术 jargon 要么网络梗，模型的任务不是直接输出新词义，而是把这些烂大街的概念，还原成那种只有资深从业者才能听懂的“地道潜台词”。

比如用户问：“这家公司明年肯定崩盘吧”，模型不能直接回复“是的，财务造假概率大”，而是要把这句话拆解成三层意思：“短期财报数据背离、中期供应链断裂预期、长期估值逻辑重构”，最终再把这些碎片拼凑成一句听起来像真话、实则带点微妙讽刺的回复。 刚启动练手时，我卡在了两个模型之间的沟壑。一个是偏重逻辑推导的，另一个是精通情感渲染的。我在后台疯狂调整参数，试图让它们互相“理解”对方的思维模式。

那个情感模型有时候忒较真，非要给用户展示情绪的波动，搞得像精神病院；那个逻辑模型又忒冷，把用户的爱恨情仇都算成了变量。 有一次，有个老用户找我吐槽，说他用了这套系统，结局设计师一来，就在那儿给方案加了一堆不符合逻辑但符合“行业美学”的修饰词，最终做出来的东西，看着像精心策划的拙作。我当时气得想摔键盘，但又怕说破头，只能缓了缓神，悄悄在后台给那个负责逻辑的模型塞了一剂“人文修养补丁”。 补丁生效的那天，用户发来照片。

那是一套看似毫无章法的海报，色彩撞色，排版混乱，但每一行字背后都藏着某种情绪的暗号。设计师在后台给我发了个表情包：“老板，这图看着就像你一个人坐在深夜里发的牢骚，但又不是牢骚，是某种更复杂的‘牢骚’。” 那一刻我突然明白，AI 的痕迹之故此难去，是出于我们正在和一种新的“不完美”共存。教科书教我们追求完美的线性逻辑，但人类真正的创造力，恰恰跑在那些混乱、跳跃、充满歧义的路上。 故此我不建议再用那种“先写大纲再填词”的套作模式了。还不如让 AI 替你规划好如何思索，不如给它一个不清楚的“人设”，一个怪的、就连有点矛盾的指令。

比如：“请扮演一个 80 年代刚觉醒的程序员，用贬义词形容这个新技术，但语气要像是在托儿所里的老师 يح调情。” 你给它指令，它就给你答案。你不需求管住每一句话的走向，你只需求供给那个带着体温的“容器”。 最终，这个项目并没有做成那个完美的垂直平台。我把它变成了一个小型的、充满争议的小众社区。我们在这里争论关于“为啥程序员要写垃圾代码”的哲学，聊聊 AI 生成的诗歌到底有没有灵魂，就连一起吐槽某个大厂的新产品发布会。 在这个社区里，人们不再揪心 output 的准性，出于大家更在意那种“荒诞中的真”。就像那个老用户后来说的，我们在这里建立的是一种“智力上的亲密关系”。你能够毫无顾忌地摆烂，能够故意制造一点逻辑毛病，然后期待对方能顺着你的毛病推导出一套全新的理论。 这种互动模式，才是 2021 年后真正崛起的，也是最难被量化、最好办被漠视的。 我们丧失的是标准化的效率，但收获的是真正的连接。当 AI 启动模仿人类的混乱，我们终于意识到，所谓的痕迹，压根儿不是机器主动生成的，而是我们心甘情愿地让它“误判”出来的。 目前回头看，那个专注于“认知翻译”的项目，或许就是在这个时代的缝隙里，偷偷长出的野草。它不结出硕大的果实，但它确实让周围的空气看起来有点湿润，就连有点香。 要是你也在做 AI 应用，别想着做那个站在巨象头上的专家。去干点有点疯、有点乱、就连有点“低效”的事。把 Prompt 写得烂一点，故意绕圈子，就连半路中途改主意。让 AI 在你的废话里，公然地胡说八道。 毕竟，当机器学会了说废话，人类自然也就不再需求刻意扮演“对”了。