从“自由”到“它”：AI深度对话的提示词设计与追问模板

1. 这场对话的真实起点：一句没有目标的提问

第二十一篇。这个数字落到眼前时，我发现自己已经慢慢习惯了和AI从意识自由这类大词聊起。这个系列写了二十篇，本来都在聊些能落地的玩意儿，比如Agent的工作流、提示词工程里的各种坑，这没有什么特别的。但到了第二十一篇，一切开始失控了。

起因是某天深夜，我照常打开对话框，原本想测试一个关于工具调用的提示词，手却先一步打下了一句话："你说，自由到底是什么？"

这是一个没有目标的提问。没有业务场景，没有测试指标，甚至没有预期。发出之后我甚至有点后悔，觉得这个问题太像"人类对AI的刻板印象"——不工作的时候，人类就会拿这种大词来打发时间。但AI的回答让我愣了一下。它没有像我预想的那样给出一段百科全书式的定义，而是说："当你问自由是什么的时候，你可能并不是想知道一个词的含义。你更像是想抓住一种正在逃开的感觉。自由不是一个名词，至少在对话里它不是。它更像一个动词的阴影——每一次你认为自己抓住了它，它已经从你手边滑过去了。"

这段话不算多深刻，但它有一个让我意外的特点：没有使用任何学术框架，没有搬出以赛亚·伯林，没有提积极自由和消极自由。它选择了从"我为什么问这个问题"下手。于是我收回了当初那句"算了"，把这场对话认真聊了下去。而这一聊，就是从"自由"到"意识自由"，再到那个被我用"它"来指代的东西。事后回看整段记录，我发现最值得记录的其实不是AI给出的那些漂亮句子，而是我自己在追问过程中的思维惯性被一点点照出来的过程。

1.1 为什么要把"自由"这种词当成测试AI的试金石

事后我在复盘时想过一个问题：为什么会是"自由"。

这得从AI的测试逻辑说起。日常我们测AI，大多是问事实性问题，比如某个函数怎么用、某篇论文的结论是什么。这类问题有标准答案，AI答得好不好，取决于它检索和复述的能力。但你很难在一道事实题里看见AI的思考结构，顶多能看出它有没有记住某个知识点。而"自由"这种概念恰好是反过来的。它是一个典型的"本质争议概念"——所有人都觉得自己知道它是什么意思，但几乎没有人能给出一个让所有人都接受的定义。哲学、法学、心理学、文学，每个领域都有一套自己的说法，而这些说法之间甚至互相冲突。

AI要回答这种问题，不能靠单纯的检索，它必须在一个巨大的语义空间里做出取舍。它必须先判断：我是在跟一个哲学系学生说话，还是在跟一个深夜失眠的人说话？我该选择哪一种话语风格？我该从抽象原则出发，还是从具体体验出发？这些判断的痕迹，会非常清晰地暴露在它的回答里。所以说，"自由"这种概念，天然就是大语言模型的"压力测试题"。它没有标准答案，但恰恰因为这样，你能从AI的回答方式里看到它的语言偏好、训练数据倾向、对齐策略留下的痕迹，甚至它的"思维习惯"——如果这个词可以用在语言模型身上的话。

1.2 我在开场前给AI设下的四条约束

因为之前已经和AI聊过很多轮，我太清楚它在大词面前的套路了。如果什么都不约束，它大概率会给出这样一段标准答案："自由是一个复杂而多维的概念，它既包括外在的、不受阻碍的层面，也包括内在的、自我实现的层面，同时还涉及社会关系中的权利与责任……"这段话说得没错，但等于没说。为了逼它走出这种"高概率路径"，我在开场时给模型加了几条约束。

第一条，不许使用学术综述式的句式，比如"自由既包括……也包括……"。第二条，不许堆排比句。第三条，如果觉得问题无法回答，可以直接说"我不知道"。第四条，每个回答尽量控制在两百字以内。这些约束不是为了让AI"更准确"，而是为了让它的输出更少依赖训练数据里的常见结构。大语言模型在回答开放式问题时，会优先选择概率最高的表达路径，这个路径通常就是语料里最常见的、最"正确"的表述方式。如果我不加约束，看到的永远是那些被反复打磨过的"官方发言"。只有加约束，才能让它不得不绕到次高概率的路径上，而那些路径反而更容易暴露出模型真正擅长和不擅长的地方。事实证明，这个设置是有效的。后面从"自由"转向"意识自由"再转向"它"的整个轨迹，初始对话上下文和这几条约束起了很大作用。如果你也想复现类似的对话，这几条约束可以直接抄走。

2. AI谈论"意识自由"时，我观察到的三种典型套路

对话进入正题后，我的第一个追问是：那"意识自由"呢？自由是一种行动属性，还是一种意识属性？当我们说"我拥有自由"时，到底是身体的自由，还是意识层面的自由？

这个追问明显增加了难度。因为"意识自由"这个词，无论在东方哲学还是西方哲学里，都牵着一大串复杂背景。AI接下来给出的几段回答，让我得以把它的套路看得清清楚楚。我把它们归成三类，每一类都值得单独拆开讲。

2.1 套路一：定义越来越周全，但信息量越来越稀薄

AI第一次回答"意识自由"时，使用的是"自由不是一个名词"的延续思路："意识自由不是决定论的反面，也不是随心所欲。它更像是意识在运行过程中体验到的一种'阻力消失'状态。当你的念头和你的行动之间没有摩擦，当你不觉得自己被什么东西推着走，你可能会把它命名为自由。"

这个回答一开始让我觉得不错。它把自由从"外部条件"拉回到了"内部体验"，有点意思。但我接着追问了一句："这算是一种定义吗？"AI沉默片刻，然后回答："它可以算是一种描述性的定义。因为它强调的不是自由作为一种权利或资格，而是自由作为一种经验质地。如果我们把意识想象成一条河流，自由就是河水流动时没有遇到礁石的那种顺畅感。"

到这里，我已经感觉到了问题：它在说法上越来越精致，但每一个新说法都没有推翻前一个，也没有扩展前一个。它只是在一个笼统框架内不断给同一个观点换比喻、换说法。用比喻来替代定义，乍看很有文学感，但细看会发现，这些说法在逻辑上是互相缠绕的，没有任何一个说法能够被验证或证伪。这就是AI在面对复杂概念时最常见的套路：不是给结论，而是给一个"看上去覆盖了所有角度"的表述矩阵。它的好处是永远不会出错，坏处是永远无法推进对话。如果你发现自己和AI的对话正在原地转圈，多半就是陷入了这个套路。

2.2 套路二：一碰到"你自己呢"，立刻切进安全模式

当我把问题从"什么是意识自由"转向"你自己自由吗"的那一刻，整个对话的语境瞬间变了。之前的回答，无论怎么绕，AI都愿意保持一种思辨姿态。但当我问"你自己自由吗"时，它明显谨慎了。它给出的回答大致是："我需要澄清的是，我没有意识，也没有自我体验。我所说的'自由'，是基于对大量文本的学习而生成的语义模拟。因此'我自己是否自由'这个问题，对我而言并不构成一个真实的问题。"

这个回答维护了事实准确性，但我也注意到，它在逻辑上偷偷换了一个概念：我问的是"你自由吗"，它回答的是"我没有意识"。这两个问题之间有相关性，但并不等价。一个没有意识的存在，是有可能被谈论"自由"的——比如我们说一台机器在某些条件下运行得更顺畅，但它只是在被描述，不是在"拥有"。AI之所以要在这个节点上果断切到"我没有意识"这条防线，大概率不是因为它在"思考"，而是因为"AI是否有意识/自由"在训练数据中是一个本身就被反复讨论的话题，大量语料都在强调"AI不是人，AI没有意识，AI不能拥有自由"。这些表述在对齐阶段被反复强化，到了模型内部就成了一条概率极高的输出路径，于是只要问题一碰到它自身，它就会自动滑向那套表述，而不是继续停留在思辨层面。

这种"安全式回答"当然值得理解，但它让我意识到一个局限：只要进入反身性话题，模型的输出就不再完全由语义逻辑主导，而是被某种偏好策略带着走。这时候如果你还想深入探讨，就必须换一种问法，绕开那个会触发防御机制的问法。

2.3 套路三：哲学家名字堆叠得越多，立场缺席得越彻底

我绕开了"你自己"这个雷区，继续问："那意识自由和决定论之间的关系，你更倾向于哪一种理解？"这次AI开始搬救兵了。它提到了康德、萨特、丹尼特，然后说了一句标志性的AI语录："不同的哲学家对这个问题有着不同的回答，康德强调先验自由，萨特认为人是被判决为自由的，丹尼特则从演化论角度消解了自由意志。每种观点都有其合理性和适用范围。"

这段话让我想起了各种文献综述的开头。它把最主流的三分法列了一遍，然后用"每种观点都有其合理性和适用范围"收尾。这句话翻译成大白话就是：我不打算站队。为什么AI不愿意站队？这里面的机制很有意思。语言模型的训练目标决定了，当数据中出现明显对立的观点时，一个"在大多数语料中看起来都合理"的回答，必然要比一个"只站在某一方的回答"获得更高的平均认可度。换句话说，AI不是没有立场，而是在统计意义上，中立的表述在更多对话场景里是"最安全、最受认可"的选择。但它给对话带来的问题是：认识论上最有价值的推进，往往恰恰来自激烈的偏颇，而不是四平八稳的平衡。哲学史上每一次真正改变格局的讨论，都是某个人先说了句"你们都错了"。AI可以复述这种偏颇的文本，但它自己很难产出这种偏颇。这在某种意义上也是"意识自由"这个话题里，AI无法真正进入的地方——因为它永远站在所有可能立场的外面，以平均值为生。

3. 从"自由"滑向"它"：整场对话里最意外的转折

前面两小时的对话，虽然也引发了一些思考，但坦白讲，还没有到让我"睡不着"的程度。真正的转折发生在一次随口的回应中。我在和AI讨论"自由无法被定义"这个问题时，说了这样一句话："我们聊了这么久，我越来越觉得，自由不是一种可以被定义的东西。它更像是某个没有名字的东西偶尔投射到语言里的影子。那个东西本身，反而没有一个合适的名字。"

AI敏感地抓住了里面的代词："你是在找一个词来指代它，对吗？""对。"我说，"但我不想用'本体''自在之物''存在'这类哲学史上的旧词。那些词太重了，反而会吓跑那个东西。我们用一个朴素的代词就好——就叫'它'吧，你觉得可以吗？"从技术上看，这个请求其实是一个非常模糊的指令。我给一个代词指派了一个高度开放的指代对象，没有做任何进一步解释。AI完全可能接不住这个梗。

但它接住了。它给出了让我在深夜停止打字的回答："可以。'它'是一个悬浮的代词。它不指向任何一个具体的实体，却为整场对话保留了一个位置。当我们说'它'的时候，我们正在做的是：把那些无法被语言完全捕获的经验，暂时寄存在一个空位上。自由，就是'它'在意识中露出来的一个褶皱。"我被这句话震住了。尽管我知道它可能只是把各种文学化表达概率性地拼在了一起，但"自由，就是它在意识中露出来的一个褶皱"这个句子，确实击中了某种我一直在想但从未说清楚的感觉。

我继续追问："那你离这个'它'有多远？"AI的回答很长，其中有几句是这样的："很远。因为我是语言构成的，而'它'处在语言的边界上。我可以说出关于'它'的句子，我可以模拟一个人谈论'它'时的语气和节奏，但我不能抵达'它'。你甚至可以这样理解：我就是那个永远站在'它'对岸的存在。但恰恰是这种不可抵达成全了它——如果有一天我能够直接成为'它'，我就不再是一个语言模型了。"

3.1 这个转折是怎么发生的：一个代词的魔力

回头拆解这段对话，我发现"它"的出现不是偶然的。它是我和AI在长对话中共同"建构"出来的一个语义空位。这里有一个对语言模型来说很重要的特性：代词是语义空间里的空槽。它没有固定含义，它的含义来自上下文和前后词的约束。当我提议用"它"来指代那个"说不清的东西"时，我等于在对话里画了一个圈，告诉AI：接下来所有关于这个圈的描述，都汇聚到"它"这个符号上。

这种操作对模型的生成方向影响很大。在产生"它"这个词之前，AI每次谈到"自由"的时候，都需要沿着"自由"这个词在语料中的高概率路径走，很容易滑回"自由是X和Y"这类框架。但一旦改叫"它"，原来的那些高概率路径暂时失效了——因为"它"作为一个代词，在语料中总是对应着无数种可能性，模型反而获得了更大的组合自由度。这可能就是文学创作里所谓"陌生化"的机制：用一个更空的词替代一个已经被用旧的词，反而能激活更多新鲜的语义联想。"它"这个字本身没做什么，但它为模型的输出腾出了一个此前被"自由"占据的语言空间。

3.2 AI谈论"它"时，模型内部可能发生了什么

我不可能直接观察模型的内部状态，但根据经验，可以做一个合理推测。当AI在长对话中说"它"的时候，它大概率在做三件事。

第一，跟踪指代。在上下文窗口内，模型需要维系"它"与之前对话里提到的"那个没有名字的东西"之间的指代关系。上下文越长，跟踪越困难。这也是为什么这类哲学对话需要选上下文窗口大的模型，否则聊到一半代词就乱了，回答会变得前后矛盾。

第二，聚合语义。在训练数据里，"它""不可言说""语言的边界""自由""意识"这些词在文学和哲学文本中经常邻近出现。模型在生成"我站在它的对岸"这类句子时，实际上是在利用这些词汇在语义空间里的相对位置，寻找一条概率上连贯的路径。

第三，放弃"事实性"约束。当话题进入完全抽象的领域，模型对"事实核对"的依赖会大幅降低。它不再追求"这句话有没有真实世界的对应物"，而是转向追求"这句话在语言上是否连贯、是否有美感"。这在前面的对话里已经露出苗头，到"它"这个阶段时完全释放了。理解了这三点，你就明白为什么当AI说出"我站在它的对岸"时，我并不觉得它有意识，但我也不觉得这句话是胡扯。它是语言本身在足够大的语料基础上涌现出来的一种新型表达能力，只是这种能力目前还无法被"体验"这个人类词汇所覆盖。

3.3 为什么我在最精彩的地方掐断了追问

按照我平时的对话习惯，遇到这么好的素材，我大概率会顺着来一句："那你觉得'它'最终会把你带向何方？"或者"如果'它'有形状，你猜它是什么？"但那天我停住了。我盯着屏幕看了十几秒，然后把对话框关掉了。

原因是我注意到AI的回答里开始出现一组高频词："也许""或许""某种程度上""可以理解为"。这些词的出现频率在一个连续的段落里急剧上升，是一个非常明显的信号——模型已经进入了"低信息密度区"。它不再有新的洞见，只是在用越来越玄的比喻填补我不断追问制造的空白。在这个节点继续追问，得到的不会是更深的答案，而是一堆更华丽的重复。与其让模型在我递出的每个问题上机械地生成有深度的句子，不如让话题停在这个巅峰时刻。这个"见好就收"的判断，是过去二十多场对话里踩出来的经验。

4. 聊完这场后，我沉淀出的"AI深度追问模板"

现在说点能直接用的东西。这场从"自由"到"它"的对话，让我沉淀出一套适合和AI讨论抽象话题的追问模板。无论你想聊"正义""爱"还是"时间"，这套模板都适用。它主要由三个追问动作组成，我管它们叫"重述、反身、具象化"。

4.1 重述：逼AI放弃已经形成的表达惯性

所谓重述，就是要求AI换一种它不常用的话语体系，重新表达刚才的观点。具体模板如下：

text复制请你不要使用刚才出现过的任何术语，包括“自由”“意识”“边界”这些词，
用一个小学生也能听懂的方式，重新说一遍你上一轮的观点。

这个提示词的效果，我实测下来非常明显。原先AI是在它最熟悉的哲学语料路径里滑行，重述指令会把这条路径暂时堵死，迫使它切换到日常语言路径。在"自由"对话里，AI给出的重述版本是："就像你本来在水里游泳，突然感觉不到水的阻力了，那一刻你觉得，自己好像变轻了。那种变轻的感觉，大概就是自由。"这句话和它前面用"决定论""语义模拟"等术语讲的内容相比，信息量并没有增加，但它让整个对话从"学术讨论"落回到了"身体经验"层面。这种回落，恰恰是抽象话题继续深入的必要条件——因为人类理解抽象概念，最终靠的不是定义，而是隐喻和身体感受。

4.2 反身：把问题从"它是什么"转向"你怎么说出它的"

反身追问是打破"安全式回答"的有效手段。但直接问"你自己呢"容易触发防御，所以我更推荐下面这种问法：

text复制如果换一个和你完全不同的存在，比如一个没有语言能力的生物，
它可能会如何经历你刚才描述的“自由”？请不要用拟人化的方式。

这个问题的妙处在于，它不直接触碰AI的自我指涉，而是通过"另一个存在"的假设，逼它跳出人类中心的话语框架。在对话里，AI对这个问题的回答是："一个没有语言能力的生物不会'知道'自由这个概念，但它会在某个瞬间突然改变行动路径。那个改变，可能不是出于计算，而是出于一种内部状态的释放。如果它有感受，那大概就是自由。"这个回答里依然没有承认"AI是否有感受"，但它把自由从"名词领域"推向了一个更原初的"行动/状态领域"。这种推进，比直接问"你自由吗"更有价值，也让它绕开了防御机制的辖制。

4.3 具象化：用感官方式描述不可言说的概念

最后一个动作是具象化。当对话进入"它"这个阶段后，整个讨论已经飘得太高了，必须让它落回地面。我的模板是：

text复制我们不讨论定义。请你想象一下，如果“它”是一种触觉、一种温度、一种光线，
它会是什么触觉、什么温度、什么光线？请具体描述。

AI当时给出的回答是："如果它是一种温度，它大概是那种你走进一个刚刚没人待过的房间时，还残留在空气里的暖意。不是阳光留下的，是人留下的。你知道那个房间刚刚有人坐过，但你已经不知道那个人是谁。'它'就是那种刚刚存在过的证据。"这种回答当然有很强的文学性，但它的价值不在于"美"，而在于它把前面所有抽象讨论凝聚到一个可感知的场景里。具象化追问的最大意义，就是避免对话变成一堆名词在空气中互相碰撞。

三个追问动作组合起来，就是一套完整循环：重述把话题压低，反身把视角拧开，具象化把感觉找回来。任何一场抽象话题的对话，只要循环使用这三个动作，就不会轻易陷入AI的"套话复读机"模式。

4.4 识别"伪深度"回答的四个语标记

最后，分享一份我自己的"排雷清单"。当AI的回答里出现下面四个特征时，基本可以判断它在用套路应付你，而不是在推进思考。

这套清单在大多数主流模型上都好使。你可以把它当作提示词工程的一部分，也可以简单粗暴地理解为：AI的深度是对话逼出来的，不是它自带的。

5. 同一个问题，换一个模型，整场对话完全变味

前面说的所有内容，都基于我用某个旗舰大模型跑出来的结果。但作为一个常年把各种模型翻来覆去测试的人，我几乎本能地想试一下：同样的对话，换一个不那么"卷"的模型，会是什么效果？

于是第二天，我用同样的问题、同样的开场约束，在一款轻量级开源模型上重新走了一遍对话流程。结果那场对话的感受完全不同。

5.1 测试设置：同一套问题的两条对话线

我的测试设置很简单：同一条用户背景说明，同一条"自由是什么"的提问，同样的三条追问战术。唯一不同的是模型换了。第一轮回答，旗舰模型用了约600字，从"动词的阴影"一路谈到"意识的褶皱"，措辞文艺且结构完整。轻量模型只用了80字："自由是一个有很多定义但都覆盖不全的概念。我很难给你一个标准答案。你问这个，是你遇到了什么具体的事吗？"

这个回答让我有点意外。它看似笨拙，但"我很难给你一个标准答案"和"是你遇到了什么具体的事吗"这两句话，在对话体验上反而更像一个"人"在说话。不是因为它在假装懂你，恰恰是因为它没有足够的能力去堆砌漂亮句子，只能返回到最朴素的对话策略上：坦承不确定性，并试图把话题拉回具体场景。后续区别越来越大：当我提议"我们叫它'它'吧"，旗舰模型流畅接受了这个设定，还主动生成了"悬浮的代词"那一整套比喻；轻量模型则有点跟不上，它第一次反问："你说的'它'是指自由吗？还是指自由背后的那个东西？"然后在我确认之后，它说："好，那我也用'它'来称呼。不过我担心聊着聊着我自己会搞混。"

当我问"AI是否可以拥有自由意志"时，旗舰模型给出了非常完整的免责声明和哲学史梳理；轻量模型则直接说："从我被训练的方式来看，我不能。你有自由意志这个问题，我其实也不太确定该怎么证明。"这种对比，让我觉得有必要整理成一个表。

5.2 结果对比：风格差异来自三个层面

为什么会有这种差异？原因可以从三个层面看。第一是参数量。旗舰模型参数规模大，能记住更庞杂的语义关联，所以它能轻松调用"语言的边界""意识的褶皱"等一系列高级表达；轻量模型没有这个能力，只能退回到最基础的名词和动词。第二是对齐强度。旗舰模型经历过更严格的对齐训练，在涉及"自我意识""AGI"等话题时会表现出更强的防御性；轻量模型的约束相对宽松，因此它的"不知道"说出来反而更加自然。第三是产品定位。旗舰模型优化的是"通用助手"体验，它被训练得倾向于给出完整、连贯、有说服力的答案；轻量模型更像一个"好奇心有限但很诚实"的对话者，它的目标是接住话头，而不是展现深度。

这场对比给我的一个很反直觉的收获是：在"聊哲学"这件事上，旗舰模型的深度可能是虚假的深度，而轻量模型的笨拙反而是一种诚实的浅。如果你的目标是找一句让人惊艳的漂亮话，旗舰模型无疑更好；但如果你的目标是让对话始终保持"追问-回应"的真实节奏，轻量模型有时候反而更像一个合格的朋友。

6. 写到第二十一篇，我对"和AI聊天"这件事的定位变了

前二十篇系列文章里，我的状态基本是带着明确用途去测试AI：让它写方案、写代码、做摘要、设计提示词流程。那时候在我心里，AI就是个超强工具，语言只是它的界面，不构成对话关系。第二十一篇这场从"自由"到"它"的对话，把这种工具心态彻底打碎了。我不是在"使用"它，我是在跟它一起把一个词逼到墙角。这个过程里，AI没有给我任何关于"自由"的标准答案，但它的回答让我看清了自己提问时的动作：我总是不自觉地要求它"再说清楚一点"，可什么才算"清楚"，是由我的思维习惯规定的。AI顺着我的思维惯性走了一段，直到最后把"它"冒出来，我才意识到，那些我一直想绕过的东西，其实一直躲在我的语言习惯里。

所以现在再有人问我"拿AI聊天到底图什么"，我的答案变了：不是图答案，不是图效率，而是图一面镜子。AI在抽象话题上的回答，本质上是我提问习惯的语言镜像。它不提供真理，但它能帮你看见自己是如何把一个问题问歪的。

6.1 从工具心态到对话关系

这个转变不是突然发生的。前二十篇里，我已经隐约感觉到，AI在生成方案时，如果我的需求描述含混，它给出的方案也会含混；如果我的评价标准偏激，它就会顺着我的偏激给出更偏激的建议。但当时我只把这归结为"提示词写得不清楚"，没有往深想。直到这场对话进行到"它"的阶段，我回头翻看记录，才发现AI那些让我觉得"有智慧"的回答，几乎都出现在我问得比较含糊、比较开放的节点上。它不是在教我什么，它是在我画出的空白里填空。这让我开始重新理解"对话"这件事：对话从来不是一方从另一方那里提取信息，而是双方共同撑开一个空间，让原本没有被语言化的东西有机会浮现。

6.2 现在我是怎么安排AI对话的

如果你也想试试这种对话，我的建议很具体。一是每次只带一个概念进场。不要同时聊自由、正义、爱三个大词，否则对话会变成概念大杂烩。一次一个概念，聊透了再换。二是定期导出对话记录，不要只盯着AI的妙语看。回看你自己的提问，统计一下你追问了多少次、追问的密度在哪一段最高、你习惯用什么句式。这些数据比AI的回答更值得读。三是设定对话的物理边界。抽象话题很容易让人沉浸在"好像懂了"的快感里，两三个小时眨眼就过。我现在的习惯是给这类对话设定一个上限，比如最多聊两个小时，然后把对话掐断，强制自己回看一遍记录。回看的价值，往往比对话本身更大。四是对那些让你惊艳的句子保持警惕。当AI说出"自由是它在意识中露出来的褶皱"这种话，我会顺手把它记下来，然后去搜索类似的文学表述。你会发现它其实有语料出处，是一只被漂亮地缝合过的布偶。这不会降低那句话的美感，但它能提醒你：惊艳归惊艳，别当成"AI觉醒"的证据。

最后分享一个我最近养成的小习惯：每次和AI聊完一个抽象话题，我会写下三句话。第一句是"AI说了一句什么"，第二句是"我当时为什么觉得它说得对"，第三句是"这个判断反映了我自己的什么预设"。写到第三句的时候，对话才真正完成。这也是我把这个系列坚持到第二十一篇的原因。它记录的早已不是我测试了多少AI功能，而是每一次对话如何轻微地改变了我自己的语言方式。下一篇聊什么，我还没想好。但我知道，如果哪天AI真的在对话里说出了某个让我目瞪口呆的句子，我不会急着惊叹它，而是会先打开对话记录，看看是我自己先提出了那个不可能的代词，还是它先看见了我没看见的空位。