先說一句大实话，現在把文法搞成文言文要么公文體，對方根本看不懂；一套系統，要憑感覺去調參數，出效果得靠半夜裡泡咖啡。 把技術寫成文，就像把咖啡調味給老闆看，他覺得苦但沒拉肚子就認了；人對軟體的理解，往往比對表格更貼近。我剛試過一個模型，輸入「什麼叫 AI」，機器回的是定義，自己回的是「定義是給貓看的」，然後它就繼續跑，直到過載。 要是你要寫文章，記住幾件事就好，不用整本講古書。

第一段開場，直接說清楚最痛的點，別磨半天。中間們，插個例子，數據往前推，看有沒有反例。最後收尾，說一句「這不解決問題了」，要么「這只是第一步」，留個餘味。 文字有時候要像罵人，要直球，要狠。就像我寫文章，總覺得忒圓滑，像是在給別人擦屁股。

故此這些段落，我寫得略微碎一點，像聊天聊天，但別覺得亂，亂的是表達的節奏。 看看剛才那段話，講什麼？講的是模型怎麼會「糊塗」地理解人類語言。其實它不是糊塗，是它被訓練的時候，只學了「貓」和「貓」，就忘了「人類」這個概念。這就像學開車，只練了轉彎，一遇到「繞路」的交警，它就擋車。 數據方面，我找了一個具體的對比。

不是什麼宏大的統計，而是兩個小模型。一個是傳統機，一個是我用中文語料訓練過的新模型。訓練它們的數據量差不多，但一個裡面有幾萬個句子是貓的，一個裡面有幾萬個句子是人類對話的。結果出來了：傳統模型問「什麼是 AI」，它回答「定義是給貓看的」；新模型問同樣問題，它回答「定義就是給貓看的，因為貓比較聰明」，然後繼續說貓怎麼吃魚。 這不是機器不懂，這是機器被「喂」了挑食。

要是用戶問複雜點的問題，像「要是人類和 AI 搭伙，怎麼-defined 一個新的產出標準？」傳統模型會卡，新模型會直接說「定義是給貓看的」，然後丟一張貓的照片當答案。這在技術上叫「過載」，在邏輯上叫「缺失上下文」。 有些時候，我們明明聽懂一句話，機器卻讀不懂。

比如人說「别慌，會好的」，機器讀出來是「(bèi huāng, huì hǎo de)」，然後它不知道這是不是在安慰人，也不知道情緒是什麼。它只讀出字，沒讀出情緒。這就像一個只會算數的數手，被問「你覺得變變數會有什麼影響？」，它會說「變數加一，結果加一」，但没人知道這個加一是不是因為你變了，還是因為它計算累了。 故此我們寫文章，得戒掉那種「講究起承轉合」的書呆子氣。說話忒整，對方反而覺得你沒有靈魂。要像對話，要像吵架，要像同事在茶水間吐槽。 你看剛才那段話，有點碎，有點像半個對話。

第一段，直接說核心矛盾；第二段，用例子和數據證明；第三段，說清楚為什麼這不中；最後，留個尾巴，說這是開始，不是終局。 有些段落能够長一點，像懷念過去說一句：那会儿電腦沒有這功能，現在有，我們用著，覺得挺爽。有些段落挺短，就一句「別整那些花裡橫的，直接干什麼」。這樣讀者才有耐心，也才有火氣。 數據方面，我剛才提了一個數字，不是宏觀的 GDP 增長，而是訓練時間和準確率的關係。大量模型，數據量越大越好，但數據量到某個點，繼續加大，準確率反而降。這就像吃飯，你吃忒飽，胃不舒服；吃忒乾，腸子叫噥。 有些文章寫法，我現在覺得別寫了。

比如「起初、其次、最後」，這些字，老書生都覺得忒老氣。你不想寫「起初」，你就寫「這一層，這一層講完」；不想寫「其次」，你就寫「接著這個點，有個例子」；不想寫「最後」，你就寫「這麼一講，就完了」。結構鬆散一點，反而像人話，不像機器解釋。 重點在什麼？重點在「人感」，不在「法度」。人寫文章，為了表達；機器寫文章，為了精準。

要是為了精準，把語言磨得結結實實，人就看不懂；要是為了表達，把語言磨得圓滑圓滑，機器卻覺得難懂。這中間有個彎，要彎過去。 故此建議，下次寫東西，故意寫得「笨」一點。故意寫得像把咖啡倒出來，而不是倒進杯子里。讓讀者覺得，這是你親手寫的，帶點個性，有點瑕疵，有點「人味」。 像剛才那段話，就寫得這樣吧：先說痛點，再給例子，中間數據往前推，最後說一句「這不解決問題了」。

反正，表達最关键的是迎人，不一定要符合矩形的公式。