当我把“宏大叙事”当饭吃：对几个大模型的吐槽与尝试 大家每天都在摸鱼，可能就是在刷手机看视频，要么在工位上偷偷看别人如何用 AI。最近我想试试，能不能把那些大模型当成确实同事，就连当成老哥们儿，聊聊它们到底是个啥。

说实话，刚上手的时候我挺兴奋的，总认定它们能帮我省去大量费事。结局呢？就像遇见了一个只会背课文的学霸，别看能回答所有难题，但就是没法跟你聊两句真心话。 起初我认定用大模型写周报、写方案挺爽的，特别是那种“通感”本事，不用我一句一句去修饰字句，它就能自己把粗糙的东西吹成诗一样的文字。我就连认定这是在偷懒，一种比写代码还偷懒的“云端写作”。可越用越发现，这东西就像一个只会按你指令弹钢琴的人，琴声一辈子对调，你改个几个音符，它就变调了。最搞心态的是那句“通感”——它总能把“数据”和“感受”硬生生拼在一起，结局出来的内容别看看起来高级，实则空洞得像个塑料壳。

比如它写一段关于“未来城市”的描述，随手抄了两个词：数据流动、人流量大，再堆几个形容词，就成了骚气逼人的都市画卷。我翻出来一看，纯属幻觉，还是我自己瞎编的。 这就让我想到，目前的模型到底是真智慧还是假智慧？它们实际上是概率游戏的高手。你问它，它一本正经地给你回个瞎子看到狗的新闻。你改个语气，它立马就变脸，说成是某种哲学聊聊。

这种随叫随到的“聊天模式”，忒不靠谱了。

那会儿做分析，我习惯先给模型定个调子，看看它能不能顺着我的思路走。目前它那种无所谓的“响应式”态度，让一切感情都变得廉价。你跟我说“这实际上是个挺好的切入点，但得再深一点”，它可能直接给你个一边倒的结论，连你心里那个隐隐约约的钩子都懒得接。 最让我崩溃的是它的记忆功能。我让它分析上周的周报，还说要记住，但它每次聊起“上周”，要么忘了，要么忘得连自己都认不出来了。

这种“人设崩塌”让我挺怕，出于我怕它每次见面都认定自己还没认识清楚你是哪位。

毕竟，要是机器都记不住话，那它跟人类的搭伙到底有没有意义？它更像是一个需求不断重新训练的傀儡，每次换人它都得学会新招式。 我也试过让它帮我写代码，要么做逻辑判断，结局就是那些代码跑起来像面条一样。它的逻辑链条别看看起来挺整个，但实际上全是靠概率堆出来的，哪儿有啥严密的推理过程？并且它生成的代码往往可读性挺强，但功能性却极差，就连有点“反人类”——比如明明不需求 import，它非要给你写一堆冗余的提示词；明明不需求循环，它就绕个弯子说“为了迭代优化”。 我也见过一些挺用心的用法，比如有人用大模型给文章查重，要么帮人整理复杂的会议纪要。

这些场景下，工具确实能提效挺多。

比如有人让模型把一堆乱七八糟的邮件分类，结局分类逻辑彻底根据邮件的开头词拍板，把销售邮件分成了“产品类”，结局哪位都知道那是找客户。

这种“不清楚的精准”有时候比彻底对的瞎猜要好，起码不会误导你。 不过话说回来，这些工具实际上也有它存有的价值。在我自己写方案的时候，我确实会先让它出一个大约的框架，然后我再往里填肉。它就像那个只会背课文的学霸，别看不能跟你聊聊人生，但要是你对自己那篇毕业论文的数据分析卡住了，它起码能给你比对几个行业标杆，告诉你“这可能不对”，然后你再心里掂量一下。 说到底，大模型更像是一个强大的翻译官，要么一个高智商的副驾驶，而不是最终的判断者。它精通把你的意图转得流畅一点，精通把粗糙的想法润色得漂亮一点，但它一辈子不敢承担到底对不对的责任。真正的价值，或许在于我们如何样利用它，而不是我们能不能信任它。 下次再看它的时候，别指望它能给你那种“深刻”的安慰。它那些看似深情实则空洞的话，实际上就是概率碰撞出来的噪音。还不如在它身上找灵感，不如把它当成一个勤奋的实习生，老老实实做事，间或让它帮忙写写文案，然后自己再加把劲。

毕竟，能把一个 3000 字的东西写得写得像有意想之外，还得靠咱们自己。