「骂 AI 它就变聪明」，能用机制解释的只有一半 - 编程一生
内容提要
文章指出，“骂AI变聪明”是误归因，真正起作用的是骂话中夹带的具体指正，它收窄了解空间。“越用越好用”分两层：当前对话靠上下文实时调整，跨版本靠反馈数据影响下一代。建议先让AI复述任务、给边界和示例、小步验证，用约束替代情绪，以减少返工。
延伸解读
情绪无效，指正才有效
文章指出，骂AI时真正起作用的是夹带的具体指正，而非情绪本身。模型对语义和结构约束敏感，对情绪token不敏感。纯情绪可能触发安全机制，导致拒答或过度保守。因此，将抱怨转化为明确的错误定位和期望输出，才能有效收窄解空间，提升回答质量。
“越用越好用”的两层机制
当前对话中的改进来自上下文学习，模型实时调整；跨版本改进则依赖用户反馈数据影响下一代模型。个人使用数据是间接、滞后、聚合的，不会让当前模型当场变好。混淆两者易产生因果错觉，误以为模型在本次对话中“学会”了。
先复述任务，降低自回归风险
自回归生成中，开头几步走错会导致后续内容越写越自洽，难以纠正。让AI先复述任务边界，能压低错误分支的概率，节省后续返工。结构化需求还能持续约束生成，一次对表管多轮。小步验证同样重要，每轮分支短，走歪了影响也小。
六条约束，越早介入越省事
文章总结的六条动作——给边界、给例子、要小步、先复述、可验证、固定规则——共同点是提供约束，且介入越早越省事。固定规则一次写好，每次生效；给边界和例子能直接收窄解空间。用约束替代情绪，能减少跑题和幻觉，提升协作效率。
Q&A
为什么骂AI之后感觉它变聪明了？
这其实是误归因。真正起作用的是骂话中夹带的具体指正，比如“我问的是苹果公司股价，你给我扯水果”，这半句收窄了解空间，让模型重新分配注意力。纯情绪辱骂如“你真笨”对模型没有作用，甚至可能因对齐数据导致拒答或过度保守。
具体指正为什么能让AI回答变好？
具体的指正在语义空间里形成高权重标记，逼模型回溯推理路径，定位偏差环节，从而收窄可行解空间，提高任务相关部分的生成概率，使采样更集中在你想要的方向上。
“越用越好用”是怎么实现的？
它分两层：第一层在当前对话窗口内，通过上下文学习实时调整，模型能看到之前的交流并纠正；第二层在版本之间，你的点赞、点踩等反馈进入厂商数据池，经过人类反馈强化学习或DPO等对齐算法，影响下一代模型。
为什么建议先让AI复述任务再写代码？
因为模型生成是自回归的，前面几个token走错分支，后面会沿着错误方向越写越自洽。先复述任务能把走错分支的概率压在最前面几步，省掉后面大量“不对不对”的返工，一次对表管很多轮。
写代码时给AI提要求有哪些具体方法？
文章给出六条：给边界（说清能改什么不能改什么）、给例子（输入输出示例）、要小步（先设计测试再实现）、先复述（确认任务边界）、可验证（贴报错让它检查）、固定规则（项目里写清目录和风格）。共同点是都在给约束，且一条比一条更早介入。
纯情绪骂AI有什么坏处？
纯情绪辱骂对模型没有作用，反而可能倒扣分。过激辱骂在对齐数据里常跟“用户不满意，模型给短回答或道歉”模式绑定，有时换回来的是拒答或过度保守。所以骂在点上才有用，点上那部分跟骂无关。
