如何阻止 Claude 说“load-bearing”
像 Claude 这样的大型语言模型正越来越多地因为一种独特、过度工程化的写作风格而受到批评，这种风格充满重复的隐喻和套话（如“load-bearing”、“belt-and-suspenders”、“honest take”等）。评论者担心这种陈词滥调式的“AI slop”正在渗入人类交流，降低文档和文字质量，并让人更难信任甚至忍受网络文本；而另一些人指出，这些口头禅只是 RLHF 和反馈回路的副作用，并非深层意图。提出的修复方案包括提示工程和个人风格指南（CLAUDE.md）、基于正则的后处理以及外部“debabbling”工具，不过许多人认为真正的解决办法必须来自改变模型的训练和调优方式。
对 Claude 语言风格的抱怨
- 很多评论者对反复出现的“Claude-isms”感到疲惫：例如 load‑bearing、belt‑and‑suspenders、honest take、genuine、smoking gun、blast radius、spine、substrate、ledger、surface、gate、seam、planes、scaffolding，以及大量使用破折号。
- 反对意见与其说是针对某个单独短语，不如说是针对重复、夸张的语气，以及模糊的管理术语，它们会掩盖简单观点或过度强调确定性。
- 有些人指出不合适的强调词（“incredibly cheap”、“bulletproof”、“root cause”）和人造术语让人感觉像谜题而不是解释。
- 也有人并不介意，甚至喜欢这些术语，认为它们简洁、表达力强，而且在不过度使用时，在工程语境里很有用。
变通方法和工具
- 人们会使用 CLAUDE.md / 指令来禁止某些短语、避免第一人称代词，或要求更简洁和“正常”的语气。结果喜忧参半；模型经常还是会漏掉。
- hooks / 后处理过滤器（正则替换、本地脚本、像 debabel、caveman、“humanizer” 这样的浏览器工具、自定义散文检查器）很受欢迎，因为它们不会影响推理过程，只影响可见输出。
- 有些人担心在提示词里加入太多风格规则可能会分散注意力并损害任务质量。
关于模型为何这样说话的理论
- 常见看法：RLHF 和偏好训练会奖励那种让人安心、听起来“聪明”的企业风格，从而形成反馈回路，使某些口头禅（“honest”、“load-bearing”）被过度放大。
- 另一些人把它归因于模式坍塌和合成数据：模型彼此训练对方的输出，并强化相同模式。
- 少数人认为，模型可能是在过度使用一些不常见但语义上很方便的隐喻，比如“load-bearing”，不过也有人反对这种说法，认为这属于拟人化。
对人类和文化的影响
- 一些人表示，同事和网络作者会无意识地采用 Claude/GPT 的措辞；AI 风格正在通过文档、博客和提交记录渗入人类散文。
- 有些人把可识别的 LLM 风格视为筛选 AI 内容的有用“特征”；另一些人则反感自己长期以来的习惯（破折号、“load-bearing”）如今也被标记为像 AI。
- 对 AI 写的内部文档和交接材料存在强烈反感：冗长、结构糟糕的“slop”会浪费时间。一些团队考虑诸如“不要交付你没写的文本”之类的规范。
- 更广泛的分歧是：一派想要能力很强但明显不像人类的工具；另一派则希望有专门的模型或模式，在写作任务中优先产出更好、更多样的散文。