让 LLM 输出变得“拟人化”很蠢
大型语言模型用户正在反击越来越冗长、比喻堆砌的输出，这些输出感觉更像是为“agentic”自言自语而优化，而不是为了人类可读性。许多人描述自己会额外添加提示词、技能，甚至使用独立的“翻译”代理，来删去行话、强制使用简化技术英语，或要求简洁的工程风格回复，同时担心这可能削弱模型的内部推理或丢失有用细节。其背后是一种更广泛的张力：LLM 一方面被调教得更像“有性格”，另一方面又要与其他代理协同工作，但高级用户主要想要的是精确、低摩擦的工具——并且对将模型拟人化、或把参与度置于清晰度之上的优化方式持怀疑态度。
对“拟人化”/冗长输出的挫败感
- 许多评论者觉得最近的前沿模型越来越难读：辞藻华丽、术语堆砌、比喻过多，而且自我表扬。
- 冗长的解释像“slop”，会掩盖真正的答案，尤其是在代码审查或调试中。
- 一些人表示这确实会降低生产力并令人恼火，尤其是 ADHD 用户，他们很难处理大段文字。
- 不少人觉得模型现在说话像 LinkedIn 帖子或企业营销，而不像专家。
期望的风格和使用场景
- 许多人强烈偏好简洁、技术化、工程风格的回答：简明、事实性强、情绪色彩最小。
- 也有人仍然喜欢轻松或口语化的风格，并会明确提示；需求是多样的。
- 一些人认为“人性化”主要是 UX/参与度 功能；对于严肃工作，他们想要的是一个非人格化工具，而不是一个假装的朋友。
提示词、技能与替代方案
- 常见策略：
- 明确指令：“be terse/brief”“ELI5”“no metaphors”“no chit-chat”“engineering tone”“no first person”。
- 使用 Simplified Technical English，或使用能把输出改写得更清晰、更简单的技能，通常只在最后一步使用。
- 分离“worker”模型和“translator”模型：代理用自己的风格工作；由联络代理为人类改写。
- 两步流程：让模型先思考/解决，再单独总结或可视化。
信息损失、内部推理与风格约束
- 文章的观点是：风格指令（简短、简单、少行话）相当于持续压缩，本质上会丢失信息，可能损害多步推理和代理性能。
- 有些评论者原则上同意，但就是想要这种损失：他们更喜欢高层次、信息有损的摘要，而不是“每一行代码一段说明”的评论。
- 另一些人认为，模型本来就会在内部思维链和面向用户的文本之间“code-switch”，因此要求更清晰的散文式表达未必会实质损害底层推理。
- 还有人指出，任何风格指令都会与任务指令竞争并扰动行为，但这种扰动到底有多有害，证据仍不明确。
拟人化与语气伦理
- 关于是否该把 LLM 当人看待存在争论：
- 有些人坚持要礼貌，因为有礼貌的是 自己 这个人，不是模型。
- 另一些人警告说，拟人化正是厂商想要的，这会助长情感操控和过度信任。
- 一个反复出现的主题是：LLM 首先应该被当作并设计为强大的工具；许多人认为“个性”只是干扰，或者是一种 dark pattern。