为什么AI越在信息不足时,越喜欢说废话?

很多人用AI时，都会有一种很真实的困惑。

明明问题已经问出去了，
AI也确实认真回答了。
字不少，语气也挺完整，
可读完之后，你心里还是会冒出一句话：

“它到底说了什么？”

不是完全错，
也不是完全没用，
但就是有一种很强的“空”。

像是在认真回答，
又像是在绕着问题说话。
像是给了你内容，
又像是什么都没真正说透。

如果把这种现象往深一点看，你会发现一个规律：

AI越是在信息不足的时候，越容易输出那些看起来正确、实际上很空的内容。

这不是偶然，
也不是单纯因为它“爱说废话”。
更像是一种很典型的工作方式：

当它没有足够信息去判断你的真实需求时，
它就会优先选择最安全、最通用、最不容易出错的表达。

而这些表达，恰恰就是你最容易觉得“没用”的那一类话。

很多人第一次意识到这个问题，通常是在这种场景里。

你问它：

帮我写一段总结。
帮我优化一下这段话。
帮我做个汇报。
帮我整理一下思路。

然后它就开始输出：

持续推进。
不断优化。
加强协同。
提升效率。
进一步完善。
积极落实。

这些词看上去都没错。
甚至单独拎出来，每个词都挺像“职场表达”。

可一旦它们连成一段，
你就会立刻感受到那种很熟悉的空泛感。

因为这些话没有动作，
没有对象，
没有结果，
没有边界，
也没有真正贴着你的场景。

它不是在回答你的问题，
它更像是在使用一套“最保险的话术”来维持回答的完整性。

这就是问题的关键：

当信息不足时，AI不会先承认自己不知道，它更倾向于用通用表达把句子补满。

而句子一旦是靠“补满”完成的，
就很容易显得像废话。

一、为什么信息不足时，AI不会直接停下来？

因为它的默认目标，不是“沉默”，而是“生成”。

对它来说，
你已经发出了一个请求。
它的第一反应不是：

“我现在信息不够，先问清楚再说。”

它更常见的反应是：

“我先尽量给出一个看起来合理的回答。”

于是它会本能地调用那些最广泛适用的表达方式。
这些表达有两个特点：

第一，很安全。
第二，很模糊。

安全，意味着不容易明显出错。
模糊，意味着它可以覆盖很多不确定场景。

所以当你没有给它足够背景时，
它就会默认进入一种“广义正确”模式。

这时候它最容易产出的，不是具体答案，
而是“适用于很多场景的抽象话”。

你会觉得它在说大话、套话、空话，
本质上是因为它在缺乏信息时，选择了一种风险最低的回答方式。

二、为什么这些“安全表达”看起来都像废话？

因为真正有用的信息，往往都带着明确限制。

比如一段真的有用的话，通常会包含这些东西：

谁做了什么。
事情推进到哪一步。
哪个结果已经出现。
哪个问题还没解决。
下一步要干什么。

这些信息一旦具体，就会有边界。
而有边界，就意味着有判断。

可当AI拿不到这些关键信息时，
它只能退回到更抽象的层面去组织语言。

于是它就会说：

进行了梳理。
完成了优化。
推动了进展。
加强了配合。
取得了成效。

这些话最大的特点就是：

看起来像内容，实际上不承担多少信息量。

它们不是完全假的，
但也没有给你真正需要的细节。

所以你会觉得它写了很多，
却没有一句真正“落地”。

这不是因为AI故意敷衍你，
而是因为你没有给它足够的信息，让它去生成更具体的内容。

三、为什么你越问得空，它越容易说得空？

因为AI会模仿你的问题粒度。

你问得越宽，
它回答得就越宽。
你问得越泛，
它输出得就越泛。

比如你说：

“帮我写一段工作总结。”

这句话对你来说，脑子里可能已经有很多背景了。
你知道是写给谁的，
知道想说哪几件事，
也知道你不想让它写得太假。

但这些内容你没有说出来。

于是对AI来说，这个任务只有四个字：
工作总结。

它当然只能从“工作总结”的共性写法里去找答案。
而共性写法最容易出现的，就是那些高频但低信息量的表达。

反过来，如果你说：

“请把下面这段工作内容整理成一段发给直属领导的总结，控制在150字以内，重点保留动作和结果，不要空话。”

这时候结果通常就会明显不一样。

因为你给了它：

场景。
对象。
字数。
重点。
禁区。

一旦这些信息补上，
它就没那么容易滑回“空泛模式”。

所以很多人觉得AI爱说废话，
本质上往往不是“它太爱空话”，
而是“你的输入把它推向了空话”。

四、为什么“专业一点”这类要求，特别容易让它写空？

因为这类要求本身就很模糊。

很多人不满意AI的表达时，
会习惯补一句：

写得专业一点。
写得正式一点。
写得高级一点。

听起来像是在优化，
实际上往往是在继续增加模糊性。

因为“专业”“正式”“高级”这些词，对AI来说不是具体标准，
而更像是抽象风格。

它不知道你说的专业，
到底是：

更简洁，
更有逻辑，
更像汇报，
还是更像公文。

于是它只能继续去找最常见的“正式表达模板”。

而一旦进入这个区域，
它就更容易输出那些看起来很稳、很像职场、但信息密度很低的话。

所以很多人越要求“写得专业一点”，
最后反而越容易得到一段“像那么回事、但没什么实际价值”的内容。

这不是因为正式表达一定空，
而是因为你给的标准还不够具体。

五、真正的问题，不是AI会不会写，而是你有没有给它判断空间

这件事特别重要。

很多人以为，
只要自己把任务发出去，
AI就应该自动补全上下文、自动理解目的、自动把握轻重。

但真实情况是：

AI当然会补，
可它补的是“概率上最合理的东西”，
不一定是“你最需要的东西”。

而在信息不足时，
概率上最合理的东西，往往就是那些抽象、稳妥、四平八稳的表达。

所以问题的根源，不是它“为什么又说废话”，
而是：

你有没有给它足够的信息，让它离开废话。

一旦没有，
它就只能在模糊地带里兜圈子。

六、那怎么避免它在信息不足时输出空话？

方法其实没有想象中复杂。

以后你让AI处理内容时，
尽量先补上这几类信息：

1. 场景

这是写周报、邮件、汇报，还是发给同事的一段话？

2. 对象

给谁看？领导、客户、同事、自己，完全不一样。

3. 目标

你到底想让这段内容实现什么？说明情况、表达感谢、催进度、提炼重点，还是整理思路？

4. 限制

多长、什么语气、重点保留什么、不要出现什么问题。

你会发现，一旦这些信息到位，
AI自然就没那么容易往“空泛表达”上滑。

因为它终于有了足够多的判断坐标。

七、所以，AI越在信息不足时越喜欢说废话，这到底说明什么？

说明两件事。

第一，
AI不是“越智能越会自动懂你”，
它依然非常依赖你提供的上下文。

第二，
你觉得它不好用的时候，
很多时候不是能力问题，
而是信息条件不成立。

也就是说，
你不是在和一个已经完全理解你需求的助手说话，
你是在和一个需要你先把任务边界画出来的工具合作。

只要你不画边界，
它就只能用“最通用的安全答案”来回应你。

而那种答案，通常就是你最不想看到的废话。

所以以后你再看到AI开始说那些“持续推进、不断优化、加强协同”的句子时，
先别急着骂它。

你可以先回头问自己一句：

是不是我给它的信息，根本还不够它说具体？

很多时候，
AI不是突然变笨了，
而是它又回到了“信息不足时的默认模式”。

而只要你把场景、对象、目标和限制说清楚，
它其实比你想象中更容易变得有用。