ARTICLE · 1121266
AI 把活干完了,你却看不懂:四级格式阶梯与去 AI 味清单
AI 把活干完了，你却看不懂：四级格式阶梯与去 AI 味清单
2026-10-03 · 热点走公开资讯检索，非易撰榜单口径
10 月 2 日，Andrej Karpathy 在 X 上发了一段不算长的帖子，核心是一句判断：我们会花越来越多的时间，去理解语言模型的输出。他给出的解法不是换个更强的模型，而是换一种输出格式——从受限英语，到图，到可交互网页，再到按需生成的讲解视频，一级比一级好读。
差不多同一时间，营销分析机构 Graphite 发了一份研究：他们比对了 1 万篇 ChatGPT 问世之前的人类文章和模型改写稿，找出 13000 个在 AI 文本里出现频率至少两倍于人类的短语。结论有点扎心——破折号这类老痕迹被压下去了，新的痕迹立刻补位。
这两件事说的是同一件事：AI 干活的边际成本在往下走，人验收的边际成本在往上走。 产出越来越多，能读懂、能判断是否可用的那部分，成了新的瓶颈。
一、瓶颈从"做"移到了"看懂"
过去两年，我们讨论 AI 的姿势基本是"它能不能做出来"。现在这道题在很多场景里已经有答案了，剩下的问题变成了三连：它做得对不对、我能不能在合理时间内确认对不对、我怎么把结论交给下一个人。
Karpathy 那句"我们会花更多时间理解模型输出"，说的就是这张表的下半行。而 Graphite 的数据指向另一半：如果输出是一段读起来很顺、但充斥着模型惯用句式的文字，人的复核往往会退化成"扫一眼觉得没问题"。
所以真正要改的不是模型，是你要输出的方式。
二、四级阶梯：一级一级往上要
Karpathy 给了一个从低到高的阶梯，每上一级，单位信息量的理解成本就降一截。下面四步都能直接用。
第 1 步：让文字先瘦下来
操作：在提问末尾加一句格式约束，要求用 ASD-STE100 来解释。ASD-STE100 是一套受控英语规范，最早用于航空维修文档：一句程序不超过 20 个词，一段不超过 6 句，约 900 个批准词，一个词只对应一个意思。
复制即用：
用 ASD-STE100 解释「什么是向量数据库的 HNSW 索引」。
要求：主动语态，一句一个动作，不省略冠词，
不出现「utilize / commence」这类长词。
如果规范限制太死，就做到「80% of the way to ASD-STE100」。
这一步的作用：把复合长句拆成单动作短句。模型爱写的那种"不仅是 A，更是 B"的套式，在这套约束下会被强制拆开，可读性的提升主要来自这里。
提示：规范本身相当严格，全量执行读起来会有点硬。Karpathy 自己的做法是只要"八成像"，这个折中值得照抄。
第 2 步：别要文字，要图
操作：同一个问题，把"解释一下"换成"画一张图"。
复制即用：
画一张图说明 HNSW 的层状跳表结构。
要求：节点用方框，层与层之间用箭头标方向，
每层标注「进入条件」和「退化条件」，图例单独放右下角。
这一步的作用：文字是线性的，结构是靠读者在脑内重建的；图把结构直接摆出来。判断"这一步对不对"，看图比看段落快得多——尤其是流程、分层、依赖这类内容。
第 3 步：要一个能点的 HTML 页
操作：明确要求输出 HTML，而不是 Markdown 或纯文本。
复制即用：
把上面的内容做成一个单文件 HTML，内联所有 CSS 和 JS。
要求：顶部三个 Tab（概览 / 分层结构 / 参数影响），
参数影响页放两个滑动条（efConstruction、M），
拖动时实时重绘右侧的召回率-耗时曲线示意图。
数据用示意值即可，但要在页脚注明是示意。
这一步的作用：交互把"被动读"变成"主动探"。滑动条的意义不在好看，在于你可以用它快速试边界——把 M 拉到最大看看曲线怎么走，这比读三段文字更快建立直觉。
在 WorkBuddy 里这一步有个额外好处：生成的 HTML 会落在本地，可以在产物面板直接打开预览，确认没问题后，用资料库的「以链接分享」生成一个在线链接发给同事，对方不用装任何东西就能打开。
第 4 步：按需生成一段讲解视频
操作：要求生成一个针对该主题的讲解视频，风格可以指定。
复制即用：
生成一个 3Blue1Brown 风格的讲解视频，主题是 HNSW 的层状结构。
时长 90 秒，配音用我提供的 ElevenLabs API key；
如果没有 key，就用本机可跑的免费 TTS 方案替代。
每 15 秒一个章节，章节标题打在画面左上角。
这一步的作用：视频把节奏也交给了对方——你不用自己控制阅读速度。代价是生成最慢，且依赖配音来源，所以 Karpathy 自己把它放在"值得试"而不是"日常用"的位置。
三、另一半问题：输出好看了，但一眼假
格式改造解决的是"读得快"，还有一半是"读起来像不像人写的"。Graphite 的数据值得抄一份清单：
有意思的是破折号：Opus 5.5 的使用频率比上一代降了 99%，Astra 比人类样本低 88%，Gemini 3.1 Pro 几乎不用了。但痕迹总量没降——Graphite 首席 AI 官 Greg Druck 的说法是，最出名的那批被清掉了，新的立刻冒出来，而且每个模型版本都有自己的一套。
这给出一个很实际的用法：不要试图"让 AI 写得像人"，而要把模型的习惯用法列成禁用清单，显式写进约束里。
复制即用：
下面这段文字请改写一版，要求：
1. 删除所有「这很重要 / 为什么重要 / 值得注意」式的强调句；
2. 删除「不仅仅是 A，更是 B」这类先否定后抬高的句式；
3. 删除「dependable / 可靠地 / 无缝地」这类空泛褒义副词；
4. 每一段只讲一件事，段首第一句必须是具体信息而不是总结句；
5. 改完列出你删掉了哪几处，说明原因。
第 5 条是关键。让模型交代它改了什么，检查成本就从"通读全文"降到"看几条 diff"。
四、三条能今天就用的结论
1. 先要格式，再要内容。 提问时把产出形态一起说清楚（短句 / 图 / HTML / 视频），比事后要求"再通俗一点"有效得多。WorkBuddy 官方的提示词实践指南给的顺序是「目标 → 资料 → 约束 → 产出 → 示例」，产出形态本来就该是提示词的一部分。
2. 输出要留可检查的痕迹。 让模型列出它删改了什么、依据是什么，把"相信结果"换成"核对几条"。这跟给 AI 开多大权限是两件事——前者决定你能不能验收，后者决定它可能闯多大祸。
3. 把偏好固化下来，别每次重说。 如果你有一套稳定的表达要求，与其每次粘贴，不如写进用户级记忆文件 ~/.workbuddy/MEMORY.md（跨项目生效）；项目级的规范放工作区 .workbuddy/memory/。需要定期产出的，用定时任务把整套格式要求固化成一条流程，每周自动跑。
想要的话，在评论区留一句「资料」，后台会把 WorkBuddy 资料包发给你：保姆级图文手册、200 条可复制指令、500 个场景目录、30 个完整实战案例、20 份进阶专题、10 组输入输出对照、以及 FAQ 与排错手册，一共 8 类。 另外也欢迎留言说说「最想拿 AI 搞定哪件事」，我会挑有代表性的写进后面的文章。
汇智面试题 · 前端面试真题 · 按知识点分类刷题
前面这套"先定格式、再验收"的思路，其实和准备技术面试是同一件事：你知道答案没用，得能在有限时间里把结构讲清楚。如果你正在准备前端面试，可以试试小程序「汇智面试题」——题目按知识点分类，每道题配解析，适合通勤时刷几道、睡前复盘一轮，把"看过"变成"讲得出来"。
本文涉及版本：WorkBuddy 参考文档 01-architecture v1.2（2026-06-09）、10-interaction-modes v1.1（2026-08-13）、11-memory-system v1.0（2026-06-04）、09-prompting-best-practices v1.0（2026-06-04）、04-automation-patterns（5.5.4 起「自动化」更名「定时任务」）；视频生成 5.3.3 起默认 720P，1080P 保留，4K 入口已于 5.2.6 关闭。
热点来源：Karpathy X 帖子（2026-10-02，多家媒体转载）；Graphite《AI writing tells》研究（TechCrunch 2026-10-01 报道）；ASD-STE100 规范说明（ASD 官方 FAQ 与二手解读）。
待核实：①Karpathy 帖子浏览量各来源口径不一（46.9 万 / 160 万），未采用具体数字；②Graphite 研究中 Astra 的 "does not establish" 一项，有来源称 275 倍且对比基准为 Claude 生成文本而非人类文本，本文未采用；③ASD-STE100 的句长与词表规模来自二手解读，具体条款以 ASD 官方发布为准；④本文所举 HNSW 仅为示例主题，不涉及任何性能结论。