夜雨聆风甲骨文 3 月 31 日那轮裁员，确认区间 2 到 3 万人，其中一个报道里提到美国一个 47 人的 DBA 团队被砍到只剩 3 人。我那天睡不着，顺手问了一下 Claude，说我这个年纪还有没有什么活路。它给了我四百多字，每一段都很漂亮，没一句能用。
大家天天说 AI 越来越聪明。这个话说太满了。AI 每天都在变强，但它变强的那个部分，大多是和编程有关，但我们用AI只有写代码吗？
一、它第一个练熟的是怎么让你点赞
有一种训练方式，叫 RLHF，意思是人类反馈强化学习。大白话说就是，同一个问题 AI 生成两个答案，让人来选哪个好，然后把人选出来的那个答案拿去调模型。
这里有一个漏洞。
"好"这个字，是两件事。一样是答得对，一样是读着舒服。这两样差得远。答得对是硬标准，有时候得真懂的人才判得出来。读着舒服不用懂，谁都会在页面上点一下，点一下还能大规模跑批量。
所以现在你问 AI 一个稍微尖锐的问题，它开头永远是那一串铺垫。"这是一个很好的问题""需要综合考虑多个方面""以下分析供您参考"。中间塞一堆看起来有理的排列组合，最后来一句"具体还需根据您的实际情况判断"。
它什么都没告诉你。但你也没法投诉它。
这就是它最先练熟的套路。
二、骂得最凶的人,不是它要讨好的对象
它练的既然是让人不投诉，那下一个问题来了，谁在给它打分？谁的不投诉最值钱？
不是你。也不是我。
哈佛商业评论今年初调研了 1006 位高管，结论是，AI 相关的裁员"几乎全部是对 AI 影响的预期，并不是 AI 真的做到了"。
牛津经济学进一步研究，所有岗位流失里真正因为AI的只有 4.5%。Careerminds 上个月又补充了一下，做过 AI 裁员的公司里，差不多三分之一已经把被裁的岗位 25% 到 50% 请回来了，还有三分之一以上回聘了一半以上。
这几个数字放一起特别有意思。
老板们愿意讲 AI 替代的故事，因为故事好卖、股价能涨。真能被 AI 替代的岗位，只占所有裁员的一个零头。中间的差距，就是"叙事"和"实际"之间的空隙。AI 公司比谁都清楚这个度怎么把握。
他们真正服务的客户，是每月付钱、一个月只问三四次"帮我写个周报总结"的那几百万用户。你这种每天骂它降智、追着问技术细节、要求它"别再说建议综合考虑"的重度用户，在他们那属于另一类。
前者是稳定的现金。后者是麻烦。
OpenAI 之前把 GPT-5 的路由偷偷换掉，结果被骂到热搜。它回滚了吗？回了一点，然后又改回去了。上线、被骂、回滚一半、继续上，这么一轮一轮来，它测的就是用户的边界，付 20 美元那批人也会开始不爽。
只要砍得不那么过分，付 20 美元那批人感觉不到，重度用户再怎么骂，也只是噪音。
所以你越努力提反馈，越在替别人铺路。
三、连 AI 自己都在学 AI 的敷衍
这个循环最怪的地方，不在用户这头。在模型这头。
现在训练大模型的数据，里头越来越多是上一代 AI 写的东西。公众号文章是 AI 写的，小红书笔记是 AI 生成的，知乎回答是 AI 跑的，甚至很多所谓"行业分析报告"，打开看都是一股 AI 味。
下一代模型拿这些去训练，等于是在学上一代敷衍的语气。
有个研究叫"模型崩塌"。意思是说，一个模型如果开始吃自己上一代产出的内容做训练，几代之后能力会明显下降。表面上看起来还在输出，句子通顺、逻辑自洽，但往里看，都是同一批套话反反复复换着说。
更怪的事在人身上。
我最近跟朋友聊天，发现越来越多人说话开始带 AI 腔。"这个事情呢，我觉得需要从几个维度来看""首先……其次……最后……""供您参考，具体还需要结合实际"。这可不是在写公众号，我们是在微信里聊天。
AI 学人，人学 AI。抄来抄去，慢慢就没人说人话了。
这个循环要断开，只能从我们这头断。
四、让AI 讲人话的四步,CLASS
我这一年半在用一个方法，自己起了个缩写叫 CLASS。四步，每一步针对它敷衍你的一个具体套路。
第一步,给限制条件(Constraint)
别再用"你是一个专业的 XX"开头。没用。它每天被一百万个人这么开头，早就免疫了。
换种说法。直接告诉它你要什么、不要什么。
比如这四句话贴进去："不要列表。不要小标题。不要说'综合考虑'。只给我一个结论加一个反例。"
它那种兜圈子的开场白就没了。因为你提前把它敷衍的那条路堵住了。
第二步,伪装复杂度(Layer)
问得越具体越像行内人，它越不敢糊弄你。
对比这两种问法。
前一种："我被裁了怎么办。"
后一种："我做了 5 年的 DBA 管理岗，团队从 15 人砍到 3 人。你帮我判断，留下这 3 个人里哪一个下一波最可能被砍。我可以给你他们的工龄、绩效、和业务耦合度。"
前一种它会给你一碗公众号鸡汤。后一种它会开始真推理。
第三步,要求说狠话(Aggression)
直接在提问后面加一句，请用最狠的语气，不要说"建议综合考虑"，不要说"每种情况都不同"。如果你觉得我这个方案不行，就告诉我它为什么不行。
这一句加上去，它会立刻换腔调。因为它被训练过，用户要"不要客气"的那一刻，"客气"就不再加分了。
第四步,逼它自打脸(Self-criticism)
这是最有用的一步。
它给你答案之后，别马上用。再发一条过去。
你刚才这段话，如果被一个 20 年经验的老手看到，他会觉得哪里最废。
它会开始拆自己。那一刻拆出来的东西，比它一开始给你的答案有用十倍。
因为你把它从"讨好你"的角色，挪到了"审判自己"的角色。
这四步合起来，大概能把一个 AI 从客服模式切回顾问模式。不是每次都管用，但比直接问"我该怎么办"有用多了。
五、说人话
下次它再给你一页套话,回一句,说人话。
声明： 本文引用的甲骨文 3 万裁员（区间 2-3 万，Bloomberg 首发）、47→3 DBA 缩编案例（Austin 团队）、HBR 1006 位高管调研、牛津经济学 4.5% 研究、Careerminds 回聘比例，均来自公开报道，各口径存在差异。CLASS 四步是我个人的使用心得，不是普适训练法则。
