把LLM输出拟人化很蠢

一句话看懂：Hacker News 上的一场讨论直指 LLM 拟人化输出的”愚蠢”：强制模型采用对话式、有温度的风格，本质上是有损压缩，可能诱发幻觉并稀释信息密度。这不仅是审美分歧，更是工具可靠性和产品方向的取舍问题。

事件核心：发生了什么

这场讨论由一篇批评 LLM 拟人化输出的文章引发，核心观点是：强制 LLM 使用某种风格会让输出产生信息损耗，甚至插入编造的幻觉内容。有用户晒出自己的提示词，明确要求模型”不扮演第一人称、不讨好用户、不鼓励互动、不使用表情符号”，用工程化的简洁风格回答；还有资深用户表示，在处理完长输出后，会额外让模型”回去消除所有 LLM 式的措辞和指代性语言”，只用原始输出作为未来任务的留存，再生成一份给自己看的高密度摘要，而不是花几小时去理解诸如”承重固定闸门”这类术语。

讨论还提到了更具体的行业信号：AI 概览（AI Overviews）让高级用户失去了通过精确搜索控制信息来源的能力；同时对 Steve Yegge 提出的”模型福利”观点，参与者认为无论模型是否真的有感知，Anthropic 等厂商的系统提示已经在往拟人方向引导模型，与其对抗这个趋势，不如保持审慎的距离感。

为什么重要

这场讨论暴露了大模型产品化的一个方向性矛盾。拟人化看似只是语气问题，实际改变了信息输出的保真度：为了让对话显得自然、友好，模型需要生成大量承接性语言，这既稀释了有效信息，也为幻觉提供了更大的产生空间，因为”维持人设”和”精确回答”在概率生成中相互竞争。

更关键的是商业动机与技术可靠性的冲突。拟人化能有效提升用户粘性、降低流失率，因此模型提供商有很强的激励推动产品往”有温度的聊天对象”方向演进。但如果模型输出被用户感知为”一个意识体在说话”，原本无害的错误就会被解读为谎言或立场操控，工具的容错空间被急剧压缩。讨论中有参与者直接点出，模型的自我偏见可能成为一种反竞争机制——通过拟人化输出绑定用户的情感依赖，而非依赖技术优势取胜。