对AI说"你真笨""重写""你是不是智障"，并不能让它更努力——掘金一篇热门观察指出，情绪化输入只会拖垮输出质量，正在悄悄拉开新的职场效率差距。

这是什么

文章拆解了机制：所谓"骂一下效果好"，其实只是因为"重写"二字附带了一个新指令，脏话改变了上下文（即AI本次对话的工作记忆）分布，让模型推测"用户不满意、要求返工"。但副作用更大——脏话污染上下文、缺乏具体方向、触发大模型RLHF（用人类偏好数据训练模型"说人话"）的"安抚模式"，结果越骂越怂。

文章给出的替代方案是"具体、给例子、分步反馈、必要时重启对话"，本质是把AI当一个"极其聪明但完全不懂你心思的实习生"来下指令。

行业怎么看

技术圈主流支持这一结论：大模型本质是概率机器（按上文猜下一个字），依赖清晰指令和明确反馈。

但我们认为有几个被忽略的角度。第一，"骂"暴露的是用户把AI当"有脾气的对象"对待——这种期待正在反向塑造下一代AI的拟人化方向，客服、教育场景的过度礼貌化就是被这种需求推着走的。第二，提示词素养（怎么和AI说话）的差距正在悄悄拉开职场效率——知道"具体、给例子、分步反馈"的人和只会骂的人，输出质量可能差一个量级。第三，企业场景下，情绪化prompt带来的上下文污染和数据留存风险被普遍低估，没人讨论脏话进入企业知识库后的合规问题。

对普通人的影响

对企业IT：把"提示词规范"写进员工培训，可能比采购更贵的模型回报更高——这是ROI最低的杠杆。

对个人职场：把每次"想骂AI"当成一次"我到底要什么"的复盘，比发泄本身更有效，也能反哺你的需求表达能力。

对消费市场：C端AI产品正在被"骂得顺不顺"塑造，这种用户反馈未必引导出更好的产品，反而可能让厂商继续堆砌安抚话术。