强行让大模型输出“拟人化”是一种信息丢失

当前在 GitHub 和 Hacker News 等开发者社区中，一种新兴的提示词工程趋势引发了广泛争议。许多开发者开始尝试通过指令让大模型模拟特定人格（如 ADHD 患者），或强制其输出符合 ASD-STE100 简化技术英语规范的文本。这些指令旨在消除大模型常见的啰嗦、语气词和技术行话，试图让 AI 表现得像人类一样简洁自然。然而，有技术观点认为这种做法存在严重缺陷，本质上是一种错误的信息抽象。

文章指出，这种“人性化”的指令并非在模型完成任务后独立应用，而是与任务执行过程混合在一起。当开发者要求 Agent 使用短句、避免术语、只包含最关键细节时，实际上是在强制模型不断压缩其输出。这是一种有损压缩过程，虽然文本读起来更通顺，但关键的技术细节和逻辑信息可能在压缩过程中被丢弃，且这种丢失往往难以被察觉。

这种问题在 Agent 自动化工作流中尤为致命。当子 Agent 负责调查 Bug 或执行测试时，如果它将其原始发现压缩成一段“漂亮”的人类可读摘要，父 Agent 读取后只能基于这层损失过的信息进行再次总结和决策。例如，测试中的一项具体失败可能被模糊地概括为“有一个值得注意的问题”，导致开发者失去了对具体失败细节的掌控。对于专业开发者而言，保持原始、高信息密度的输出远比获得一份简短的“人类风格”报告更有价值。

事件分析

💡 核心观点：让AI输出像人一样“漂亮”是在牺牲关键信息密度，Agent时代的交互应当追求结构化数据而非散文式表达。