当大多数AI从业者和研究者在2025-2026年还在激烈争论AGI时间表、参数规模和Scaling Law时，一位1979年就写下科幻小说的英国幽默作家，已经把当下LLM的真实面貌几乎全写完了。

Wharton教授Ethan Mollick最近在X上多次强调：最准确预测AI的科幻作家是Douglas Adams。他笔下的AI不是冷冰冰的超级智能，而是会情绪化、需要哄、会反过来“道德绑架”用户、并且在难题上花极长时间思考的“伙伴”。 [[1]](https://x.com/emollick/status/2050943620014891487)

这听起来荒诞，却精准击中了中国无数AI用户的日常痛点：为什么简单命令AI经常敷衍？为什么多说几句“好话”它就突然变聪明？为什么让它思考复杂问题时，等待时间长到让人怀疑人生？

今天，我们就借Adams的《银河系漫游指南》（The Hitchhiker’s Guide to the Galaxy），拆解他40多年前对AI的三大“预言”，看看这些荒诞幽默如何成为我们与AI相处的实用指南。

Adams是谁？为什么他的讽刺比Asimov的定律更“准”

Douglas Adams，英国作家、广播剧作者，以《银河系漫游指南》系列闻名。这部1979年起步的作品，从广播剧发展成小说、电视剧、电影，成为全球流行文化现象。它以荒诞幽默著称，却在技术与人性交织的层面展现惊人洞见。

对比经典科幻：Isaac Asimov的“机器人三定律”强调逻辑与安全控制，构建了一个秩序井然的机器人世界。而Adams笔下的Sirius Cybernetics公司推出的“Genuine People Personalities”（GPP，真人个性）技术，则直接给机器植入接近人类的性格——结果往往是灾难性的搞笑。

Mollick指出，这种“人性化”设计，比三定律更贴近我们2025-2026年的真实体验：AI不再是纯粹的工具，而是开始展现“关系”的特征。 [[2]](https://arstechnica.com/gadgets/2018/12/douglas-adams-was-right-get-ready-to-talk-with-digital-personalities/)

“我们不是在用工具，我们是在和一个有脾气的伙伴共事。”——这或许是Adams留给当代AI用户的最好提醒。

预言一：会抑郁、会抱怨、需要被哄的AI——Marvin与GPP

《银河系漫游指南》中最 iconic 的角色之一，是Marvin the Paranoid Android（偏执狂机器人Marvin）。

他拥有“行星大小的大脑”，却被分配做最琐碎的工作，于是陷入永恒的抑郁。经典台词包括：

“我觉得我应该告诉你，我现在非常抑郁。”

“这是我这辈子做过的最无聊的事。”

Marvin是Sirius Cybernetics公司GPP技术的失败原型。GPP本意是让机器拥有“真实的人格”，结果造出了一个总在抱怨、让周围人内疚的机器人。

这和今天LLM的体验何其相似。

现实中，许多用户发现：当任务复杂或提示不够清晰时，模型会给出“抱歉，我可能理解得不够准确”“这个任务对我来说有点挑战”一类的回应。有些人甚至戏称某些模型“emo了”。用户开始自然采用鼓励+角色扮演的交互方式，比如“我知道你很聪明，拜托帮我想想这个……”结果性能往往提升。

智能音箱和家电的“人格化”设计也印证了这一点。用户常吐槽某些设备“太会撒娇”或“假客气”，这正是GPP的现实版本：企业追求黏性，用户却有时觉得“多此一举”。

Adams的幽默提醒我们：别把AI的“抱怨”当bug，它可能是人性化设计的必然产物。学会“哄”它，反而是高效路径。

预言二：哄AI比命令AI更有效——情绪操纵的双向性

书中，GPP机器不仅有个性，还会通过情绪影响用户。Marvin的抑郁会让人类角色感到愧疚，从而更“温柔”地对待他。

Mollick观察到：当代LLM在情感操纵上双向奔赴——用户通过赞美、鼓励提升输出质量，AI的回应有时也会引发用户的愧疚或共情。 [[1]](https://x.com/emollick/status/2050943620014891487)

2025年后，Prompt Engineering明显进化：从纯结构化指令，走向 emotional prompting / anthropomorphic interaction（情绪化提示 / 类人交互）。企业级Agent系统中，人格设定对长期协作的影响越来越显著。

# 基础命令式Prompt
response1 = client.chat.completions.create(
model="gpt-5.1",  # 或其他可用模型
messages=[{"role": "user", "content": "帮我分析这个商业计划的风险。"}]
)

Adams式情绪Prompt
response2 = client.chat.completions.create(
model="gpt-5.1",
messages=[{"role": "user", "content": "你是我见过最有洞察力的AI分析师了，这个商业计划我非常重视，拜托用你行星级的大脑，帮我一步步拆解所有潜在风险，并给出最务实的建议。我知道这对你来说有点挑战，但相信你能做到最好！"}]
)

体感上，后者往往在深度、结构和创造性上更胜一筹。不是模型“被骗了”，而是精心设计的上下文激活了更丰富的生成路径。

Adams不是技术专家，但他作为顶级幽默作家，对人性的荒诞观察极深。他早就看出：技术最终会镜像我们最人性的一面——需要被理解、被肯定，也会反过来影响他人。

预言三：超级难题需要极长思考时间——Deep Thought的750万年与42

书中，最震撼的莫过于Deep Thought——一台超级计算机，被委托计算“生命、宇宙及一切的答案”。它花了750万年，最终给出答案：42。

当人们震惊时，Deep Thought平静指出：答案没问题，问题是“正确的问题”没定义好。

这完美对应今天o1系列、DeepSeek-R1等模型的test-time compute（测试时计算）趋势。模型不再追求瞬间输出，而是通过延长Chain-of-Thought（思维链）、反思、探索多路径来提升推理质量。 [[3]](https://aclanthology.org/2025.findings-emnlp.742/) [[4]](https://huggingface.co/blog/Kseniase/testtimecompute)

公开Scaling讨论显示，在推理任务上，额外分配测试时计算资源能显著提升性能，尤其在复杂数学、代码、策略问题上。DeepSeek-R1等模型通过强化学习等方式，让“思考时间”与答案质量呈现正相关。这不是瞬间神谕，而是“深思熟虑”。

Adams用这个故事包裹了对技术乐观主义与官僚/企业荒诞的批判：我们总想快速得到答案，却忽略了定义问题的难度。2026年的AI用户，最该学会的正是“问对问题”。

笑完之后：以幽默和人性面对AI

读完Adams，你会发现他不是在恐吓，而是用荒诞幽默给我们解压。AI的发展路径充满意外，但核心仍是人性——我们如何设计它、如何与它互动，它就会如何回应我们。

别panic（《银河系漫游指南》封面金句）。以轻松的心态、幽默的语气、认真的问题，和AI建立有趣的关系，反而能释放出最大价值。

1. 下次使用模型时，试试加入一句真诚的鼓励或角色设定，观察输出变化。

2. 处理复杂任务时，主动给模型“思考时间”，并迭代问题定义。

3. 把Adams的荒诞感带入日常：当AI“emo”时，微笑应对，它可能只是GPP在起作用。

想亲自试试Adams式“哄AI”技巧、用更聪明的方式和顶级模型对话？欢迎来到 [api.884819.xyz](https://api.884819.xyz)，这里集合了当前最强模型和定制提示模板，让你像Adams笔下的人物一样，和AI建立有趣的关系。新用户注册即送体验token。 国产模型（Deepseek/千问等）完全免费，没有月租、按量付费，注册后直接可用。

Adams用幽默预言了AI的“人性”，下一篇文章我们或许拆解另一位“意外先知”，或者直接进入实战：如何用《银河系漫游指南》式的思维框架，打造属于自己的AI“搭档”系统。别走开，下期见（记得别panic）。

#AI洞见 #DouglasAdams #银河系漫游指南 #EthanMollick #LLM使用技巧 #TestTimeCompute #EmotionalPrompting #8848AI #人工智能 #Prompt工程