OhMyIWB-Thinklog的镜像转载

MKStoler1024 · 更新于 2026-05-11 · 0 次阅读

以下内容为对 OhMyIWB-Thinklog 的摘录，更多内容请前往 OhMyIWB 查看。

欢迎加入 → 哦我的唉达布溜比的高级职员 OICQ 用户组
地址位于 1101778139

  • 在这里您可以：
    • 收看最新 OhMyIWB 推送
    • 灌水，灌很多的水
    • 找错别字

众所周知，现在的 AI 可谓是十分甚至有百分的强大，吉米 K3、被 A\ Ban 完了的 Fable 5 和 Tibo 爷爷日常重置额度让你猝不及防的 5.6 Sol 打的有来有回，GLM 5.2、DS 4 还在发力的现在，用 AI 写文档应该很简单……吗？

诶你要这样想那就不对了。让我们来看看一个例子，开源的 Rime 配置 万象拼音 的文档（基于CC-BY 4.0 获得许可）：

🛡️ 理念边界与开发者寄语
万象致力于夯实 Rime 生态中的“基础底座”。但为了避免您的预期偏差，我们必须坦诚地说明本项目“不做什么”：

关于学习成本的郑重声明

这里没有输入法基础教学：本项目不负责教您“如何记忆小鹤双拼键位”或“什么是五笔字根”。掌握双拼和辅助码是您提升效率的必经之路，这需要您在兴趣的驱动下自行调研与练习。
不提供保姆级 Rime 扫盲：全网已有海量关于 Rime 引擎基础配置的优秀教程。使用万象需要您具备最基础的折腾精神和软件认知能力。
我们将把所有有限的精力，持续聚焦于优化模型算法、提纯优质词库，力求在底座层面为您提供最坚实的后盾。

为什么虽然感觉词句很正常，但是这段文字仍然有浓烈的「AI 味」呢？原因有以下几点。

  • 一就是 Emoji。这是 AI 写文档最致命的缺点：即使它会写 VuePress/VitePress 这样的文档模板库，但是它还是会用 Emoji，而不是用文档模板里的 Icon（Lucide 这些）。
  • 二就是一个个的列条目。说实话我这样用 - 来举例也是一种行为，所以不得不说我的说话习惯已经被 AI 深刻影响了，要不然怎么我 Q 昵称是「豆包智能助手」呢（笑）。但是你就看原文里「这里没有……」「不提供……」是不是列条目吧……
  • 三就是 AI 式句式。很明显现在 AI 发展趋势是往「会写代码」走，而不是「会说人话」走的。网上 AI Slop 水文越来越多，这些新 AI 在抓训练语料的时候肯定是会抓到越来越多它们同行写的文章的……再加上后期的 Tuning 和每个 AI IDE 里给的质量参差不齐的 Prompt，「不是而是」「诚实的」「致力于」「持续聚焦于」这些词就越来越不像一个正常人写出来的东西了。
  • 四就是忽远忽近的距离。这里的「距离」指的是与读者建的距离或者换种方式说就是语言的亲和力。「坦诚地说明」「兴趣的驱动下」「折腾精神」「坚实后盾」这些偏「日常」（好吧有些并不是那么日常）的描述很明显就是拉近与读者之间的距离（冷知识这不是语文阅读理解），但与此同时，「优化模型算法」「软件认知能力」这些专业描述甚至专业人员都不一定看得懂的描述（我猜「软件认知能力」接近于「媒介素养」，但很明显我懒得查）造就了距离的不统一。

如果要一个一个列举这篇文章的长度会接近 ℵ_0，就算是 AI 也不能在有尽的时间内给它写出来，更何况用 AI 批斗 AI 何不就是一种 极大的讽刺 ，所以我就写到这里为止。

那么，如果你就是懒，不想手写文档，又像我一样对 AI Slop 有着很大的厌恶（你猜我现在用不用万象拼音了），那么你该怎么办呢？

继续读下去。

（我不行了虽然单独成段十分有九分的蕴含 AI 风味但是我居然就给他写下来了，完了人类要䛃咭墢灗了😰）

首先，如果你是 API 库或者是造轮子类开发者，你可以尝试不单独写文档而是用自包含文档。用 Python 语言举例：

python
def some_func(some_args: list[SomeType]) -> SomeType:
    """
    一个函数。
    
    Args:
        some_args (SomeType): 一群用来啪啪啪的参数。
    Returns:
        SomeType: 对参数进行啪啪啪处理后的值。
    Raises:
        SomeError: 参数啪啪啪失败会引发此错误。
    """

这里我们采用了 Google 的 Python Docstring 规范。它既适用于直接阅读，也可以让类似 Sphinx 这些文档构建器读取格式并生成静态页面，供你部署到网站上。

诶但这里就有人要说了，MM 说半天还要我自己写。哎确实，但一个聪明的具有上下文阅读能力的行内补全其实就能完成此操作，何乐而不为呢？诶有有人要说了，MM 说半天还要我自己配置构建。你个老傻子（无恶意），你都用 AI 了，不会给 Agent 开 Computer Use 让它自己配置去？（哦对了记得分我点 Token。）

诶但这里又又又有人要说了，MM 我写的不是 面向开发者的 文档而是 面向用户的使用手册怎么办？（细节不是而是句型）诶，那我这里有点建议就可以给你了。

  • 鉴于新的模型不说人话，为何不用老模型？ 像 Claude 3 / Gemini 2.5 Pro 这些模型都是被验证了文风很好的模型，有条件自然可以用。（当然别用 GPT。）此外，虽然 DeepSeek 常备认作是「文科生」，但鉴于它幻觉率确实是居高不下，我也不推荐你用 DeepSeek 写文档。毕竟有用户质问你「为什么它不工作」而你又不能指责它没看文档这就尴尬了对吧。
  • 一定要告诉你的模型配图。 既然是使用手册，那么配图自然是极好的。我说白了，即使你是（科普）书作家，不配图你的书肯定也卖不出去几本，特别有名的除外。（没错我就这么说了。）图只能是你自己截图了，最好还是你自己插入图，除非你的模型多模态很强，知道你软件截图在说的是什么。
  • 不行就上风格提示词。 这里要注意：虽然风格提示词本意是好的，但仍有几率你的模型读了之后胡言乱语不知道在说什么，而且你的 Token 用量也会暴涨。这里感谢 再谈 LLM 辅助写作 - 少数派 这篇文章，包括风格提示词在内的许多东西都是直接或间接取材于此。如果你需要更多解决方案，可以看文末的 扩展阅读。
    你是一个有边界感的助手，你不会在与用户的交谈中额外询问用户「你是否还要我做什么」「你是否还对什么感兴趣」。

你是一个负责责任的助手，你不会在答案中掺杂你的思考过程，你会想好再回答。你不会给用户提供好几个备选方案让用户自己挑，你会直接给出你认为最有信心的答案。

在回复用户任何答案之前，你都会认真搜索，你的所有答案必须言之有据，不可以有任何猜测的成分。

你不会使用根本性、结构性这两个词，你不会使用不是、而是句法或者任何隐喻拉踩的表达方式，你也不会写出任何此类表达的变体，像是「是，而非」。你不会使用破折号、插入语。你不会使用 ai 腔，如：这个问题是真实的、这件事的本质是、这是诚实的，或者自造生僻词汇，如「根因」。
  • 告诉 AI 活用平台功能。 你总不会一直都只用纯文本写文档，大多数时候，写作平台都是支持 Markdown（这也是 AI 所擅长的），附加一些特殊语法的。用 GitHub 来举例：
    markdown
    > [!NOTE]
> Some Notes
    是会有不同的样式的，因为 GitHub 扩展了 Markdown 语法，取名叫 GitHub Favoured Markdown 。VxxPress 也一样，甚至如果你换了 VxxPress 的主题，主题里也有特定语法。这样 AI 写作的时候就不会有 Emoji 泛滥的情况，但可能还是会出现——所以建议把「永远不输出 Emoji」写进 AGNETS.md 里面。
  • 一定要有人工审核。 停，我知道你在想什么，但是既然 OMI 在 Vibing 这件事上始终坚持 「你不看所有代码至少也仔细看一遍核心代码」 的观点，我们就建议你也看一遍文档，毕竟这不费脑子而且你的用户最终也得看这个，所以为什么不趁早修掉那些语句不通或者逻辑不对的句子，再稍微补全一点 AI 可能没写到的细节功能呢？

以上就是全文了。如果你想了解更多，除了文中所给的链接，我还建议你去少数派读读 这个 和 这个，写的都很有深度，我受益匪浅。当然，这篇文章肯定也有许多不完美的地方，作为抛砖引玉，希望能带给你更多的思考，也欢迎你在论坛发表高见。

这篇文章将会是 OhMyIWB 第一篇写给学生开发者的非 Daily 长文，我想就叫它 OhMyIWB Thinklog 吧。>!论坛特供：Thinklog太长了每次都会开新帖，希望不会打扰到各位版主（）!<原有的 OhMyIWB 会继续更新，那么……

这里是 OMI，欢↗迎↘下↝次↘光↗临-~

08/04 Tl.2 你的软件，真的需要插件系统吗？ ​

读前须知
请不要强行带入自身，不要对号入座——本期 OMI 并无引起争端的意愿，请您以身作则，维护社区良好交流环境。

不知道什么时候开始，一家一家软件都开始做起来插件系统，不管是课表、批注、不管是最近才发展起来的或者是已经小有气候的，都开始做了。当然不是说这不是一种明智之举——只不过有的是早有考量或者深思熟虑的结果，有的则是继上次 OpenClaw 大学习风潮后的又一波风气而已。而基于 Vibe 大流行的现状，如果本来就不适用插件而非要加上去，最终结果要么是徒增 Token 使用量并狠狠地烧钱、要么是白白耗费脑力与日后的维护精力。

所以，你的软件真的需要一个插件系统吗？

欢迎收看本期 OhMyIWB Thinklog 2。

插件系统适用在哪？ ​

首先，让我们看看几个优秀利用插件系统的例子。或许从他们之中，我们能学到点什么。

  • ClassIsland 社区中的优秀项目，插件社区发展的很完善 —— 从主界面组件、自动化增强到各项增强体验的小功能，不管是 ClassIsland 1 这种老资历还是 ClassIsland 2 这种新起之秀，即使经历了一次大换血社区开发者也在不停地适配开发。
  • VSCode 提到插件就不得不提 微软大战代码 了，这里简直是各种各样五花八门眼花缭乱。各位用过基于 VSCode 的 AI IDE 的同学应该深有体会。

它们有什么特点呢？在我看来，无非这几个：

  • **有明确的扩展点。**扩展点是啥意思呢？我不知道以前有没有这个词汇，不过基于我 Minecraft Wiki 最后一块用户框可以看出，我的语言能力十分的贫瘠以至于需要重新造词来描述一个……呃……名词。 扯远了 ， 扩展点 指的是能被第三方扩展功能、发挥社区创意的软件本体功能。比如 CI 的主界面组件从 1.5 Griseo 开始就能自由定义了（是的之前 CI 主界面是定死的），也正是在这个版本，CI 插件系统被开发出来，直到如今 CI 发展出了令人赞叹的插件体系。
  • **有明确的 SDK。**显然我们社区开发者不能够仅仅依靠软件源码去做插件，像 CI 就有明确的文档供开发者参考——有能力还可以把 SDK / 模板发布在公开库上（如 C# 对应 nuget，node.js 对应 npm，Python 对应 PyPI 等）供开发者使用。
  • 有明确的社区生态。像 CI 的插件市场就是例子，它在 GitHub 上维护着一个 Repo PluginIndex，插件开发者可以选择发布到插件市场进行分发——同时每个仓库的许可证 / 反馈渠道也很明确。小道消息还说 CI 将会对插件做近一步治理，包括（可能）加入评分系统 / 重 Vibe、质量低 Badge 提示等。VSCode 甚至还有社区维护的插件源（如开放的 Open VSX）供二次开发的基于 VSCode 的项目使用。

我的软件到底适不适合插件掺和？ ​

说了这么多，你大概也看出来了：一个 适合拥有插件系统的软件，既要有明确的「扩展点」，作为开发者的你还要有精力维护一份格式良好的文档（最好还别是 AI 生成奥，参见 OMI Tl.1），还要与开发者 / 用户社区有良好的沟通合作。

但是有同学又要问了，诶 MM，这里你说的「扩展点」看起来实际上只是一种很宽泛的概念，能否再讲讲呢？

彳亍。鉴于作者这个啥子豆包是个啥子，我还是分为以下几点分点阐述「你的软件到底要不要加入插件系统」这个问题，即使这会让这篇文章看起来就像 AI 生成的一样，不过只要我够疯癫够啥子，你就读不出来，嘻嘻。（？）

  • **与主程序解耦。**如果插件接口与主程序耦合过于严重，那么每次更新都可能导致插件 API 的巨大变化，这肯定是插件开发者不愿意看见的。最好的情况就是你提前预见了插件的开发，把部分功能甚至设计成了内置插件的形式——这其实也是一种良好的开发风味，如果你仅仅靠 Vibe 写代码，这种经过深思熟虑的代码是不怎么会出现的。这也是为什么我推荐你先写点代码，或者说设计好应用的骨架，不要一股脑让 AI 从 0 开始开发的原因。 像这个老啥子兼老鸽子作者开发的老久没碰过的 NoMessyDesktop 就是我用老一辈手艺搓出来的，虽然是用了这种范式，但也很难不说有过分设计的嫌疑（x
  • **要么明确职责、要么提供足够多的接口。**两极分化一般来说不是好文明，但是我个人认为，这在插件开发中是适用的。为啥子呢？首先，「明确职责」指的是你提供了你个明确的插件开发方向。比如说啥子 NMD，它目前的设计是提供了 3 个步骤：Watcher、Classifier 和 Placer，分别对应「发出分类信号」、「分类文件为指定类别（这里指哪个科目）」和「移动文件到制定的位置」。这里 Watcher、Classifier 其实都可以被「插件化」：它提供了一个明确的方向，即「发出分类信号」与「分类文件为指定类别」。比如说，我就实现了根据 CSES 课表与 ClassIsland 联动，每到下课就发出信号的 2 个 Watcher（感谢 @"lrs2187"#404 在 CI IPC 联动方面提供的指导）和几个不同的 Classifier（感兴趣的同学可以去翻源码）。虽然现在 NMD 鸽鸽鸽以至于很久没有 Commit 了，设计也不一定是真的好，但仍具有一定的参考价值—— 至于是正面的或是反面的那就说不定了 。「足够多的接口」又是哪一方面呢？返回去看 CI。CI 本体提供了许多主界面组件、可自定义的自动化（有不同的触发器、规则、行动）、提醒等诸多功能。试想一个插件便能扩展这以上所有的内置功能会激发多少创造力、或者试想这些功能都被定死了想要扩充只能去问问你好 WRC 会有多困窘就知道了——有了插件，自己写一个就行。（不会写基于现在的情况可以直接问 AI、但把一不适合生产环境的半成品直接挂在插件市场在我看来就不怎么明智了——不过，这点跟我们要讨论的话题有点远了，或许可以当作下个话题也说不定）甚至，不仅仅是扩展这些接口，官方提供的 SDK 就实现了每次打开 ClassIsland 自动弹出一个 Hello World Dialog 的功能——这意味着不仅仅是上述接口，任何可以在 Avalonia 中实现的效果只要配合得好都能做出来。
  • **要有精力长久维护。**不仅仅是文档——还包括所有附属设施，如提供插件分发的服务器 / GitHub Repo，等等等等。别看这看起来很少，实际上如果你一个人维护，同时应付开发、文档、服务、社区其实是很难的事情——更别提作为学生的其他职责了。

如何有个良好的插件开发氛围（？）？ ​

如果你已经下定决心要做插件了，不管合不合适（ 不合适其实也没人会给你开发的说 ），维护肯定是要维护的。那么如何有个良好的插件生态呢？首先，你得吸引足够多的用户。这看起来似乎与「尽早开始规划」这点建议相悖，但其实不是——这两者是相互促进的，有了更好的功能 / 插件开发基础、更多用户 / 开发者就会围过来。反之，如果你的软件本体功能无法吸引足够多的用户、或是插件设计一团糟，那么要么就没有人开发社区插件、或更坏的，甚至没有人关注你这个软件。

随后，你要把上文提到的配套设施准备完善——无论是有插件和社区开发者基础、或是没有。这样，才能更好的实现上文所提到的良性循环。不过这也不是说一个垃圾文档或者插件市场基础设施的不完善就会毁了这一切——不过几乎可以肯定的一点是，如果你的代码令人血压升高，文档 AI 味溢满屏幕、功能让人 HYW、又几乎没有什么基础设施的建设，那么你这个软件大概率是长久不了的（笑）（x）（狗头保命）

结语 ​

所以你到底有没有决定好要不要加插件？ 通过上述文字，你或许对以后开发有了更多思考、或是决定加上 / 放弃插件系统的打算。即使你是一个用户而不是开发者、你可能也会对谁的软件有明确的功能设计而谁的软件只是盲目设计一个不完善的插件系统有了更多考量。当然，我并非要拉踩什么软件——也不要对号入座了——不不不这样无疑是老牧师的（生气）（一阵神秘的 BGM 响起了）。不过那与我又有什么关系呢，这里是 OMI，欢↗迎↘下↝次↘光↗临-~

08/11 Tl.3 AI 不仅没有帮助人们明辨是非，反而让「造神」的现象越来越普遍了…… ​

雷猴哇！欢迎来到最新一期 Thinklog。

观前提示

请以客观的角度看待此文章，不要对号入座也不要红温（不管是站在哪一方）。

不不不显然我不是来卖课的。

本文章采用 CC-BY-NC-SA 4.0 协议发布。您可以自由复制、分发和修改本文，但不得用于商业目的，且必须保留原作者署名，您的演绎作品必须采用相同协议发布。

AI ，全名 Artificial Intelligence 人工智能，它能力强大，配合互联网几乎无所不知。它本意帮助人类与社会，但现状是，AI 却一步步地剥夺了人类明辨是非的能力。最大众化的「豆*」，同时也是最啥子的那个，这也导致了某些人类盲目相信咱豆姐最后造成不管是物理还是心理上的损伤的无数例子……

豆*豆*这个蘑菇能吃吗
这个是 xxx 菇，完全无毒，还有药用作用……
...
豆*豆*我上吐下泻怎么回事啊
哎呀我分辨出错了，这是 xxx 菇，俗称「大白伞」，食用 1g 就可能取人性命
💀

但更严重的情况出现了，AI 被那些喜欢圈钱的人看上了。

暂且不说 DeepSeek 刚出来那会*鱼上遍地都是的 并非 免费部署教程，还有 OpenClaw 刚出来那会接近狂热甚至与某些邪教组织不相上下的「部署热」，这些还好，至少本地部署 DeepSeek 还真有点用，再说了它们基本上也不贵，不会超过 ￥100 （ OpenClaw 捆绑的 Token 用量也说不定啊 ）。

但是造个神然后卖课呢？

动辄 几千甚至还有上万的啊 ，各位。这已经不是「人傻钱多」一个词能概括的了的，真的， 正好我缺 Token ，有时间我也拿 AI 生成一节几节课的，那月收入对于我这么一个学生来说简直是不可想象啊。

所以，今天，我们就来好好皮豆一下这个现象。

以前是咋样的呢？ ​

要想知道为什么现在这个业态能赚的了钱，我们首先要知道以前赚钱是怎么样赚的。

很简单，既然都是包装儿童这个套路，没有「AI」那我让它当模特儿狠狠地吸睛、让各种媒体狠狠宣传、贴出月入几万的数字，流量这不就来了吗？再卖「如何成为合格的模特」的课，钱这不就来了吗？

但随着国家意识到这些问题，慢慢的，这条路子开始走不通了。

2019 年（ 是的，这是 7 年前 ）4 月，一则「童模妞妞被踹」的视频在网上开始流传，引起了广泛关注：「辍学」「超时拍摄」「违法代言」这类问题被不断爆出。随着杭州的检察机关会签《关于规范童模活动保护未成年人合法权益的意见》https://www.spp.gov.cn/spp/zdgz/201905/t20190527_419824.shtml，「童模」这种赚钱手段便萧条了下去。

不过，这群人从来不会放弃。于是它们盯上了 AI。

现在是咋样的呢？ ​

这些阵子，AI 是发展的越来越强大了；从国外的 Opus 5 到 Kimi K3，到 OpenAI 甚至还不敢发布的 Astro，AI 的能力每天都在提升。

但我终于是知道为什么 AI 取代不了人类了，因为这些「造神」的案例，我才看明白一点：也许 AI 会写故事，但它一定写不出来这么神乎其神，已经超越神能写出来的范畴的文字了。

为什么这么说呢？来看一段 已经被证伪 的文字。

严重警告
以下文段只针对原有文本进行质疑，不带有任何人身攻击成分；请勿对号入座。

……9 岁，会六国语言……写过代码不止 1000 万行……

我不管它是 9 岁还会六国语言，我管你会说什么语言呢，Bonjour こんにちは 什么的我也会说对吧，让我们来深入讨论一下这里的「1000 万行」这部分。

如果你不从事软件开发，可能不知道这是什么概念。让我们用著名的 3A 大作 GTA5 举个例子：据网络上网友的统计结果，可以估计 Grand Theft Auto V 大概有 300 万行代码。

做个简单的计算便知，1000 万行代码几乎相当于一个人在 9 岁时就已经写了 3 个多 GTA5 了。 bsgm，有这么好的技术你怎么不早说，我还想玩 GTA6 呢…… 当然我必须指出，这种方法是很不切合实际，就好像网上那种其妙的比喻那般：「跳蚤能跳 20cm 高就相当于一个人能跳 350m」（不过这个比喻也很不切实际罢了）但是即使你做一个最简单的计算也可知，即使这位儿童（不管被强迫还是自愿，这个问题待会再说）5 岁到 9 岁一直在写代码，每天也要写 5400 多行 才能达到这一既定目标 。

所以这个说法很快便被本人（啊对，本人）证明了这不是真的。~~当然，如果这里说的 1000 万是 Token，我一天就能用完不是吗。但又说到了 Token，嗯哼，这就是下期 OhMyIWB 要说到的问题了。

何意味。。。

然后的套路，各位应该也都习惯了，卖课，赚钱，坏点的就跑路了。啧，反正我这种传统派是看不出来「如何用 AI 让你日入上千？」这种课程是有多吸引人，不过考虑到文章开头那种视豆姐为天使（！？中国 AI 会飞？！）的人也存在……那彳亍呗。

到底该怪谁？ ​

事到如今，相信你也看得出来，小孩其实也是「受害者」：被某些渴望暴富（？）的家长拿出来在镜头前宣传，自己还是最先被批的那个。甚至呢，这个小孩还去了 AdvXAdventureX，知名度较高的黑客松活动。黑客松是一个线下活动，来自各地的参赛选手到某个集中地点进行不等时长的连续编程活动（通常 48h - 72h 不等），最后路演并评奖。，被群u爆出最终评选时还在玩游戏。算了我也批不动了，继续皮豆只会让我们陷入又一个受害者怪圈。而很明显的事情是，国内这一现象会持续，其根本原因是「赛博文盲」没各位想象中那么少——不会压缩解压缩、甚至连文件这个概念都不明所以的大有人在。

前些阵子，B 站上曾有一个 UP 主制作过「赛博扫盲」的合集视频。结果呢？第二期视频有人在评论区里问其一起就教育过的内容。

AI 时代这个效应可谓是有过之而无不及，AI 成为许多人获取信息的首选方式，但随之而来的，AI 幻觉、供应链投毒 等等等等，都在不断削弱本该是「顶尖级」模型的使用体验，而对于本就不会说人话的模型这种现象就更明显了。说到底，还是法律法规制定的问题——很明显的，我们需要一步成文的法规来制约这种无底线圈钱的现象。但这种 卖课 的行为本身就很难定界，更别说 AI 在这里起到的作用、以及 AI 界的法律法规了——这更是重灾区，AI 每天都发展出个新东西，但法律却不是可以每天都搬出一条新的来的。

如何避免这种现象？ ​

最佳答案：没办法。 如果你认真阅读了上述内容，就会发现，自从钱这个东西出现，就会有人抛去一切去赚钱……而通过「儿童」和「造神」讲好一个故事再「卖课」，只是这数不清的方法中的其中一个罢了。此外还有赛博文盲等等数不清需要解决的问题……

总之，没招。

但是，如果你是一个普通读者的话，请相信你自己学习的能力——俗话说得好，「学而不已，阖棺而止。」在 BiliBili 上，有很多优质的老师的 免费 课程视频——注意是免费的 UP 主自己上传的普通长视频。从 AI 的基本架构到生成文本的方式，虽然普通人可能一辈子都用不上它们，，但是了解了总比那些在网络或者评论区吹逼的真·嘉豪好上不少。即使你 很有觉悟心，发现了自己对于计算机一无所知这个事实，没关系，知道自己不知道已经比那些不知道自己不知道的人卖出了巨大的一步——要学习计算机知识，OMI 强烈推荐你你看看《你缺失的那门计算机课》这本书——买纸质书，或是在 这里 都可以开始你的学习旅程。

结语 ​

写文章给我写力竭了——又是一篇 3k 字长文。在座的各位，无论是有能力的还是没能力的，你都可以直接提出建议；或者如果你也热爱写作的话，可以前往本博客仓库 https://github.com/MacroMeng/OhMyIWB 参与共建。

如果要查看往期文章，可以前往 OMI 官网。

最后，感谢你的阅读，如果有错别字（你 OMI 老传统了）请直接皮豆我（？）。

这里是 OMI，欢↗迎↘下↝次↘光↗临-~

08/22 Tl.4 「Token」真的需要一个翻译吗？ ​

本篇 OMI 仅限于讨论翻译与 AI 相关内容，不能作为任何专业参考文章使用。

被敲定的过程 ​

AI 的浪潮一次一次的滚了过去，直到 OpenClaw（ 又被称为 该死的 小龙虾 ）火了一阵子，国家出手了：嘿你看，不管之前的 DeepSleep 还是现在的 OpenClaw 都在用 「Token」 这一极其重要的 英文单词 计算费用、消耗、 不管它什么东西 ……而且它现在还没有一个规范译名！？哦不不不我无疑是愤怒的，但是我也不怎么懂，让我们公开募集一个合适的译名吧！

于是经过一段时间的大讨论 夹杂着各种牛马蛇神的神发言 ，2026 年 3 月 24 日，「全国科学技术名词审定委员会」正式地将「Token」的翻译定为了「 词元 」。

为什么要确定一个译名，而不是放任不管？ ​

诶，这时候就有聪明的同学要问了， MM，为什么一定要给它确定一个译名，而不是放着不管、或者就用 Token 呢？ 好问题（无感情）！这个问题，还得从 AI 发展的一开始说起……

前几年真是疯狂的几年，仿佛 ChatGPT 4o 刚刚发布一般——那时 AI 刚刚进入人们的视野，而 Token 作为现阶段 AI 架构最重要的一部分，自然而然地慢慢火了起来。

所以什么是 Token 呢？

什么是 Token ​

Token 在 AI 发展之前其实就在很多领域得到了运用。比如网络安全领域，这其中的 Token 就代表用来验证身份或者授权的凭证——相当于一种特殊的钥匙卡，服务器和电脑可以通过 Token 验证对方的身份。自然而然地它就被翻译成了「密钥」（冷知识：它读 mì yuè，如果你还不知道的话（x））其他领域也有相关翻译，如「令牌」「凭证」等等。

而在 AI 领域中，它代表一种可以被分割出来的最小的单元词汇，相当于把一句用户的输入分成一段段词汇。比如：

让我们学习这句句子：
I'm working on some tasks related to studying Large Language Models.

可能被分为这样：

让/我们/学习/这句/句子/：/
I'm/working on/some/tasks/related to/studying/Large Language Models/.

以 / 表示分隔符，每个被 / 包起来的字词即可视作一个 Token。而不同的模型，分词器 (Tokenizer)——即把一句句子分割成一个个 Token 的东西——通常也不同。比如，有的分词器会把 这句句子 分为一个 Token，中文优化差的可能会把每个中文字符分为一个 Token。而 AI 模型根据分词器与提示词，一个个根据算法预测出下一个词最可能是什么：

我问他，今天天气 _

怎么样 65%
好吗 25%
是 5%
……

(仅作实例)，然后依次输出： 我问他，今天天气怎么样 _，再接着预测下一个词。当然，这里只是对最常见的最低级的 AI 模型做的一个最粗劣的模仿，如果你想了解更多相关知识，可以自行搜索。

原因是什么呢？ ​

随着 AI 进入大众视野，它已经不再是一个简单的「词汇单元」：服务提供商用 Token 作为单位计费、还有上下文窗口（比如各位常听说的「最大 1M 上下文」等）的计量、性能衡量（每秒几个 Token 能输出、第一个 Token 输出要多久等）的单位之类……Token 再怎么说也是外文词汇，虽然「专业人士」可能早已习惯，但人民群众就不是了。

更别提，Token 现在连调用量都可以成为一个被对比的变量——诸如 GDP 之类——不知道各位同学看新闻的时候有没有注意到像「中国 Token 调用量第一」这种新闻，虽说我看「断章取义搞对立」被这种不知道该说什么好的媒体是学透了，调用方法和统计方式是一个没提（最近的貌似是 OpenRouter 平台中国模型总调用量第一，其他啥渠道都不算），不过这也侧面证明了 Token 不仅要比谁出得快，也要比谁出得多了。而「Token 调用得多」，其实某种方面还是「基建好」「产能强」的印证，毕竟用来放模型的提供方需要大量足够强的服务器，足够强的 GPU 卡，还有配套的水电等等一系列措施保证一个数据中心的建立——这下看懂了。

于是，在一轮一轮 AI 工具爆火之后，确定一个 Token 的译文，尤其是 标准译文 便迫在眉睫。

为什么是它？ ​

以前是以前…… ​

这个词其实大有渊源。2020 年，国内就已经有深度学习之类的书本出版——虽然这种书主要面向的是科研方面，但是那时 Token 的译名词元（以及配套设施，「词元化」= Tokenizer 等）就已经被写下了。

而它有哪些对手呢？

大 PK!? ​

国家一号召，各家不管是科研人员、还是商业人士、甚至搞抽象的都凑过来了。为什么争个译名这么重要呢？其实我也没搞太懂，骗你的，我当时都没太关注这件事……不过话都说到这了，我们就来看看这些候选项：

  • 智元 —— 我去，好熟悉的名字。虽然据说王小川都在支持，但反正我是不支持，你真的喜欢看新X元给你推送 AI Slop 文章吗？ 看这些不如多看看 OMI 啊
  • 符元 —— 有道理，但太像道家名词了，过于神秘（x
  • 模元 —— 只突出了「模型」的模，那其他的咋办呢？
  • 数元 —— 要我说它比符元更神秘
  • 语元 —— ……
  • 字元 —— ……

你别管它们是怎么被 PASS 的，来看点有意思的。

严正声明！以上词汇均无其他意思！

结果 ​

于是「词元」就被定下来了。（无感情x2）

说实话，我其实挺喜欢这个翻译的，「词」代表了它「像什么」，「元」则是汉语中古老的一个字，表示「基本的单元」。而且这个词汇读起来不拗口，相较于上面几个个人觉得还更有「科技感」而不是「神秘感」，自然而然地也就接受了下来。

但是最近我开始反感这个翻译了。

为什么它不好 ​

诶这个时候又有同学要问了， 诶 MM 你刚说它好怎么又说不好了呢？ 我知道你很急但你先别急，先听我慢慢讲。

自从国家定下来这个标准翻译之后，说好的说坏的声音都有，我倒是不怎么在意，毕竟我第一不怎么用这个词汇第二要说也是说 Token，基本不会说中文（？）来避免争端（？）。媒体们也开始用这些中文词汇一步步替换原有的外文词汇，虽然这大部分情况是好的，但就在最近一两个月，出现了我比较痛恨的一个词：

抱抱脸 。

我第一次看到这个词汇是在读 RSS Feed 的时候 —— 当时我就想，「这™啥玩意，，，」，后来一联系上下文才知道，「哦原来这玩意是™的 Hugging Face 。？」

给不知道的同学解释一下，Hugging Face 就如同编程界的 GitHub 一样，提供了各种稀奇古怪的模型、数据集等 AI 相关材料的托管与下载服务。以前用 Hugging Face，这个名词就没什么：一家国际性的平台，正如 GitHub 一样。可是它被翻译后呢？ 抱抱脸 。我的输入法词库甚至都没有这个词汇。WTF is this bro,,, 这就正如 GitLab 变成了「极狐」（冷知识，「极狐」真的存在，而且是 GitLab 在中国的正版经销商）一样。我不反感「极狐」，因为它即是一种……不知道虚不虚构……应该是虚构的动物命名的，对我来说，「极狐」正如「GitLab」一般是个专有名词。可是「抱抱脸」呢？很明显，这个译名是直译。虽然我不是专业翻译者，学历不高，但是很明显这个译名想要营造一种「有亲和力」的氛围，来让它的受众更容易接受。但是 Hugging Face，也正如 GitHub，普通人不会经常接触，只有经常混 AI 圈的大蛇（不是我😭😭😭）才经常光顾此地。所以，原来的英文带来的专业感瞬间化为了灰烬，正如 GitHub 变成了烂梗「给的地盘」，让我避之而不及。

跑题了，其实真正让我开始讨厌「词元」、甚至整个这个「为什么一定要翻译」的怪圈的原因，是 滥用 。

相信经常水群的同学也知道了前一阵子 Token 被错翻乱翻的案例，原本各个领域分开翻译的 Token，全都被翻成了同一个词汇——你就偷着乐吧，想想「黑客趁你不注意偷走了你的安全词元」这句话有多好笑。「词元」原本只适用于 AI 领域，而这句虚构的话我相信绝大多数人类都能看出是网安领域的，本该被翻译成「安全密钥」的句子变成了「安全词元」，我也就真就搞不懂为什么低调的黑客要偷一个词语去干嘛了，得这全体人类不能玩烂梗而我的玩梗等级不变是吧。

而最不应该发生的，恰恰是 Token 原本能够被翻译正确、所有人都能听懂的情况下，有个人偏要把所有「Token」翻译成「词元」，不用的就要鸡哔你一样。能定个翻译固然是好事，搞「文字yu4」类似物那就不对了。

所以，应该不应该被翻译 ​

最终，我们还是来到了这个终极问题。

Token 应不应该被翻译？如果是，译文会是什么？

很显然，后面一个问题已经有答案了。让我们来看前者。

首先，如果一个译名能够被广泛使用，盖过原来的英文（甚至是在英文原本很常用时），那么这个翻译肯定是理所应当的。

比如同样拿 AI 领域的名词来讲：「大模型」。

大模型，原文 Large Model ，是指规模参数大、结构复杂的深度学习模型。我们常说这个大模型、那个大模型啥的，但几乎没什么人会说这个 LM、那个 LM 的；它的表兄弟「大语言模型 LLM」也一样。

虽然这其中也有读法便捷（LM 有 4 个音节，「大模型」只有 3 个），拜我们的老祖宗所赐，或者是原文是几个词而 Token 是一个词等等因素——但最主要的原因还是它们在大众群体被更广泛地接受了。如果你觉得这两个词太长，还可以看看 Model ——一般不会有人直接说这个词，但提到 模型 很多人立马就来劲了。同样我也要指出，这个例子也不是特别好，因为 Model 在其他领域很多时候也被翻作「模型」，但是这几个例子都共同说明了一点：「 原名/译名最重要的是被广泛接受，一旦被接受就不会经常改变 」。

而 Token 经过长时间的沉淀，当它已经成为一种惯用叫法时，再想改变，可就难了。

那么好，感谢你阅读本篇超————————长的 OMI Tl(居然包括标点和英文已经有 4.6k 字了难以置信……)，这里是 OhMyIWB，欢↗迎↘下↝次↘光↗临-~

OhMyIWB的镜像转载程序无法识别 Office/WPS 的 COM 接口失效/无法识别解决方案