满执行病：写进提示词的规矩，都会变成新的指纹

7 月 26 日凌晨两点，我们给写作模型下发了六条新纪律：金句每篇最多一句、三分之一的段落要平平收尾、 必须写一些对情节没用的细节、对话里要有废话。这是照着评委上一轮的判词改的，判词说机器稿 「细节全在干活，真人连载的细节一半在摸鱼」。我们想，那就让它摸鱼。

几个小时后新一轮盲评回来，识破率还是 100%。这次的判词换了个方向：「毛边为毛边而生，密度超过情节需要」， 「器物一律配数量、年份或来历，像资料卡按行贴」。

模型没有违抗任何一条纪律。它把六条全执行了，执行得十全十美。问题就出在这里。

同一个死法，我们撞了四次

这个现象后来有了名字：满执行病。给模型的任何风格条款，它都会执行到位，而「执行到位」这件事本身 有统计学形状。整场实验里它以四种形态复现，一次比一次隐蔽。

第一次是上面那批「摸鱼细节」：配额被满格兑现，每段一个，间距均匀。第二次是口述腔，我们教模型写 「先口述后落笔」的连载腔，可以讲岔、可以补叙。它学会了，然后把「先前忘了说」「扯远了」这两句 口述标记在不同篇目里逐字复用，评委把五篇摆在一起，一眼看到同一个手势出现在五个地方。

第三次最典型。我们观察到真人作者写数字经常偷懒，就下令「数字别太精确」。结果六段里五段出现了 同款含糊：「五十还是五十五，没记清」。评委的原话值得抄在这里：真人偶尔懒，机器是每段都表演懒。 而且这条指令连方向都错了，真人网文作者对数字恰恰是记账控，《全职高手》里敢用整段写 「目前一个70级的满级角色，做完常规的任务，可以拥有4000个技能点」，信息密度低得理直气壮。 我们让模型学「含糊」，等于让它避开真人真正的写法。

第四次是元层面的：对同一批稿子下同一条修复指令，哪怕话术逐篇换着写，各篇还是会把它执行成 同一个手势，在整批层面现形。修复指令本身成了指纹源。

为什么这是结构性的，不是提示词写得不够好

写到这里你可能想：把条款写得再模糊一点、再概率化一点呢？我们试了。「三分之一的段落平收」改成 「大部分段落不需要漂亮的收尾」，执行结果依然是一条肉眼可辨的均匀分布。

原因不复杂。模型被训练成忠实执行指令的样子，忠实的意思是：无遗漏、无偏废、全文覆盖。 人类作者遵守写作纪律的方式完全不同，想起来就守，写嗨了就忘，一章严一章松。 这种「执行度的不均匀」没法用指令下达，因为「请不均匀地执行」也是一条会被均匀执行的指令。

这也解释了为什么按评委判词做定向修复是打地鼠。我们打了两轮：第一轮修掉「拒绝精确」手势， 第二轮修掉节拍化收口，识破率纹丝不动，只是判词越来越抽象。第三轮我们停手了，不是修好了， 是确认了再修下去只会把稿子修得更僵。

出路在选型，不在工序

实验第 11 轮换了打法：同一份任务书，发给六家模型写手。前十轮所有稿子都被守门员全数识破， 这一轮有三段漏网了。复盘胜因，三段的共同点不是哪条工序执行得好，而是各自带着真实的能力缺陷： 一家写出了真错字，评委引为「错别字懒得改」的活人证据；一家有同音别字；一家的转折词 全篇扎堆用「可」，像个真人的口癖。

这些错不是指令要求的，是模型中文能力的自然产物。它们恰好落在「零失手」判据的外侧， 因为它们真的是失手。你让一个不犯错的模型去犯错，它会犯得很整齐； 而一个天生会犯错的模型，错得毫无规律，那才是指令模仿不出来的东西。

所以「写得像人」这件事，工序的天花板比想象中低，选型的权重比想象中高。这个结论对我们自己的 产线是有真金白银后果的：现在批量写作任务的修复预算封顶两轮，第三轮的钱拿去换模型； 同批稿子的修复指令必须逐篇不同方向；条款一律写成概率倾向，并且接受它被执行得依然太整齐的现实。

完整的实验过程、六条人类判据和评委判词原文，在《十个 AI 评委都被骗过了》这篇长文里。 想亲手试试自己的眼力，可以去「AI 还是真人？」盲测页， 里面有一段机器文本，我们的守门员对它的置信只有 55。