在技术讨论中，经常会看到“永远”、“绝对”、“没有例外”等绝对化措辞的出现，这种情况比我们想象的频繁得多。有趣的是，越是坚定的表达，观点反而显得越脆弱。一个简单的反例就能使其论证土崩瓦解。近期，我的信息流中出现了数个此类例子，使用了非常果断的语言，几乎不给反驳留下任何余地。这种似乎力量十足的表述，实际上将整个论证变成了一个脆弱的结构——只需要对手找到一丝破绽，便能全面否定你的观点。

绝对化语言本质上是脆弱的，而非强大的。当我们将论点表达得过于绝对，实际上是在向别人递上一个攻击的武器。一个简单有效的逻辑漏洞，就可能使整个观点崩溃。这其实不是单纯的修辞问题，而更像是系统设计中的工程问题——在实际运作中，网络会出现断裂，依赖关系会崩潰，忽视的约束将在现实中显现。那应该如何应对这种情形呢？答案并不是模糊其辞，而是要有“适度感”。

适度感并不是不去表态，而是要确保结论的力度与证据相匹配。很多人将适度感误解为“和稀泥”，实则并非如此。适度感要求我们去区分那些被绝对化语言硬性归并到一个类别中的不同维度。“好”和“坏”构成一个维度，而“对这个约束好、对那个约束坏”则可以形成多个维度。绝大多数实际的工程决策发生在后者的维度中，而绝对化语言却往往无法意识到这一点。

在人工智能的讨论中，适度感的缺失尤为明显。两个阵营的表达都极为绝对：一方称AI已经无所不能，而另一方则认为AI纯属幻影。这两种观点都无法承受合理的反例，并且它们并不建立在工程的基础上，而是为了争夺注意力而形成的叙述。类似的逻辑崩溃，每天都在开发者与他们所使用的模型之间发生。当你向助手指示“让它更加简洁”或“达到生产级标准”时，实际上你只是将多年来未明言的背景信息压缩成了几个关键词。

所谓的AI幻觉，很大程度上只是因为语言的压缩导致了理解的偏差。模型并非凭空生成某些论断，而是填补了你所留下的空白，用一个看似合理的答案回应，却并非你的真实答案。这本质上是沟通上的失误，而非推理的失败。正如一个有效的重新框架所阐述的那样，或许更准确的分析是，这次交流中所包含的意义超过了语言所能明确表达的内容。

人类之间能够不断修正这种交流中的问题，我们会继续追问、澄清和确认。然而，我们对AI助手则缺乏这种耐心，直接将不匹配的现象称作“幻觉”，并匆匆前进，从而忽略了一个重要的区分。绝对化的表达在博客中可能被广泛接受，但在真实的基础设施环境面前却难以奏效——在那里的确会发生网络断裂和依赖崩溃，忽略的约束在生产环境中一定会浮现。

任何系统不需要达到完美，就能够具备实用的特性。假装系统要么完美无缺，要么毫无价值，正是适度感所要防范的崩溃。当然，这并不是倡导无所不包的模糊。真正有效的适度感在于，在需要得出结论的时候下结论，并确保结论的力度恰好与证据相符。