这实验其实是被逼出来的。上个月接了个成都本地生活号的单子，甲方要求“要有成都烟火气，但每天更新三十条”。我第一反应是套用之前的伪原创流水线——同义词替换+句式重组+热点关键词植入，结果生成的东西连我自己都看不下去。“巴适得板”这种词像撒味精一样到处乱塞，读起来像外地人硬学四川话。
腊月二十五，窗外的鞭炮声已经断断续续响了一整天。我把自己关在书房，把 GPT-4 的 temperature 调到 0.9，开始往系统提示词里灌真正的方言语料。不是网上那些“川普大全”，而是从九十年代《成都晚报》副刊的电子存档里爬下来的市民投稿，加上我自己在玉林菜市场录的摊主闲聊音频转的文字。这些材料里，“安逸”有时候是真心赞叹，有时候是反讽，“瓜娃子”在熟人之间可以是亲昵的。AI 不懂这个，它只会统计词频。
我的突破点在于强制 GPT-4 进行“场景-情绪-方言映射”。我写了个三层结构的提示词：第一层定义内容类型（比如“小区门口水果摊降价促销”），第二层明确叙述者身份和情绪（“一个有点斤斤计较但心肠不坏的嬢嬢，半信半疑”），第三层才是方言词库，但特别标注了某些词的禁忌语境。比如“铲铲”后面绝对不能接正面评价。然后我让 n8n 跑了个循环，每次随机组合场景和情绪，生成二十个版本。
出来的东西终于有点人味了。有一条是模仿菜市里肉铺老板吹嘘自己的土猪肉：“你看这个肉膘，亮汪汪的，不是那种喂饲料的虚泡泡。煮出来你尝嘛，抿抿甜。” “抿抿甜”这个词用得精准，它不是单纯的“甜”，是一种扎实的、厚重的甜味，AI 从语料库里关联到了“红烧肉”和“土猪肉”的上下文，自己拼出来了。代价是生成速度慢了三倍，而且有百分之三十的产出会突然崩坏，冒出一些完全不合逻辑的方言乱码，比如“这个火锅吃得人毛焦火辣，就像在洗桑拿一样巴适”。我得在后面加个校验层，用简单的正则匹配过滤掉明显矛盾的词组。
搞到凌晨两点，鞭炮声基本停了。我意识到所谓的“个性化和辨识度”，本质上是在用技术手段还原人类语言中那些模糊的、依赖语境的部分。GPT-4 是个概率怪物，你给它越精确的约束，它反而能在这个框里跳得更活。但框本身，还是得人来画。这活儿比我去年死磕微信小程序云开发的时候更磨人，它不考验你多线程或者破解 API 频率限制的硬功夫，它考验你对“人味儿”的理解和拆解能力。拆得越细，机器学得越像，而你自己，反而会在这种拆解里，变成那个最不懂“安逸”到底是什么意思的人。
