让AI输出从「听不懂」到「说人话」：航空规范给我们的启示

当我们抱怨AI不够好用时，第一反应往往是反复调整提问方式——换个说法、加个角色设定、让它用更简单的语言再解释一遍。但如果我们换个角度审视这个问题，会发现一个被忽视的事实：很多时候，AI输出不符合预期，才是困扰我们的真正根源。随着模型能力持续提升，我们今后会花越来越多的时间去理解AI交回的答案，而非让它完成任务本身。从这个角度看，优化AI输出质量的优先级，正在悄然超越优化提问技巧。一个有意思的思路来自航空业——这个对沟通准确性要求近乎苛刻的领域，用将近40年的实践验证了一套语言规范，而这套规范，恰好可以解决大模型输出“AI味”重的核心问题。

输出质量才是AI落地的关键瓶颈

长期以来，我们习惯性地将AI调教的重心放在输入侧。研究各种提问框架、记忆各种角色设定模板、反复微调用词选择。但大模型研究者卡帕西提出的诊断却指出另一个方向：我们可能忽视了输出端的优化空间。他的核心观点是，随着AI越来越强大，我们与AI协作的主要摩擦点正在从「让AI干活」转向「看懂AI交回来的东西」。大模型写出的文章缺乏温度、一个专业概念解释三遍还是看不懂、看似流畅的回复却抓不住重点——这些常见抱怨的根源，往往不是提问方式有问题，而是AI的输出格式天然与人类认知习惯存在错位。这种错位不会因为模型变强而自动消失，反而可能随着输出内容的复杂度上升而加剧。

卡帕西提出了四种递进式的输出优化方法。第一层是约束文字本身，要求AI在回答时遵守严格的写作规范——少用长句、一个词只有一个含义、一句话只表达一件事。这种方法看似朴素，却是覆盖面最广、门槛最低、今天就能用上的技巧。第二层是图文结合，让AI在文字旁边配上示意图或流程图，在很多场景下一张图胜过三段文字。第三层是生成可交互网页，让AI将技术概念做成带动画的网页，用户可以拖拽点击、自主探索。第四层是直接生成视频，配画面配语音，让信息接收更轻松。这四种方法层层递进，对工具和技术的要求也随之提高，但从实际应用角度看，第一种方法反而是大多数人日常最高频的使用场景。

四种递进方法让AI输出更易懂

约束AI文字输出的方法之所以值得重视，是因为它并非凭空设计，而是借鉴了航空业成熟的ASD-STE100规范。这套标准诞生于一个沉痛的背景：1977年特内里费岛机场发生航空史死亡人数最多的空难，583人遇难，调查结论直指沟通失误——非标准用语、语义含糊、无线电干扰叠加机组对起飞许可的错误理解。几乎同一时期，全球航空业还面临另一个挑战：维修手册需要被几十个国家母语各异的技师准确理解。航空业的应对策略是给专业英语上“枷锁”，用规范约束语言而非强迫所有人提高语言水平。1986年，这套标准正式发布，发展至今包含53条写作规则、约900个批准使用的基础词和约1200个建议避免的词汇。这套规范的核心原则非常直接：一个词只能有一个意思、一个事物从头到尾只叫一个名字、不用同义词轮换增加文采、用短句、用主动语态、一句话只说一件事。这些规则恰好与大模型爱堆长句、爱用同义词替换、爱打比方的写作习惯形成鲜明对比。

让AI输出的价值真正落地

将航空规范引入AI输出优化，背后的逻辑是：读起来顺的文字往往更危险。「顺」可能依赖同义词替换、比喻和长句包裹，而这些手法恰恰是歧义的温床。把话说得漂亮和把话说得准确，在追求严谨的场景下是矛盾的。应用这套规范的方法很简单：让AI用ASD-STE100标准来解释概念即可，如果觉得完全执行过于僵硬，可以退到80%的严格程度，留出两成弹性空间用于日常对话的自然表达。这套方法的价值在于，它不是教你如何更巧妙地提问，而是教AI如何更准确地回答。对于企业场景而言，这意味着员工能更快理解AI返回的分析结论，对于需要处理大量技术文档的岗位，意味着阅读效率的显著提升，对于需要跨语言协作的团队，意味着信息传递的一致性得到保障。这是一套可以内嵌到AI技能中、一次配置长期生效的输出优化方案。

AI落地的效果，不取决于模型有多强，而取决于输出能不能被人类真正看懂。航空业用40年证明了规范的力量，ASD-STE100的核心启示是：约束语言的上限，反而能提升沟通的下限。当我们把优化重心从提问侧转向输出侧，很多看似无解的「AI味」问题，会迎刃而解。