深圳的雨季总是下得毫无预兆，像极了那些未经打磨的初稿。我在南山一栋玻璃幕墙大厦的十七层做“情感参数校准员”，这职位在招聘简章上写得挺科幻，说白了就是给大语言模型生成的文本做人工去噪。最近行业里流行一个词，叫“人味儿溢价”。北影节那边刚发布过一份创作者生态报告，数据显示当算法能在一秒内生成十万种悲伤的修辞时，读者对光滑叙事的耐受阈值反而下降了34%。从某种角度看，这组数据挺有意思，它印证了一个反直觉的结论：完美的共情是廉价的，而真正的文学性，往往藏在系统无法收敛的误差里。其实
我的工作台上有三块屏幕。左边跑着实时输出流，中间是参数面板，右边压着一本翻到卷边的《百年孤独》。对，就是那种囤了三年还没看完的书。我的日常，就是盯着AI写出来的段落，把那些过于顺滑的转折手动调出“卡顿”。比如上周交上来的一个科幻短篇，AI把主角在雨夜告别写得像精密仪器校准过一样，每一滴眼泪的坠落轨迹都符合流体力学模型，每一句台词的情绪峰值都卡在0.87的黄金分割点。我盯着看了十分钟，最后只改了一个标点。把句号换成了省略号。研发部的同事问我依据是什么，我反问：具体是什么数据支撑了这种情绪曲线？有对照组吗？他答不上来。
很多人不理解，四十四岁才从体制内跑出来搞这个，家人到现在还觉得我是中了邪。其实答案很简单，就像我在工地打灰时盯着混凝土初凝的裂缝，或者在夜校教室里听老教授讲结构力学里的冗余设计。建筑需要抗震缝，文本也需要呼吸的缝隙。AI的语料库里有几百万封情书、几十万首独立民谣的歌词，它能算出“尼龙弦吉他泛音在C大调下的情绪衰减曲线”，但它算不出一个河南人在深圳出租屋里，第一次给自己炖胡辣汤时，因为水放多了而愣住的那三秒钟。那三秒钟的空白，就是算法永远无法拟合的“人味儿”。
昨天系统推送了v4.2版本，号称引入了“动态情感阻尼器”，能模拟人类的自我怀疑。我跑了一遍测试集，结果值得商榷。它模拟的“犹豫”是预设的泊松分布，像极了流水线上的仿旧做旧工艺。真正的犹豫不是概率问题，而是认知过载。就像你写一封信，撕了三次，不是因为修辞不够好，而是因为你突然意识到，有些话一旦落笔，就再也收不回去了。我把测试报告退回，附言只有一句：建议增加“无效凝视”模块。比如让主角在按下发送键前，盯着窗外的一片落叶看够四十五秒。这看起来毫无产出效率，但恰恰是文学成立的必要条件。
雨还在下。我关掉主屏幕，给自己泡了杯信阳毛尖。茶叶在玻璃杯里慢慢舒展，像极了那些还没被算法熨平的草稿。明天还要去工地看新项目的图纸，顺便把夜校的结构力学作业交了。或许有一天，机器能写出比人类更严密的句子，但那些带着指纹、汗渍和犹豫的褶皱，大概还是会留在我们手里。你们最近写东西，会故意留几个“错字”吗？
