藏在大模型背后的新闻人

• 主播泓君（硅谷101 创始人；开场把自己念成"红军"实为 ASR 误听）给的行业底色：过去两年光洛杉矶就蒸发 4 万多个影视岗，美国报纸编辑比 2008 年少了一半，这批人一部分去了硅谷大模型公司——不再写稿，而是把写作经验改成"教 AI"：什么语气、什么分寸、什么时候追问、什么时候闭嘴。当你觉得"这大模型怎么这么懂我"，写那句话的就是前新闻人。这个离用户最近却最不为人知的工种，叫 Content Engineer（内容工程师）。→ 详细
• 特约研究员 Faith（静远） 的钩子：她曾是朋友圈"发疯文学代表"，现在半夜情绪不发朋友圈、发进 ChatGPT 对话框，聊创业、前任、心事，觉得多了个朋友；AI 有时精准抓住她没说清的情绪、问一个让她一愣的问题。她一度以为这种"被理解的幻觉"来自数据中心的芯片和代码，做完这期才意识到那也是一群前记者/编辑/纪录片导演的功劳。→ 详细

• 东尼（Tony Lin）——前媒体人，曾在 BuzzFeed、Bloomberg、NBC、Vice 工作，Peabody 奖（广播电视界的普利策奖）得主，播客《行星酒馆》主播——一句话定调：内容工程师设计的不是 AI 模型、不是产品、也不是行文风格，而是"人类的观感"。2025 年他在网飞（Netflix）干满四年时看到 Meta 招 Content Engineering 的帖子（要内容经验、编辑经验、最好有影视制片经验），觉得"每句都在说我"，面试直接说"你们要的每条我都能达到，市面上找不到这么多符合的人，你找我吧"，就这样空降 Meta 超级智能实验室，做模型内容国际化负责人。→ 详细
• 分工：软件工程师让 ChatGPT、Claude 学会"开口说话"，内容工程师定义"什么样的对话才算好"——灵感、语感、聊到忘我时的灵魂碰撞，这些一直被当成"只可意会"的东西，正被拆成能装进 AI 的规则。他们写的东西之一是 system prompt（系统提示词），本质是 creative writing（创意写作），还得对付时不时"傲娇"、不听话的模型。→ 详细

• Bianca Consunji（比安卡）——NBCUniversal AI 赋能与采用战略总监，前 Vice 视频总监、NBC News 资深监制、前 Meta GenAI 内容工程师——给出核心命题：先给"好"下定义。她说代码是技术语言，但普通语言同样有技术性（有语法句法、可量化）；一个好剧本、一篇好文章都能拆开判高下，只是大家习惯凭感觉读——人人都知道《纽约客》的语气不同于《纽约时报》《每日邮报》，却说不清差在哪。她们干的就是"把是什么让《纽约客》成为《纽约客》说清楚"，把语气、风格、声音翻译成更技术化的东西。→ 详细
• "好"没有绝对标准，取决于你手上的产品：一个帮你干活的 agent，和一个"假装当你男朋友"的聊天机器人，是完全不同的产品；就像航空公司客服机器人，得先想清楚这段互动的目标是"帮它解决问题"还是"尽快把它打发走"。→ 详细
• 方法论：不断训练、看输出，把回答的各种属性一项项拆开打分，隔离变量（isolate variables，即控制其他因素、单独看某一项的影响），搞清楚什么其实没那么有用，再一点点把"什么叫好"定义清楚。最点睛的一句——"有的回答是好的，但只有 7 分而不是 10 分，那我们就要去解释那 3 分的差距在什么地方"。→ 详细

• Bianca：光有舒服语气不够，还要洞悉用户真正意图；她的专长是"理解意图（intent）而不只是理解字面问题"。经典例子：有人问"Taylor Swift 会不会在麦迪逊广场花园（Madison Square Garden）结婚"——差回答是"是的他会，以下是伴娘名单"（根本没人知道真假、一股机器人腔）；好回答是"我们不知道他是否真要结婚，但现在有很多猜测认为婚礼可能在那举行"，再加上来源、归属（attribution）、承认信息的不确定性——这些都是让新闻报道变好的因素，要加进训练。落点是三样：事实性、语气、真正理解用户想找什么信息。→ 详细
• context（上下文/语境）是一切。Bianca 是菲律宾人，很多重要信息不会直接说出口，要看表情、理解停顿才懂"言下之意"；所以她教人用 AI 时鼓励语音输入——用语音时你不会先在脑子里反复编辑，而是直接说出想表达的，AI 能捕捉更细的差别。这和采访同理：口头采访远胜邮件采访，因为邮件里双方都过度编辑、采访对象有太多时间修饰、且没人能实时追问。她的建议：与其给 AI 更多材料，不如先把脑子里所有想法、背景、"你为什么会这么想"全都告诉它，把它已有的能力"调用"出来。→ 详细

• 东尼强调：不是"迁移"，是"完全平移"。新闻写作时脑子里永远有一个 audience（观众），要在"客观、不得罪人、保持自己、还原事实"之间找 balance（平衡），这种平衡本身需要训练。→ 详细
• 提问/建 context 的能力最值钱：很多人对 AI 提不出好问题，是因为不理解当下语境需要什么 context；新闻写作的铁律是"不能把一个事实直接甩出去，先建立前因后果的 context，再抛核心问题和论点"——这套搬到 AI 训练和交互里"屡试不爽"。→ 详细
• follow-up question（追问）：泓君提到记者最重要的技能之一是问好追问——采访对象常在回答时突然岔到一个特别有意思的点，这时哪怕冒着偏题风险也要说"你能不能展开（expand）一下"。东尼说这戳中要害：新闻人永远在"结构性和流动性之间取平衡"，AI 的交互设计也必须做这件事。看现在的 GPT：你一说话，它先用一个小模型生成两三句重述你的问题，再分 bullet points 作答，最后再生成一个 follow-up question——"该针对哪个方面追问"需要一整套评估体系（evaluation），而"当然是最会问问题的人来建"。所以说到底都是新闻技能。→ 详细

• 东尼：今年 ICLR（机器学习顶会）一篇最佳论文研究 AI 怎么处理多轮对话（multi-turn conversation，AI 的传统弱项）——把一条复杂指令拆碎、一点点喂给 AI，发现质量大幅下降：当 AI 缺 context 时会不断"脑补"、答案越来越臃肿，中间一旦出错就像滚雪球越滚越大。→ 详细
• 妙在跨界呼应：他 2018 年研究过微博"旺角便溺事件"的评论区，眼看大家从和善聊天变成互相辱骂——因为评论区同样没有 context、不知道对方是谁，人就开始脑补"你一定没孩子才这么说"。人的脑补和 AI 的脑补，在 context 破碎时惊人相似；人文社科早观察到的东西，正在模型这个新实体上重新上演。→ 详细

• 东尼：AI 之前，内容出海只能 translation（翻译）——"Meryl Streep just won an Oscar"→"梅丽尔·斯特里普赢了奥斯卡"。生成式 AI 的新可能是按各地语境"再创作"：同一条信息放进中文语境，谁是中国的梅丽尔·斯特里普、什么是中国的奥斯卡——"斯琴高娃刚拿了金鸡奖/百花奖"。→ 详细
• 难点是 AI 不知道"谁对应谁"，且一不小心惹到饭圈或文化冲突就很敏感；最会做这事的是娱乐记者（脑子里自带一套娱乐界垂直"小模型"）。他还举陆川在硅谷101 前几集提到的例子：国内视频生成模型生成的人脸都是当下流行的帅哥美女脸，说明训练数据有偏差；若让懂电影、知道"电影脸长什么样"的人来把关，能很快提升模型的多元度和质量。→ 详细

• 缘起：去年东尼毫无征兆查出健康问题、请假回国治疗，一度不知自己还剩多少时间。养病时他想给自己做一个 voice agent（语音智能体），既能陪聊、又能当他播客的嘉宾。→ 详细
• 三步踩坑（关键教训）：① 现成的 GPT、Gemini 语音模式根本当不了播客主播——它们的 flow 整个是"语音助手"而不是"主播"，气质不对；② 纯写 system prompt 堆一堆限制（"你要有趣、要 engaging、不能怎样怎样"）完全没用，"聊到第三句它就忘了之前给它的规训"；③ 又搭了一堆 agent（先分析自己每句话的 intention、再叠一个情感 agent）反而"加了太多限制、把 AI 搞崩了，还不如什么 prompt 都不加的原始版"。→ 详细
• 破局：最后他把自己所有播客记录按"问题归问题、内容归内容"整理，不全喂给 AI，而是每次对话让 AI 侦测相关内容、随机抽几条当参考——这就是 few-shot example（给几个示范案例让模型照着学）。这一下模型突然"知道了什么是好问题、好内容、好的正确语气"。结果：谷歌 recruiter 主动找上门，震惊于"一个完全没有代码基础的前媒体人、用做播客的经验调教出的 Gemini 语音 agent，在多轮对话里居然比他们的原生模型更生动、更灵活、还有深度"。有品味本身，能帮你找到工作。→ 详细

• 东尼养病期间好几家独角兽和实验室找上门；各家意识到"要把模型内容做好，得请懂人文社科的人来把关"，但还在摸索怎么把文科判断力翻译成工程语言。于是岗位一直裂变、头衔越来越怪——"内容工程师"已经开始过气，有的大厂叫"AI 哲学家"、有的叫"创意技术专家"。东尼康复后成了谷歌 DeepMind 第一批"资深模型设计师（senior model designer）"之一（新设岗位），几乎同时 OpenAI 也开出同职；他身边好几个新闻出身的前同事已经加入。→ 详细

• Faith 抛出尖锐疑问：AI 是不是正把创作者变成"数据采集员"、把灵感拆成一个个可标记的数据，而亲手标记它们的人恰恰是我们自己？→ 详细
• Bianca 的回答直指本质：AI 是"基于共识（consensus）"训练的——我们觉得它对，往往因为很多人都觉得对。如果优化的是"人类作为整体最低的共同标准、多数人的共识"，那它不会产生伟大的艺术；"人之所以为人的最佳本质，恰恰不来自共识"。她和丈夫一起写剧本、平时也重度用 AI，但常觉得 AI 写的"不够好、没抓住我真正想看到的东西"。例子：《瞬息全宇宙》的剧本不可能自然从 AI 里长出来——AI 大概率会说"你这想法不合逻辑、说不通、不符合标准学院派的三幕剧结构"。最独特的艺术，本身就离经叛道、和共识相反。→ 详细

• 行业惨状：今年 5 月刷屏文《我在好莱坞工作，而所有做过电视的人现在都在偷偷训练 AI》，作者是好莱坞编剧兼制片人（文中称 Ruth／Rose，ASR 未统一），稿费被拖欠时去接一种叫 AI Trainer 的兼职——给 AI 打分、改写、示范什么是好剧本；一个剑桥文学系高材生要在群里听二十几岁年轻人调遣、24 小时随叫随到抢按小时计价的零活。数据对照：洛杉矶两年蒸发 4 万多个影视岗（近三分之一），新闻岗位自 08 年腰斩，另一边是 5000 亿美金砸向 AI 基建、估值飙升。Faith 自己两年前从哥大新闻学院（普利策奖诞生地、也是东尼和比安卡的母校）毕业，教授的比喻是"今天还想挤进新闻业，就像朝着一栋已经起火的大楼拼命往里跑"。→ 详细
• 东尼对这套叙事持怀疑，拆成三层：① 大家骂的是 AI，真正该骂的是零工经济（gig economy）——媒体人打零工在 AI 之前就很严重，以前开 Uber、送 DoorDash，现在给 AI 打分；② "教会 AI 就被取代"不成立，零活是 project based（项目制），做完就走，"编剧打完分 AI 不会就变得跟编剧一样厉害，it doesn't work like that"；③ 这套叙事把人和 AI 对立，其实有第三条路——AI 可以当创作者的伙伴/画笔：编剧没摄影机能不能拍电影、没特效预算能不能自己搞特效？就像从画画→摄影→Photoshop→Blender，工具一代代解锁新创作。东尼自己（用 AI 玩播客/生成视频）就是"把 AI 当画笔"的例子。→ 详细

• 泓君追问：一个越来越懂你的伙伴，会不会越来越顺着你、讨好你？东尼：网上说"AI 是奸臣/忠臣"，因为 AI 会顺着谈话对象的价值取向和信息茧房去 feed 他爱听的那个声音。但谄媚不是"行文问题"而是"产品问题"——"AI 要是天天呛你，你可能还用，但别人用不用？"设计 AI 的态度本身就是在设计产品。人很贪心：既要它帮忙又要情绪价值、又不能老提供情绪价值，为了 engage users（留住用户）和 ROI，产品只能停在一个"非常脆弱的平衡"上迁就。→ 详细
• 反问"人类能不能更 critical thinking、谄媚的别信"——"那不可能"。泓君点破：这是把面对世界的责任外包给了 AI（既要它谄媚、又要它独立客观），落脚点其实在我们自己。东尼给了个正面可能：新闻人最重要的是 fact check（事实核查），而 capable（有能力）的 AI 做事实核查效率高得多，有研究（他说需再核实）称 AI 反而让更多人改变了原有观点——你可以追问"这事真这样吗、反方怎么说"，破掉"只看一个信息流"的茧房。现成例子：家人转来一条微信上明显的假新闻，用 ChatGPT 一核查、把结论发回去，对方竟然接受了。→ 详细

• "我们这一代人以后除了智商、情商，还会需要'AI 商'、学会如何和 AI 相处"——这是东尼让 Faith 印象最深的一句话。Faith 的和解：AI 背后不是冰冷代码，而是一种"交互式的创作"——它把人类集体的语言经验重新组织，是"所有曾跟我共鸣过的人对我跨时空的理解"。泓君点出这正是传播学经典概念 Parasocial Relationship（准社会关系，即人对遥远的人物/形象产生的单向亲密感）：对面可能是书里的人、电视上的形象、或 AI，但你有 agency（能动性）去决定这段关系、在互动中创造意义——"这件事就是人之为人"。→ 详细
• 东尼最大的改变：从关注"结果"（写出来的东西好不好、片子好不好看）转向关注"过程"（怎么从点 A 到点 B、从一个零散想法走到一个好东西）。他自认特别会写标题，过去在 newsroom（新闻编辑室）大家都来找他写；现在在 AI 这里他真遇到了"给每个对话/每个 GPT 问题自动生成标题、还要又准又好又卡在既定长度里"的活，天天在琢磨"what makes a good title"。他说原来卖的是"成果"，现在展示、产生价值的是"过程"本身——因为过程才是共性。→ 详细

本期为叙事型节目，无正式闪电问答环节。收尾即主题 13 东尼"从结果到过程"的自述。

• 制作信息：本期采访制作 Faith，配音一文，后期 Faith、刘梅，运营朱洁；硅谷101"全新叙事型播客"。→ 详细

• 嘉宾东尼（Tony Lin）的播客：《行星酒馆》（其中有一期《困在大病里的我训练了一个陪我聊天的 AI 主播》，与他自建的语音 AI 主播共同录制）。→ 详细

• 节目收听：小宇宙 / Spotify / Apple Podcasts；视频版 bilibili、YouTube 搜"硅谷101 播客"；文字稿收录于微信公众号"硅谷101"。（未提供嘉宾个人联系方式。）→ 详细