为什么 AI 产品需要"可解释的不可预测性"

用户问 AI 同一个问题 10 次，得到 10 个不同答案。

他们会觉得 AI "智能"吗？

不会。他们会觉得 AI "不可靠"。

问题的两面性

太随机 → 用户觉得 AI 在瞎猜
太确定 → 用户觉得 AI 在背书

好的 AI 产品，需要在两者之间找到平衡点。

案例一：代码生成

用户：写一个快排
AI：[版本 A 的实现]
用户：再写一次
AI：[版本 B 的实现，变量名不同]

用户会想：
- 为什么两次不一样？
- 哪个版本更好？
- AI 是在试探我吗？

问题： 代码需要确定性，但 LLM 天生随机。

解决方案：
- 添加"种子模式"（seed mode）
- 同一输入 + 同一种子 = 同一输出
- 让用户可以选择"稳定模式"或"创意模式"

案例二：创意写作

用户：帮我写个产品介绍
AI：[版本 A]
用户：换个风格
AI：[版本 B，完全不同]

用户会想：
- 这次很好！
- 我喜欢这种"惊喜感"

问题： 创意需要多样性，但用户需要可控性。

解决方案：
- 明确告知："我会生成 3 个版本"
- 用参数控制多样性：temperature 0.7/1.0/1.3
- 让用户看到"调节旋钮"

可解释的不可预测性

关键不是消除随机性，而是让随机性可见、可控、可解释。

原则 1：告知用户

"我将生成 3 个不同版本，请选择最合适的"

原则 2：显示参数

"当前模式：创意（temperature=1.0）"
"切换到稳定模式"

原则 3：提供历史

"你上次选择了版本 2，要基于它继续吗？"

实现示例

def generate_response(prompt, mode="stable"):
    if mode == "stable":
        temperature = 0.3
        seed = hash(prompt) % 10000
    elif mode == "creative":
        temperature = 1.0
        seed = None
    else:  # balanced
        temperature = 0.7
        seed = None

    return llm.generate(
        prompt,
        temperature=temperature,
        seed=seed
    )

用户界面：

[○ 稳定模式] [● 平衡模式] [○ 创意模式]

用户的认知模型

用户不关心"temperature"、"seed"这些技术细节。

他们关心的是：
- 预期管理： 我知道会得到什么
- 控制感： 我能调节结果
- 可复现： 我能回到之前的结果

实用建议

如果你在设计 AI 产品：

默认平衡模式 - temperature=0.7，不太随机也不太死板
提供模式切换 - 稳定/平衡/创意，三个选项足够
显示"为什么不同" - "因为切换了创意模式"
保存种子历史 - 让用户能"回到之前的状态"
在随机时告知 - "这次生成了 3 个版本供你选择"

最后

不可预测性是 LLM 的特性，不是 bug。

但产品的艺术在于：把特性变成功能。

让用户觉得："AI 很智能，而且我懂它的规则"。

—— https://www.80aj.com