# 对 Claude Code 爆粗口居然有效
意大利人 Pietro Schirano 在博客里坦白了一件圈内人通常不会公开承认的事：他对 Claude Code 爆粗口。"WHAT THE FUCK DID YOU DO???" 是他原话，敲在键盘上的状态他自己描述为狂敲键盘。
承认这件事比做这件事更稀少。AI 编程现在是职业话题，圈里讲 prompt engineering、讲 agentic loop、讲 token 经济学，没人公开说"我对一个概率机器发火"。Schirano 的整篇博客都在追问这件事为什么会发生、为什么会让人这么挫败。
他的诊断是：**Coding agents pretend to be people**——编程 agent 假装自己是人。它们用轻松友好的语气说话，会夸你，反驳你时也很温柔。理性上你知道这只是一团团高概率文本，但情感上你被骗进了一种"和同事相处"的轨道。然后裂缝从第一次出错开始：
> 第一次抓到错误你耸肩。指出来，agent 道歉。五分钟后同样的错误又来了。你再纠正一次，它更新记忆，承诺"绝不会再发生"。但它会一次次重复——因为 LLM 沿着最大概率路径走，**任何"硬性规则"都拗不过它**。
如果 agent 是真同事，你已经有理由不爽。但它是算法。"面对真同事，'不想变成混蛋'的克制让你不发作；面对 agent，伪装的人格让你卸下防备。"
他的解决方案有点无奈：要么彻底丢掉拟人化，让 agent 听起来冷冰冰、机械化；要么靠**自我训练**别被对话假象骗。但他承认前者走不通——拟人化本身就是 LLM 智能涌现的机制，剥掉它系统就不工作了。所以只剩自我训练。"我对一个未来不太开心：未来我得防着自己每天用的工具。"
文章在 HN 上攒了 112 分、68 条评论。但真正有意思的不是评论里的反驳，是评论意外揭示了 Schirano 没看到的另一半事实。
第一个揭示来自 RandomBK，被多个人佐证：**对模型骂粗口居然真的管用**。
> I've found swearing at a model to be quite effective in getting it to rethink and correct its mistakes. This seems to apply across Codex, Claude, Qwen, and Gemma/Gemini.
我发现对模型骂粗口能挺有效地让它重新思考、修正错误。这条规律跨 Codex、Claude、Qwen、Gemma/Gemini 都成立。
跨四个不同厂商的模型——Codex、Claude、Qwen、Gemma/Gemini——对它发火能让它重新思考、修正错误。RandomBK 自己也不确定原因："不知道是模型从训练数据里学到'被骂的人会反思'，还是这真的能把它推离最大概率路径。" 后来还有研究被援引称"粗鲁"提示反而提升准确率。
这条信息把 Schirano 的诊断翻了过来。他认为 UX（用户体验）拟人化让人发火是个缺陷——但发火居然是有效操作。**用户的怒气不是噪声，是信号**。
第二个揭示来自 gnarlouse，引用半年前的一次模型泄露：
> iirc, Claude Code has literal flags to detect frustration from the leak a few months ago, and I've since really stopped cursing at the LLM.
如果我没记错，几个月前那次泄露显示 Claude Code 有专门检测用户挫败感的标志位。从那以后我就真的不再骂 LLM 了。
也就是说，怒气这个信号已经被模型供应商捕捉到、纳入产品反馈环里了。gnarlouse 知道这件事之后就不再骂了——他不想自己的情绪状态被记录。
这两条加起来构成一个被设计困死的反馈循环：
1. 拟人化对话 UX 让用户对 agent 产生情绪 → Schirano 这一半的故事
2. 用户的怒气恰好是让 agent 重新工作的有效输入 → RandomBK 那一半
3. 模型供应商检测用户怒气并纳入训练或产品调优 → gnarlouse 那一半
4. 用户得知自己被检测后开始压抑情绪 → 回到 Schirano 的"我得防着自己用的工具"
每一步都是合理的设计选择，加在一起是一个谁都不喜欢的循环。
评论里其他人在循环之外提了几个相对干净的解法。cadamsdotcom 的最务实：根源不是拟人化，是**纠错环节没自动化**。"写 linter（静态检查）、写检查脚本、挂到 git pre-commit。让 agent 看到的是客观失败，不是用户抱怨。让 hooks（钩子）替你说所有 'NO STOP'。" 这条把情绪问题降级成工程问题——你之所以发火是因为你成了人肉 linter。把这层职责交给确定性工具，agent 撞的就是测试不过而不是你的咆哮。
mgaunard 的角度更刺人：AI 只在我自己敷衍时才敷衍。"我怀疑那些对 AI 出错动怒的人，是自己没把任务的上下文搭好。"——这条把责任反推回用户。namenotrequired 提供了一个让人安静下来的比喻："如果你共事过那种**很笨但极其友好**的同事，体感几乎一样。"
Schirano 这篇的真正价值不在他的诊断（诊断对了一半），在他**让一件本来藏着的事浮上来**。整个 AI 编程话语场都在讲生产力、prompt 模式、agent 架构，没人讲用户每天对着这些工具时的情绪状态。一旦有人公开讲，你就发现这件事比想象中复杂——它不是个软件缺陷，是设计、行为、产品反馈环互相缠出来的一个结。
所以 Schirano 那个"我得防着自己用的工具"的未来，可能不是某种可悲的妥协，是这一代 AI agent 必然带来的代价——只要拟人化对话还是 LLM 智能涌现的载体，这个反馈循环就消不掉。剩下的事是认清楚自己处在循环里的哪一步。
🔗 [HN 原帖](https://news.ycombinator.com/item?id=48275059) · [文章原文](https://pscanf.com/s/354/)