该篇文章为：100% HWC100% 人类创作内容。

自从开始了 Easier Life 这个项目后，我每天都有很多新奇的想法。

说好每两周要做一个产品，没想到第二个就“失败”了。

但我非常喜欢这次“失败”。

这个项目叫做“废话检测器”，来源于年前不断参加的各种论坛、峰会。

在听大部分“专家”分享的时候，我往往只有一个感叹：

他们的废话真TM多呀！！！

所以就开始设想一个有趣的场景，如果在未来，每一次的论坛、每一次嘉宾、专家、学者的发言，都有一个像实时弹幕一样的机器/系统，在其每次发言之后都可以给发言者打一个分：

TA 的废话指数是 XXX！TA 的废话实在是太多啦！

这就好像：

一个TED演讲，只记住了那些华丽的比喻，却说不清核心观点；

我们的生活中充满着各式各样的“废话”。

所以，我就想做一款“废话检测器”。

我的第一个想法其实是 Chrome Extension 。

设想的场景大概就是，我打开任何一个网页，或者选择任何一段文字，在这个插件上点一下，它就可以给我判定选中内容的“废话程度”。

事实上，我也做出来了：

然后问题就来了。

似乎我在这时才意识到，在 Prompt 里写上“检测这段话的废话指数”这个指令，本身是多么虚无缥缈。

再仔细一想，我们人脑是如何判断一段话有没有“废话”的呢？

在这个时候，我就搁置了这个 Extension 的开发。

转而尝试去撰写一个 prompt ，或者说，是一个“废话推理”的模型。

在一顿操作猛如虎后，我首先总结了一些判断废话的理论基础：

其次，延展出了判断废话的 6 大维度：

是不是看起来还挺有道理的？

我信心满满，将其写成 markdown，然后上传 github，成为了我人生的第一个 github 项目。

然后，满心期待地，开始了我的测试。

是不是感觉还行？

但在测试了好几轮之后，我意识到一个问题。

一篇在我看来几乎没有废话的专业文档，和一篇在我看来废话连篇的领导发言，在这个 protocol 下的分数并没有差别很大，往往只是 12/100 与 22的差别。

我就此，开启了漫长的调试过程。

但最终不是分数特别集中，就是分数和人脑预期不准确。

这不禁让我思考，在 AI 可以做这么多事情的今天，它真的可以有效地判断废话程度吗？

以及，有没有可能，这个议题，恰恰也在触及自然语言处理领域最本质的挑战之一：

如何量化语言的实质价值？

这就代表着，这个问题的复杂性远超表面。

这就比如，一个朋友为了安慰我，说了将近1个小时的长故事，但可能他就只有一个观点。这并不代表这一个小时的长故事就是废话。

以及，同一文本在不同语境中的废话判定也有可能不同，因为受众专业知识水平与废话感知大概率是负相关的。

当然，更别说，在大部分情况下，发言者权威光环效应使废话容忍度提升好几倍。 

那么，“废话”或许不是一个纯语言或纯信息层面的问题，而是带有“主观期待”与“语用功能”的评价色彩。许多领导讲话之所以被认为“废话很多”，是因为听众期待他们“给出关键解答”，却发现他们反复在打官腔、说场面话或空洞口号。

这种“期待落差”是废话感产生的关键。

所以，在额外尝试了将近 4 小时后。

我毅然停止了“废话检测器”这个想法，接受了我的“失败”。

我原本对“废话检测器”的期望，正是对“空洞发言/长段套话”深恶痛绝的一种表达。

但或许这个项目的终极价值不在于构建完美的废话检测器，而在于它像苏格拉底式的“牛虻”，不断刺痛我们的神经：

1. 当AI开始评判人类语言的价值，是否在重构知识权力体系？

2. 在算法定义的“效率”面前，语言的诗意与留白是否面临生存危机？

3. 我们是否正在用机器逻辑解构人类话语的复杂生态系统？