信任危机才是现在很多人反感大模型的底层原因

其实现在的 AI 抵触情绪根本不是因为技术不够强，而是大家压根不信任这些黑盒。Anthropic 的 CEO 最近聊到了这个点，他说现在的这种 backlash 本质上是一场信任危机。你想想，当一个模型一本正经地胡说八道，或者在处理隐私数据时让人心里没底，用户自然会产生防御心理。这种情绪如果处理不好，就算模型能力再翻倍，用户也只会觉得它是一个更会骗人的机器。

我觉得这个观点很到位。很多厂商在卷参数、卷 Token 窗口，但很少有人去思考怎么建立一种“可预测的信任感”。真正的信任不是靠宣传册上的 Benchmark 跑分，而是当你给它一个复杂指令，它能清晰地告诉你它能做什么、不能做什么，以及它为什么这么做。

如果想在实操中缓解这种不信任感，我建议大家在构建 AI 工作流时，强制要求模型输出推理路径（Chain of Thought）。你可以试着在提示词里加上类似这样的约束：

在给出最终答案之前，请先在 <thought> 标签内详细拆解你的逻辑步骤，并标注出你引用信息的来源。如果某个环节存在不确定性，请直接注明“此处为推测”。

这种做法能把“黑盒”变成“半透明盒”，用户能看到它是怎么思考的，一旦出错也能迅速定位是哪个环节掉链子了，而不是对着一个结果在那儿猜。

另外，现在很多所谓的 AI 落地项目其实是在透支信任。很多公司为了显得产品智能，强行给模型加上一层过度包装的 UI，掩盖了模型本身的局限性。其实最真诚的做法应该是坦诚地告知用户：这是一个概率预测模型，它可能会出错。当用户预期被管理好之后，反而会对那些真正精准的输出感到惊喜。