你有没有过这种经历： 让AI帮你写段代码，它写错了。你客气地说“麻烦你再改一下”，它道歉，然后改出了另一个错。 你火了，直接怼它：“你这写的什么垃圾，第3行逻辑是错的，给我重写。” 结果它秒懂，一次改对。 这不是玄学。今天聊一个技术点，叫 Context Window 里的“信号密度”。 AI每次回答你，不是“回忆”你说了什么，而是把你从头到尾所有对话重新读一遍，然后预测下一个字该是什么。 注意关键词：从头到尾，全部重读。 这意味着什么？ 意味着你每多说一句废话，都在稀释真正重要的信息。 你客客气气说“麻烦你了”“谢谢”“不好意思再打扰一下”——这些词在AI的预测模型里，权重极低。它们不指向任何具体动作，不包含任何纠错信号。 但你如果说“第3行”“逻辑错”“改成O(n)”——这些是高密度信号，直接锚定输出方向。 大模型处理对话时，会把你的历史消息拼成一个长序列，送进注意力机制。 注意力机制有个特点：它会给每个token分配权重。 当你输入一段话，模型会计算：哪些词对“下一个该输出什么”最关键？ “请”“麻烦”“谢谢”这类社交润滑词，在训练数据里几乎从不出现在“技术纠错”的上下文里。所以它们的注意力权重极低。 而“第3行”“错误”“重写”“O(n)”这些词，在训练数据里高频出现在“修正代码”的场景中。它们一出现，注意力权重直接拉满。 结果就是：AI不是不懂礼貌，是礼貌在它的概率空间里，约等于噪声。 很多人以为对AI越客气，它越“愿意”帮忙。 实际恰恰相反。 你越客气，信号越稀疏，AI越容易跑偏。你越直接、越具体、越像在写bug report，AI越准。 这不是让你当粗人。这是让你把AI当编译器，不是当人。 你不会跟编译器说“麻烦您帮我编译一下，谢谢”——你直接 gcc -o output source.c。 对AI也一样。 有用。但只在一种情况下有用： 当“请”本身携带了额外信息的时候。 比如“请用Python重写”和“用Python重写”——这里的“请”不携带信息，去掉不影响。 但“请务必不要用递归”和“不要用递归”——“务必”强化了约束强度，这时候它就不是废话了。 判断标准很简单：删掉这个词，意思变不变？ 不变，就是噪声。变，就是信号。 一句话总结 AI不读空气，只读token。 你的礼貌在它的注意力机制里，不如一个变量名重要。 下次让它改代码，直接说“第X行，Y问题，改成Z”。 它秒懂。