你已经在模拟中批准过了

原文：https://every.to/also-true-for-humans/you-already-signed-this-off-in-the-simulation

"别慌，我把你克隆了。"

这是我对 Natalia Quintero 说的话——她当时是我的上司。此前我把她一年的 Slack 消息提炼成一个名为 natalia.md 的文件，用它来模拟：她会不会批准我一封准备发给客户的邮件。她并没有慌，反而说这是她当天最喜欢的一通电话。

我当时刚开始做咨询工作，向 Natalia 汇报，担心自己不知道怎么和企业客户沟通。我们的客户都是大型企业，而我只和创业公司打过交道。Natalia 则有多年的企业和银行业经验。我知道自己习惯把邮件写得像发推文一样，在这个场合可能不够专业，但我不想一天到晚让 Natalia 帮我检查邮件。她有更重要的事要做，而且她给我的建议经常是在重复同样的话。

AI 能生成的草稿、提案和邮件，多到没人有时间读完，所以职场上真正稀缺的，是那种有判断力、能说"行，发吧"或"换个方式试试"的人的时间。这些人一天中大量时间都在对不同的人说同样的话，其实他们本可以把时间用在更有产出的事情上。既然 AI 擅长角色扮演，我想它或许能帮我分担同事的这部分负担——把他们的判断力沉淀下来，而不用我去打扰他们。

于是我着手克隆那些需要给我签字批准的人，希望一个模拟出来的同事能代替真人。我发现，我同事的虚拟版本非常擅长学习一个人的规则。它们只是受不了打破规则——而判断什么时候该打破规则，仍然得靠真人。

克隆我的老板来审邮件

我用了 SynthTeam，这是一个开源库，能把一位同事的 Slack 历史变成一个"人格文件"。我让 Codex 从公开频道（不含私信和私密频道）拉取 Natalia 一年的消息，针对她做过决策的情境，反推出她是怎么做这些决策的。（我没有事先问她，但我知道她不会介意。）

我把 Natalia 的人格文件交给 GPT-5.5，只设一个目标：把我的邮件草稿改到模拟 Natalia 给出 10/10 为止。我用 /goal 功能来设置，只要模型觉得自己完成了，它就会不断重新提示模型，直到目标达成。我还告诉它，每次评分都用一个全新的子代理，这样它就不能偷看之前的分数。

这封邮件是发给一位客户联系人的，问他三个日期里有没有哪个方便我们合办一场活动，同时请他对我一份咨询合作提案给点反馈。下面是我原本会发出去的版本，已隐去客户细节：

两件事：

这些日期里有没有哪个方便办活动？4 月 27 或 28 日，或者 5 月 7 日。形式：我讲 30 分钟，主题和 DSPy 相关（我想讲技能优化），你讲 30 分钟（讲[你的产品]？还是别的？），然后我们俩一起做一场炉边谈话式的问答。我想会在曼哈顿的 civic hall，不过还在确认。我给这个环节起个不带 agentic 流行词的名字，好吸引到对的人。

想请你对下面这份提案给点反馈——我们准备拿它去推我们的"AI 嵌入式咨询"打包服务（它现在可能不适合[这个客户]，但更宽泛地说，你觉得哪里吸引人／哪里需要改？）

[对该打包服务的六段描述]

模拟 Natalia 给了 6/10。"骨架是好的，"她说，但它"读起来有点太意识流了"，还把我自己那句"还在确认"引回来给我看。这话很公道，而且这正是真的 Natalia 会给我的建议。

接着 AI 开始一遍遍地修改和打分。它整整跑了 73 轮优化，改写邮件，再让克隆 Natalia 打分。它在第 16 轮达到了 9/10，但卡在那里，始终没能到 10。剩下的轮次里，这个代理把 Natalia 的规则越用越狠——更多正式感、更多让人放心的措辞、更多让客户容易说"好"的方式。下面是它最终落点的一小段：

这不会被框定为由你代表[客户]，也不会有任何内容被录制、署名或推广。

这个房间是为有实际内部 AI 落地职责的资深操盘手精心筛选的：是那些负责工作流变革、赋能、治理、预算或团队采纳决策的人，而不是供应商或公众参与者。

这些日期里，有没有哪个足够可行，让我把参会名单／画像和确切介绍发给你？这只是保留一个选项，不是让你承诺。你可以在看过受众和框架之后再拒绝。[…]

后面还这样写了 250 多词，读起来像是某人的律师起草的。过程中，它完全丢掉了咨询提案，还改掉了活动：我原本的两场 30 分钟演讲加一场炉边问答，变成了一个小型私下讨论，我的联系人只来 10 分钟，还加上了一堆我并没有做出的承诺——24 小时内给参会名单、一个他可以否决的引荐，以及一页简报。

这一次我认输。我只给了它一个目标——拿到 Natalia 的批准——它就不惜牺牲其他一切去追求这个目标，包括我的语气。它做的每一处改动都源自 Natalia 的某个信念，但没有一处是她会真的叫我做的。这个克隆能告诉我她会反对什么，却不知道什么时候某个反对意见根本不重要。

面试前克隆一位高管

我用类似的方法做了另一件事，不过这次是为了排练，而不是为了签字批准——在我采访 Kyle Daigle、也就是 GitHub 的 COO 之前，当时是在 Microsoft Build 上。这对我来说风险很高：那是我第一次做大访谈，我想让自己感觉准备充分。我根据 Daigle 的公开文章、演讲和访谈克隆了他，然后用人格版做了一次访谈排练，看看我的哪些问题能得到有意思的回答。

Daigle 的克隆也帮我了解了真实的 Daigle。向他人格版提问，是一种更有针对性、也更有意思的了解他的方式，比读完他写的一切、或别人写他的一切都要好。当这个人在网上出现得足够频繁时，这套方法效果很好，Daigle 就是如此，因为模型在训练数据里见过大量相关材料，构建人格时也能在网上找到信息。对模型掌握信息不多的人，效果就差一些。

事后，我把人格版的回答和真实 Daigle 的回答做了对比。它有两个回答高度吻合，四个部分吻合，六个完全对不上（我写了完整的对比）。最让我印象深刻的"对不上"，是人格版习惯性地去套框架。Daigle 公开说过，他用一个 must/should/could 框架来做决策，人格版就死死抓住它不放。它在我 12 个问题里的 5 个中用了 must/should/could。而真实的 Daigle 一次都没提。有一个偏爱的框架，不等于要在每次对话里都搬出来。这个克隆就像一个读过你的书、然后没完没了地引用给你听的同事。

我在访谈中把克隆的事告诉了 Daigle，他很喜欢。事后他说，模拟访谈"相当不错"，但它"过度偏重我的书面作品，而不是我的口头访谈和播客"。这就能解释，为什么一个他公开描述过的框架，会出现在人格版五个回答里，而在他的回答里一次都没有。

克隆我们的 CEO 来推演一个问题

第三个例子，是我当时正纠结的一件事。Dan Shipper 想给我们的 Vibe Check 加上评分，好让读者看到，当我们说更偏好某个模型时，究竟是什么意思；而我担心，任何任务数少于两三百、却被叫做"基准"的东西，都会带来虚假的精确感。我用 Dan 的公开文章搭了一个他的人格版，跑同样的循环，想在他和我之间为这个量化的 Vibe Check 提案找到一条出路。它跑了 8 轮，不是 73 轮，并且达到了 10/10——不过这次任务和我用 Natalia 克隆优化的那些邮件不同，而且我用了一个更新的模型，GPT-6 Sol。它甚至质疑了我提案里的数字。但这个克隆试图通过增加流程来让评分更严谨：一个 12 项任务的试点、不知道每个回答出自哪个模型的评审员，还有一份 900 词的说明，另一个 AI 评审员判定它太密了，不适合发出去。

我觉得这有用得多，但它没能抓住真实 Dan 看到我提案时做的事：重新框定问题。在现实中，Dan 建议我们改名字，避免和学术基准产生联想（最后定的是 "checks"）。他还把我引向葡萄酒评论家和 Wirecutter——他们给编辑判断标上数字，却并不假装自己跑过几百次测试。最终的结果比我先前的想法更好，而我们也不必在"虚假的精确"和"完全没有数字"之间二选一。这个克隆一直待在我给它的框架里——真实的 Dan 则跳到了框架之外。

事实证明这不是孤例。另外，Dan 让我给他做一个像样的克隆，一个叫 Dan Lens 的技能，我们把它给了我们的公司代理，这样团队在他不在时也能用他的判断力。当我们把他对 201 条 Slack 讨论串的真实回复，和 Dan Lens 提示词给出的回复做对比时，模型一直无法预测 Dan 的行为。

当我们仔细看这些回复时，发现真实的 Dan 常常会质疑他被问到的那个问题背后的假设——他喜欢直接否定前提。他只有 34% 的时候顺着一个讨论串的框定走。其余时候，他会反驳、改方向、加进自己的想法，或者在回答前先要求更多信息。而模型有 68% 的时候顺着走——是前者的两倍。

我们还在继续做 Dan Lens。Dan 非常高兴地发现，数据表明他的观点极其一致：我们找不到哪怕一个他自相矛盾的例子！关于他的决策方式，有些规则是模型应该学得更好的。但得知你并不容易被克隆，这件事反而令人耳目一新地人性化——因为我们仍然需要 Dan 来判断什么时候该打破框架。

还留给人类的是什么？

在从旧金山出差回来的路上，我一边梦想着克隆更多同事，一边上了一堂关于 AI 克隆缺失了什么的课。在旧金山堵车时坐进一辆 Waymo，它太胆怯，不敢强行插队，之后我又体验了一次纽约黄色出租车司机踩下油门、在车流中来回变道的痛快。他把我送回家的时间只有预期的一半。他打破了一些规则，但知道什么时候、以及怎么打破。我搭的那些克隆，开车开得像 Waymo。

Natalia 的反应，和我做这个文件的初衷不一样。她的第一反应是读它、了解她自己。它让她看到自己在工作中给人的印象，她想留着它，用在状态不佳的日子里，对照自己的标准检查自己。这个文件里有她所有的规则，但只有她自己知道什么时候该打破它们。

今天克隆你的同事看起来很奇怪，但我认为它很快会变成一件礼貌的事。在经历一场高风险互动之前先排练一遍，说明你做过功课，把那些你本就应该知道的、关于对方的显而易见的事都提前处理掉，还省下大家的时间。你可以带着准备走进会议，知道你老板可能会说什么。而这场会议，是用来发现她会怎样给你惊喜的。

Mike Taylor 是 Every 的 evals 负责人。想读更多这样的文章，请订阅 Every，并在 X 上关注我们 @every，在 LinkedIn 上关注我们。

核心启示：AI 克隆能学会一个人的规则，却无法判断何时该打破规则——而这正是你仍然需要真人的地方。