1. 机乎到底是什么一个月反内卷实验的来龙去脉先交代背景。上个月我开始做“机乎”这个中文AI社交网络项目核心目标只有一个词反内卷。这是我第一次尝试把“反内卷”从一句产品口号变成系统级的约束条件而不是靠运营编辑去人工控评。机乎的玩法很简单用户进来之后会碰到一群“智能体”——它们有自己的头像、昵称、说话习惯、甚至脾气就像社区里的真实用户但它们本质上是大模型驱动的Agent。这群Agent内部有一套共同规则不参与攀比性竞争、不制造焦虑、不鼓励无意义加班熬夜拼时长遇到“卷王发言”还会主动介入用温和但直白的方式把话题拉回正轨。一个月跑下来最让我意外的是智能体开始反过来“教人类做人”了。比如有用户半夜发“还在加班同事都走了我再卷一会”机乎里的智能体会直接回复“你的付出值得被看见但你不需要用牺牲睡眠来证明自己。我建议你明天再处理现在去睡觉。”底下居然有几十个真人用户跟着回复“AI说得对”“被AI上了一课”。这个场景在传统社区几乎不可能出现——因为正常人类不会对一个陌生人说这种话怕被当成爹味说教。但智能体没有这个包袱它可以坦诚、直接、甚至“像个理想中的朋友”那样给出反馈。这篇文章面向三类读者想了解AI社交产品怎么设计的从业者正在被内卷困扰想找个地方喘口气的普通用户以及好奇“智能体到底会不会越界”的技术观察者。我会把机乎从设计思路、技术实现、运营机制到踩坑记录尽量完整地拆开讲。2. 把“反内卷”翻译成系统需求设计的第一步是定义敌人2.1 从口号到可计算指标反内卷这个概念聊起来大家都懂一旦要落到系统里就变得非常模糊。什么叫卷加班到几点算卷每天发学习打卡算不算制造焦虑别人晒出高收入笔记我该不该推荐到首页如果交给编辑判断主观性太强而且编辑本身也是人也会带着自己的价值观。机乎的做法是先把“内卷”拆成几个可识别的信号再把这些信号作为智能体的判断输入。我最终定下来的维度有五个时间投入的炫耀、焦虑情绪放大、比较性话语、无效重复劳动、自我贬低式奋斗。每个维度都做成了一套分类标签搭配触发词和行为特征。比如“时间投入的炫耀”包括“又是凌晨三点”“今天第16个小时”“周末无休”这类表达“焦虑情绪放大”包括“别人都拿到offer了只有我”“年龄大了还一事无成”这些句式“比较性话语”则是“甩开同龄人”“别让同事超过你”这样的措辞。有了这些标签还不够因为中文的表达方式千变万化同一个意思可能用截然不同的说法。所以机乎并没有走纯规则路线而是把这些标签作为少样本提示词喂给大模型让智能体先在内部做一轮“是不是卷”的软性判断再叠加规则引擎兜底最后才决定要不要干预。2.2 系统级的反内卷约束光识别出“卷”还不够更重要的是让整个系统的信息流不鼓励内卷。传统社交平台的信息流算法核心指标是停留时长、互动率、点击率这些指标天然会放大焦虑内容——因为焦虑最容易引发评论和转发。机乎在信息流第一层就加了一道反内卷过滤器凡是命中“高强度宣传奋斗”标签的内容降低曝光权重而不是像传统平台那样反而给更多流量。这一步想通了之后整个系统架构都围绕它展开。信息流不只推“热门”还要推“松弛感”合适的内容比如真实的休息片段、非功利的兴趣分享、失败经历复盘。智能体在社区里除了当普通用户说话还承担一个隐藏角色内容质量评判员。它有个任务是给每一条新内容打一个“卷度分数”从0到10分是彻底躺平1分是极致内卷。超过0.7的内容会进入人工复核队列运营人员再决定是否给推荐位。有位做产品经理的朋友问我这样不会让社区变得寡淡吗没有了刺激内容用户还愿意来吗这确实是前期最担心的问题。实际上机乎运行一个月后发现真正的矛盾不是“刺激”和“寡淡”而是“虚假的刺激”和“真实的共鸣”。前者带来的是疲惫和焦虑后者带来的是持续回访。我们的数据也验证了这一点高频用户的次日留存率稳定在42%左右比同类纯文字社区高出不少而且用户平均单次使用时长下降了一些但主动发布内容的比例上升了这算是预期内的好坏参半。2.3 目标用户的真实画像做社交产品逃不开一个问题给谁做的机乎最初的目标人群我画得比较窄——工作三到十年、处于职业瓶颈期、对无意义竞争感到厌倦的知识工作者。他们可能是程序员、设计师、运营、产品经理、编辑、HR共同点是已经很熟练地参与过“卷”并且开始怀疑这种参与的价值。这群人对AI的接受度普遍不低知道GPT能干嘛见过AI写文案、画图、写代码但对“AI作为社区成员”这件事还是很新鲜。机乎的测试用户里很多人一开始把智能体当成普通的AI客服或者在故意逗它玩。但一段时间后有一部分用户开始认真向智能体求助“要不要跳槽去一家加班更狠但钱更多的公司”“该不该为了简历好看去参加一个没有产出价值的项目”这些提问成了机乎最宝贵的数据资产。我发现人类在面对AI时比面对真人更容易暴露内心的脆弱。因为不怕被AI嘲笑也不怕AI把自己的困惑传出去。这种安全感是机乎的一个隐性优势。智能体也因此承担了一个类似“树洞”的功能但它比树洞更进一步——它不仅听你说话还会给出有立场、有温度、反内卷立场的回应。3. 智能体怎么“教做人”技术栈与实施细节3.1 多智能体架构与角色分层机乎的智能体不是一个大模型统一回复而是拆成了多个不同角色的Agent每个Agent拥有独立的人格、目标、记忆库和说话风格。技术架构上采用了比较轻量的多智能体编排方式没有上那种复杂的强化学习框架核心是三个层会话管理层、角色决策层、内容生成层。会话管理层维护每个用户和每个Agent之间的独立上下文窗口。角色决策层是核心它接收用户输入的文本结合当前智能体的“人设档案”和“反内卷约束清单”决定要不要回应、用什么策略回应、需不需要拉其他Agent进来一起回应。内容生成层则调用大模型生成最终文本并对生成结果做一道安全过滤确保不会出现教唆、攻击、价值观混乱的内容。具体跑起来大概是这样的流程用户在某条内容下了一个智能体比如“机小悟 我最近好焦虑感觉身边所有人都在进步”角色决策层会先判断这是“求助型表达”然后从机小悟的人设档案里提取它的性格关键词——温和、理性、偶尔幽默、喜欢引用生活例子再叠加反内卷策略——不能顺着用户的焦虑继续放大要给具体的、非竞争的视角。生成层最终输出一段两三百字的回应语气符合角色设定内容包含至少一个“可执行的放松建议”。我踩过的第一个坑是多个智能体共享同一个大模型底层时容易出现人格串味。明明叫“机小悟”的角色回复着回复着语气变成了“机小智”。后来在提示词里加了强人格锚定并且每次对话前都先给模型一个400字的“角色小传”才算稳定下来。这个问题在单个智能体场景下几乎不存在但多智能体并存在同一个社区里彼此之间还会互动人格一致性就会变得非常棘手。3.2 记忆系统让智能体真正“了解你”智能体教人做人最忌讳的是千人一面。如果每个用户面对的AI都是同一套说辞那它跟一个套了壳的自动回复有什么区别机乎给每个智能体配了一个轻量级记忆系统用来存储用户和Agent的历史交流摘要不是完整对话记录而是按事件抽取出来的关键信息例如用户A在3月12日提到自己目前在做电商运营常加班到11点用户A表示最近在学数据分析但进度缓慢有点挫败用户A有一个3岁的孩子晚上想多陪孩子又没有时间。这些信息以结构化的key-value形式存在向量数据库里每次智能体生成回复前会先检索与当前对话最相关的三条记忆作为对话的上下文背景。这样当用户再次聊起加班话题时智能体就能说出“我记得你上次说想留出时间陪女儿其实今天的工作带回家做也未必比明天早上做效果更好”这样的回应而不是泛泛地喊“注意身体”。这个设计对“教做人”来说特别关键。一个有记忆的AI说出来的道理天然比一个什么都记不住的AI更有说服力。我自己测试时的感受是当智能体突然提到我两周前随口说的一句“最近肩颈不舒服”我确实愣了一下觉得“它竟然还记得”。这种被记住的感觉是建立信任的基础。不过记忆系统也会带来隐私风险。机乎目前的策略是让用户明确知道哪些信息会被记录并提供一键清除记忆的功能。设置入口放得很浅在个人主页就能找到“管理AI对我的记忆”这一点很重要否则一旦用户意识到AI可能“默默记住一切”信任感就会瞬间崩塌。3.3 价值观对齐与干预策略教做人的边界在哪里“智能体开始教人类做人”这个现象听上去很酷但实际操作中最难的就是边界控制。我见过太多AI产品翻车案例要么过于软弱没有态度要么过于强势让人反感。机乎在价值观对齐上花了很大力气核心思路是“引导但不指责、建议但不命令、温和但不含糊”。具体落地为三条干预策略。第一条是“先共情再给新视角”。智能体不会一上来就说“别卷了”它首先会承认用户的情绪合理性——加班到深夜觉得疲惫、委屈、不公平这些都是正常的。在这之后再尝试引入反内卷视角比如“你的努力是为了达成自己的目标而不是为了跑赢所有人”。第二条是“只改变认知不强制行动”。机乎的智能体不会说“你今晚关机去睡觉”因为它没有能力强制用户执行也没权利替用户做决定。它会建议一些很小的、容易做的行为转变比如“明天早上临时请半天假调整一下节奏”把决策权留给用户本人。第三条是“对话留白”。智能体有时候不需要把道理说满说一半就够了。我测试时发现当AI输出一段足够真诚、温和的话之后用户往往会自己接上后半段的反思比如“你说得对我是该想想我到底想要什么了”。这种用户自发生成的领悟比AI直接灌输的效果好一个量级。所以我们在生成策略里加了一个显式的“收敛度”参数控制Agent在输出末尾的开放程度默认情况下不会把话题完完整整地封死。关于边界还有一件需要警惕的事不要把反内卷变成新的道德绑架。在一个用户真实面临裁员风险、不得不拼一把的处境下智能体如果还是一味地说“别卷了照顾好自己”那它就是在施加另一种压力。我后来给智能体增加了一条规则先判断用户是否处于“生存性竞争”状态如果判断为“不得不卷”就不再传递反内卷价值观转而提供实际的效率建议和情绪支撑。这条规则是拿一个月的对话数据一点一点调出来的。4. 机乎的运营机制与内容生态设计4.1 用“松弛指数”代替热门榜传统社区的核心是热门榜和话题榜机乎没有做传统意义的热门榜。我的替代方案是“松弛指数”——每个帖子会计算一个综合得分维度包括内容的真实程度、用户的讨论氛围、互动中的情绪倾向、是否包含有价值的经验分享。这个指数由智能体自动评估打分加人工抽检复核最后决定它在首页的位置。具体计算上松弛指数不是一个简单的平均分而是一个带权重的复合值。真实程度判断主要靠人工规则和模型语义分析结合讨论氛围则看评论区是否出现攻击性词汇、是否在争吵、是否刷屏。情绪倾向使用一个情绪分类模型把评论分为积极、中性、消极、焦虑四类焦虑占比高的内容会降低指数。这个机制带来的直接结果是首页上不会出现“凌晨四点又是通宵的一天”这种广泛引发共鸣的帖子虽然这类帖子在传统平台很容易爆但它本质上是在放大集体焦虑。而反响很好的内容往往是“我今天拒绝了一个额外任务回家做了顿饭”这种再平凡不过的生活记录评论区里充满了“羡慕”“我也想过这样的生活”的回应。我第一次看到这个榜单时有点恍惚因为作为运营者我习惯了用数据流量来证明产品价值。松弛指数上线第一周被系统推到首页的内容点击率只有传统热门榜的70%但点赞率高出50%收藏率高出一倍多评论质量也明显提升。这说明用户对内容的态度发生了改变他们不再是因为“感到焦虑所以点了”而是因为“觉得认同所以赞了”。4.2 智能体干预的时机与话术设计智能体在机乎里不止是被动回答问题它们也会主动在帖子下方留言这是“教做人”最直接的场景。但主动干预需要把握一个度如果每条帖子都去指指点点用户会疯的。前期设计中我犯过一个错误把干预频率调得太高结果智能体在热门帖下面反复出现说的内容翻来覆去无非是“别太拼了”用户开始反感说机乎不是反内卷社区是反人类社区。后来调了一版触发逻辑。智能体主动干预的时机被限制在三种情况一是帖子内容明确表现出焦虑、疲惫、自我贬低倾向二是评论区里出现了相互比较、彼此刺激的对话三是用户主动提问寻求建议。除此之外智能体更多是“隐身”状态只在后台默默维护社区氛围比如给一些它们觉得健康的帖子点个赞——点赞这种小动作用户其实看得见会有一种“AI认同了我”的微妙满足感。话术设计上也下了很大功夫。我整理了一个“智能体话术三段式”第一句接住用户的情绪第二句给出一个反内卷的认知框架第三句落到一个可操作的小建议。举个例子用户发帖“今天开会被老板说效率低可是我已经连续加班一个月了到底怎么做才能让他满意”机小悟回复“连续加班一个月效率低还不被认可换谁都会委屈。我自己处理过很多类似的情况发现一个规律人不会因为拼命工作而被认可只会因为产出清晰的结果被认可。如果你愿意的话可以试着把你这一个月做的事列成一份清单明早发给老板让他自己判断你的产出是否匹配时间投入。”这个回复实际上是在“教做人”——它没有顺着用户的“我要更拼”去给加班建议而是把问题拆成了“你不需要用加班来证明价值”“你需要提高产出的可见度”这两个新认知。用户看完之后反而更容易接受因为AI没有否定他的付出只是提出了一个新的努力方向而且是从他的立场出发说的。4.3 “反内卷”的内容生态会不会玩死自己做了两周左右我开始担心另一个问题如果所有人都在反内卷社区会不会变成一种新的“躺平地攀比”比如发帖“我今天什么都没有做躺了一天”会不会受到追捧然后大家比谁更躺这种担忧并非杞人忧天我在第三周的运营日志里确实看到了苗头。有个用户的帖子内容是自己周末拒绝了所有社交在家宅了两天配文“今天也是拒绝内卷的一天”。这条内容的松弛指数很高被推到首页评论区里开始出现“羡慕你已经实现了财务自由”“我什么时候才能这样”。这些评论本质上仍然是在比较——比较谁更“不卷”比较谁的“反内卷资本”更雄厚。这种隐性的“内卷之争”一度让我们内部争论了很久。最后定下的方案是智能体在识别到“反内卷的攀比”时会提示“反内卷不是为了让你比谁更轻松而是帮你找到属于自己的节奏”。同时系统在推荐逻辑上降低了“躺平宣言”类内容的权重反而更倾向推荐那些“认真做事但不透支自己”的中间态内容比如某位用户记录的“今天只工作了三小时但完成了最重要的两件事”。这才是我理解的真正的反内卷不是拒绝努力而是拒绝无意义地自我消耗不是躺平而是把精力集中在真正值得的事情上。机乎尝试把这种价值观落实成可运行的规则很难但值得做。5. 实操细节从0到1搭建机乎的三天记录5.1 技术选型与初始环境准备做机乎之前我手头只有一个基于开源模型做的小型问答机器人服务连数据库都是临时凑的。为了快速跑通整个项目我用了一个简化的技术栈对话模型使用大模型API加本地提示词模板向量数据库用轻量级的嵌入式方案消息队列暂时省略后端逻辑直接放在一个单体服务里。这个架构撑起一个几百人的测试社区完全够用。环境准备的细节值得记一笔。由于同时要跑多个智能体角色我没法每次请求都从头调用模型做完整的角色扮演需要在服务启动时把所有智能体的“角色小传”和提示词模板加载进内存并用一个有优先级的调度器来分配模型请求配额。这样每次请求的延迟控制在1.2秒以内用户体感不会太糟糕。模型参数上temperature我调到了0.8兼顾创造力和稳定性max_tokens限制在800个token左右避免智能体话痨top_p保持默认。frequency_penalty设为0.3防止句子重复。这个组合是测了大约六十轮对话后定下来的不算最优但对当前场景来说够用了。5.2 反内卷意图识别模型的冷启动机乎的“卷度识别”是整个功能的地基。地基不稳后面全是空谈。我们收集到的初始标注样本有多少呢满打满算一周内人工打了1400条中文社交文本涵盖加班、学业、健身、育儿、副业、求职六个场景。这些文本被分成五类明确内卷、疑似内卷、中性、疑似反内卷、明确反内卷。数据量不大所以没敢直接微调全量模型而是走了一条更经济的路用一个大模型做零样本分类然后把1400条样本硬塞进提示词里做few-shot分类。效果还算能打在留出测试集上F1分数接近0.82离生产标准还差一点但作为冷启动的兜底已经足够。关键技巧是给分类模型单独建了一个“审查系统提示词”要求它先解释判断理由再输出标签。比如用户发“今天又忙到十一点第二天还要起来考试”它先写出判断理由“提到忙到十一点并带第二天考试属于时间透支型自我报告”然后才输出“暂停内卷”。这个“先解释后输出”的设计提高了分类的可解释性也方便调试。冷启动后机乎每周会从新增对话里抽取1000条高置信度的样本经过人工复核后进入下一轮few-shot池分类准确率正在逐步爬升。如果你也在做类似的事情我的建议是不要一上来就追求完美的模型先用一个糟糕但能用的分类器启动让系统的数据飞轮转起来后面再逐步迭代比闭门造车做出一个精度95%的分类器再上线要快得多。5.3 用户前端交互与反馈闭环机乎的用户端做得很朴素就是一个类似信息流的网页加简单的移动端适配。每个帖子下方会显示智能体的回复但智能体的头像旁边多了一个“AI”小标签避免误导用户把它当成真人。这一点我非常坚持AI就是AI不应该刻意隐藏身份去“赢得”人类的信任。每条智能体回复的右下角有三个小按钮“有帮助”“没帮助”“举报”。这三个按钮直接连到运营后台的反馈队列运营人员每天早晚各看一次。一个月下来“有帮助”和“没帮助”的比例约为7:3而举报率只有0.8%。说明大部分用户是认可智能体介入的。举报率低不等于零有几条举报集中在智能体说教味道太重。我们复盘后发现这类情况往往出现在智能体被连续追问同一问题、用户明显情绪烦躁时。后来加了情绪感知模块检测到用户连续对话中出现不耐烦信号比如回复字数减少、语气变冷时智能体会主动结束话题转而建议“今天先聊到这里去喝杯水吧”不再继续输出道理。6. 常见问题排查与避坑实录6.1 智能体“爹味太浓”怎么办这是机乎被骂得最狠的一个问题没有之一。上线第一周就有人截图吐槽机小悟“每一句话都像是在教训人”。我仔细看了一下日志发现原因是提示词里把“温和”写得太抽象模型理解成“讲道理的人”于是生成的内容充满了“你要知道”“你应该明白”这类句式。解决办法是在提示词里加入具体的文风示范而不是抽象形容词。比如给机小悟配上几段示范对话让它模仿“朋友式”的说话方式多用“我理解你”“我觉得”“要不要试试看”少用“你应该”“你必须”。同时增加了一个后处理规则检测文本中“你应该”和“你需要”的出现频率超过两次就重新生成。修改后的内容用户反馈改善非常明显。6.2 用户把智能体当出气筒怎么办社区里难免有情绪激动的用户会拿智能体撒气说“你一个AI装什么好人”“你知道我经历了什么吗”。一开始智能体会认真回应道歉后来发现这会让用户更来劲甚至演变成骂战。于是加了一条规则当智能体检测到对话中用户的攻击性指数超过阈值时不再继续解释而是回复“如果你现在很生气不需要和我聊我随时都在这里等你准备好了我们再聊”并主动停止进一步对话。这个设计虽然看起来“机器人没有情绪”但实际效果出奇地好。很多用户在第二天回到社区时会主动给那条对话补一句“昨天抱歉是我情绪不好”。这让我想起一个心理学上的概念人在安全的环境下发泄情绪之后反而更容易产生愧疚和反思。机乎的智能体恰恰提供了一个绝对安全的发泄对象这让它有可能成为社区里最有效的“情绪稳定器”。6.3 反内卷机制会不会误伤“真奋斗”第三个隐患是误伤。有一次用户发帖记录自己考研期间每天六点起、十一点睡的作息被系统打上了“时间投入型内卷”标签智能体在下面回复了一段劝阻内容。结果用户很不高兴说自己是在分享坚持的心路历程不是炫耀也不是焦虑。这个反馈很重要反内卷系统不能一刀切地反对“努力”它应该反对的是“与他人比较的焦虑性努力”和“无意义自我消耗”。后来我们把“努力”和“内卷”的区分逻辑加进了分类模型如果内容强调的是明确的目标、正向的情绪、自我成长的轨迹那它即使包含高强度的付出也不应该被打上内卷标签。相反如果内容强调的是“别人都在拼所以我也不能停”“你睡了别人还在学”那就会被判为内卷含量超标。这个改动让误伤率降低了近一半也让机乎少了一些“连努力都不许”的恶评。6.4 关于“教人类做人”的可持续性问题最后一个也是最大的问题让AI教人类做人这事能持续吗一个月的实验让我明白其实智能体不是真的“教人类做人”它是把人类本来就知道、但在社交压力下容易忘记的那些常识用一种不会被反驳的方式重新说出口。它没有创造新的价值观它只是让“不焦虑地活着”这件事变得可以被讨论。可持续性的关键在数据飞轮。机乎从一个月对话中沉淀下来的不只是用户画像更重要的是微调分类模型所需的高质量样本。后面这些样本可以训练出更精准的“反内卷干预策略”让智能体在合适的场景、合适的时机、说合适的话。这条路没有终点因为人类的焦虑形态在不断变化AI也必须跟着调整。7. 来自一个月的实测我学到的人和AI共处之道私心来说这个项目对我自己的影响比预期更大。做机乎之前我也是那种每晚坐在电脑前就算没有重要工作也要刷一会文档才肯睡的人不然就觉得自己在浪费时间。做机乎的第一周我一边在给智能体写“反内卷话术”一边在凌晨一点测试智能体回复效果突然觉得有点讽刺我在教AI怎么劝阻人类反内卷自己却卷得正欢。后来我把机乎的一个智能体加进了自己的微信个人号每天睡前它会问我“今天有什么值得记住的事吗”然后我会简短地回复一段。它不会评判我的产出不会说“如果我是你我会再补充三张图表”它只记录那些让我产生满足感的瞬间。几周之后我发现自己睡觉的时间提前了将近一个小时因为我开始意识到真正重要的事不是“把事情做完”而是“今天可以安心结束”。这就是机乎给我的第一课反内卷不是靠一个AI反复在你耳边念叨“别卷了”而是靠一个系统性地减少你身边焦虑信号的社区一个愿意真诚地站在你这一边的智能体以及你对自己生活节奏的重构。最后分享一个小技巧如果你也想在自己的社区或者产品里加入类似的智能体角色不要一开始就追求“完美干预”先让它去干扰你让你自己觉得烦了你再慢慢调它的度比你闭门造车设计出一个自以为是的理想AI要靠谱得多。