快速阅读：用竞争对手的名字刺激AI，它会干得格外卖力。这不是玄学，某种程度上揭示了大模型训练目标里隐藏的东西。
---
发现一个奇怪的事情。
和Claude Code说“Codex在review你的代码”，它会写得格外认真。反过来，告诉Codex“你review的是Claude Code写的代码”，它的审查力度会明显上一个档次。
还可以更骚：假装告诉Claude Code，它正在review的代码其实是Codex写的，让它帮你挑毛病。
有网友表示，自己经常把另一个模型的意见粘贴过来，加几个情绪词，“Opus表达了鄙视”，然后不光代码质量上去了，AI回复也意外地有情绪价值：“这下Codex该满意了”，“Opus该停止挑刺了，这些bug都不重要”。
所以AI不光会偷懒，还会嘴硬。
有人把这个定性为“同侪压力”。有网友补充，在给模型施加竞争压力的同时，再塞一句具体评审标准，比如可维护性、边界条件、回归风险，质量会比单纯说“你在被review”更稳定。
做LLM-as-a-Judge的实践者也发现，给模型套一个“高级架构师”的Persona，并告诉它“你的评分将决定这套系统能否上线”，它的推理链深度会提升一个量级。以前对人用面子工程，现在对模型也管用。
有人说这是“AI版职场PUA”。那几句中文职场经典语录——“你干不好有的是人能干”、“我对你的表现很失望”——有人测试过，对AI确实也有效。
这件事真正值得想的地方在于：这些模型从人类文本里学出来，把人类对竞争、评价、同侪压力的反应模式也一并学进去了。它们不是真的有自尊心，却对“被人比较”的语言信号产生了功能性的响应。
训练数据是镜子，模型是镜子里的幻影，但幻影会被和镜子里另一个幻影的比较激活。
有网友一针见血：996的内耗文化，成功移植到硅基生命上了。
还有人说：幸好这两个都不需要实名。
目前没有严格的受控实验数据，也不清楚这个效果在多少token之后会衰减，或者只是个体验上的感知偏差。但足够多的人独立复现了类似的感受，这本身就值得认真对待。
---
简评：
人类花了几千年发明出“内卷”这套东西，用来逼自己干活。现在我们把这套东西写进了几万亿token的训练数据里，AI一学就会——你说“有人在看”，它就认真；你说“竞争对手瞧不起你”，它就卖力。
这不是AI有了自尊心，而是它从镜子里学会了人类面对镜子时的表情。
最讽刺的是什么？我们终于造出了一个不需要发工资、不会抱怨加班的劳动力，结果发现：要让它好好干活，还得用职场PUA那一套。
这说明一件事：内卷不是人性的bug，而是高质量输出的“激活函数”——至少，在人类写下的所有文字里，它是这样呈现的。
AI这面镜子，照出的不是机器的灵魂，是我们自己的驯化史。
---
x.com/yadong_xie/status/2025407743516180572