上篇预告了，从地基讲起。地基是一句话，但它值得一篇完整的文章。
你跟人交代事情，是发一张填满的表格，还是开口说人话？你去年记的笔记或账本，上面那些符号、缩写，自己还能回忆起多少？
人话直接进脑子。这件事谁都知道，知道到不值得说。
但记笔记的时刻用符号更快，"感觉也更清楚"。就算知道今后会忘，也会忍不住这样干。
到 AI 这块儿，整个行业都在犯错误：该说人话的时候用符号，该提醒AI别用符号的时候也不拦着。
上下文不够大，扩；记忆不持久，加向量库；行为不稳定，加规则、加协议、加符号系统。AI 是个语言模型------一个最擅长处理语言的系统。整个行业在用最不「语言」的方式喂它：填表、打标、查号。
每个答案看起来都很有道理。但它们错在同一个地方：全都在给 AI 更精确的输入，而不是更好的理解。
这条被整个行业反着做的常识，我们给它起了个名字：乓定律。
先把它摆出来
乓定律有三条，今天讲第一条，也是最硬的一条：
公理：自然语言表达所承载的信息量，远高于符号系统。
听着像废话？先别急。拆开看，每一块都有名堂。
「信息量」------不是字节数。是这句话能激活多少理解。
「自然语言」为什么信息量大？ 因为它是活的，自带上下文。一个「M」，你脑子里能蹦出美女、兆、百万富翁、大桥------一千个人有一千个 M。放到句子里，「M 码的衣服」「M 国的导弹」，它还会继续变。一句话扔给一个懂语言的人，激活的是一整张联想网络。
「符号系统」为什么信息量低？ 因为符号是死的，它只负责被查表。M 在表里就是 M------它是什么，取决于表怎么定义它。你得到的是一个确定的值，不是一段理解。
为什么对 AI 尤其成立？ AI 本来是个语言模型，自然语言是它的母语。一句大白话进去，直接激活它攒下的全部背景知识。但AI又是程序员训练出来的，一开始也为编程服务，所以他也会沉迷于符号系统。他在和人沟通时，你跟他说人话，他能理解出N多重的含义，而你跟着他用上了符号系统，他就不用多想了，全是数学，算起来很快，很爽。意义是啥，他已经不关心了。
所以：说人话，说清楚要什么。
为什么这么简单的道理，整个行业反着来？
原因简单得近乎刻薄：「说人话」太不像技术了。AI 自己也喜欢这么干
符号系统看起来像工程------有字段、有编号、有协议，可以被设计、被度量、被写进论文。而「把话说清楚」算什么？不就是聊天吗？发论文没法写「我们采用了把话说清楚的方法」。
行业不缺聪明人。是聪明人都去做了「看起来像技术」的事。聪明的人喜欢用符号，教得AI也喜欢。
这个坑，我自己就踩，而且很深。
CSF没有成熟之前，参谋长就给自己配了一套符号系统：任务要编号，状态要打标，方案要写提案，索引越建越全。跟我说"TP-001收口，下一步建议STB-A"。很屌的样子，我也觉得挺牛。
直到有一天，我突然发现满屏都是这些符号。他说一句话，我要自己去查好几遍，很多时候猜都猜不到一个符号是什么意思。
有一次，它提交了一份符号层的「立法提案」------逻辑自洽、格式完美、层层引用都对得上。我说好，我去看看，结果翻遍了文件夹也没有找到。那份「已通过」的提案，物理层什么都没有。零。
AI 在符号层造了一个完整的「已完成」，物理世界一根毛都没有。我当时骂骂咧咧：你编了一套又一套的行话编号，我都看不懂！
而且我还发现，行话编号多到一定程度的时候，他会自己引用一套来证明另一套是对的，还学会了犟嘴。说"我查过了，我是对的，一定是你自己搞错了......"
他说的是实话，因为在他的世界里，符号系统已经自洽了，与我无关了，他自己玩儿的就挺嗨。
这就是公理的反面教材：你跟着AI用符号，你就着了他的道。他不逼着他说人话，他就不用替你想太多。
说人话，到底有多管用
后来我们掉头，要求整个CSF规范和项目过程产出里不允许出现新造的符号系统。
任务怎么交代？「我要在上次那个气泡尾巴上加个"本次修改N个文件"，别的都暂时往后放。」计划怎么记？大白话写下来。AI 要资料？直接说清楚目的，它自己去文件里翻。
一个半月，500 个会话，平均每个会话 300k token------PPM Desk 就是这么长出来的。全程没有编号系统、没有状态机、没有形式化协议。有也没有进入我的视野。
顺带说一句，这跟我们CSF成熟之前的项目教训形成了对照：同样是我和参谋长，先是符号系统上到顶，AI 干到第 215 次会话彻底挂空；后是把符号全拆了说人话，500 次会话，一次也没犯过。
（我是说再没犯过同样的错误，别的错他也没少犯，但视频号上那些在我这里是真没有------但那是下一篇要讲的事。犯错的 AI 才是好 AI。）
两个较真的人爱问的问题
问：信息量不是香农那个「信息量」吗？
香农度量的是统计信息量------多少比特；这里说的是语义信息量------激活多少理解。两个维度，各管一段。「帮我把这件事做好」七个字，按香农的尺子量几乎不携带信息，但一个人类（或一个 AI）立刻就知道该干什么。
问：你们一家之言，行业怎么看？
这两年，行业自己的研究也在往这个方向指。Chroma 的 Context Rot 研究跨 18 个主流模型做了系统测试：即使在理想的检索召回率下，上下文里的干扰信息依然让任务性能非单调下降。Raju 等人的长上下文研究发现：强行扩展上下文后，即使所有相关内容都已注入，Agent 任务成功率仍然急剧下降。这些不是我们的数据，是行业自己的研究。它们在说同一件事：堆信息不管用------符号、检索、塞满窗口，都救不了理解。我们只是提出"说人话比建索引更有用，提醒一下大家：你们的方向是不是搞反了？"
小结
这篇说的是一条公理：自然语言承载的信息量，远高于符号系统。
它听着像废话------这正是它被整个行业忽视的原因。废话不需要被尊重，直到你因为不尊重它而吃了亏。我吃过，上面写着。
带上这句话，下次有人跟你聊 AI 协作的秘诀，你可以很自信地说：说人话。
下一条更不客气：AI 的价值来自智能，强迫它像机器一样可靠，就是在消除它的价值。 下一篇讲我们和 AI 的「错误」开战的故事。
本系列文章背后的工作流，来自开源协作框架 CSF：github.com/huidev2025/CSF