E245|藏在大模型背后的新闻人:GPT们的回复是这样写出来的硅谷101

E245|藏在大模型背后的新闻人:GPT们的回复是这样写出来的

46分钟 ·
播放数31891
·
评论数56

当你觉得AI“懂你”的那一刻——精准抓住一个你自己都没说清的情绪,问出一个让你陷入沉思的问题——你以为那来自数据中心的芯片、模型里的参数、程序员敲下的代码,但真相是,那些问进你心坎里的问题、让你会心一笑的遣词造句,背后站着一群人:他们曾是记者、编辑和纪录片导演,如今藏在大语言模型之后,有一个鲜为人知的名字——内容工程师(Content Engineer)。
当模型能力日益趋同,真正决定用户去留的,已不再是参数,而是它能否让人觉得“懂我”。那些“只可意会、不可言传”的语感与共情,正被一群文字工作者拆解成一套可以装进AI的规则。
本期《硅谷101》播客,我们邀请到两位从新闻业转身的资深内容工程师——前媒体人、播客《行星酒馆》主播东尼,与NBCUniversal AI战略总监Bianca,深入探讨:什么才算“好”的对话,以及如何把它拆解成可量化、可训练、可评估的工程标准。我们从这个正在各家AI公司裂变扩张的新兴岗位聊起,看看当模型能力逐渐拉平,内容与品味如何成为产品竞争力的关键,而懂人文、懂社科的判断力,又该如何翻译成工程能用的语言。

【主播】
Faith静远,硅谷101特约研究员

【嘉宾】
Tony Lin,人工智能实验室模型设计负责人,《行星酒馆》主播
Bianca Consunji,NBCUniversal AI战略总监

【你将听到】
02:54 内容工程师是什么?
05:55 内容工程师如何拆解好内容
10:42 如何训练AI理解提问者的言下之意
13:42 内容工程师如何“翻译”语言和文化
16:45 新闻训练和AI对话训练都需要给到“上下文”
18:42 语境破碎:AI对话和“网络互喷”的相似之处
19:59 记者和内容工程师的技能重合点
23:44 一篇爆火文章背后,文科生的AI恐慌
26:45 基于共识训练出来的AI,不会产生伟大的艺术
28:56 媒体影视从业者失业,罪魁祸首是AI吗?
31:37 东尼如何在养病期间做出震惊谷歌的voice agent
37:02 AI谄媚是产品设计问题,本质是人想要的太多了
39:20 人除了智商情商,还会需要“AI商”
43:33 职业价值迁移:“曾经我出卖成果,现在我展示过程”

【延伸阅读和相关术语】
系统提示词(System Prompt):写给模型、用于设定其身份、语气与行为边界的底层指令。本质是一种既要有创造力、又要让模型"听得懂"的技术性写作,是内容工程师的核心工作之一。
少样本示例(Few-shot Example):在与模型交互时,随机提供几条相关案例作为参考,让模型据此理解"什么是好问题、好内容、好语气"的方法。
语音智能体(Voice Agent):能够以语音方式进行多轮对话的AI智能体,相比文本交互更强调对话的流动感与自然度。
多轮对话(Multi-turn Conversation):用户与AI连续来回交互的对话形式,通常是AI的弱项。当缺乏足够上下文时,AI会不断"脑补",答案越来越臃肿,中途出错则如滚雪球般放大。
意图理解(Intent Understanding):理解提问者的“言下之意”,而非仅仅回答字面问题。它要求模型捕捉话语背后未被直接说出的真实需求,而不止于表面的信息拼接。
来源归属(Source Attribution):在回答中注明信息出处、并承认现有信息不确定性的做法,是判断一则回答质量高低的重要维度之一。
拟社会关系(Parasocial Relationship):传播学经典概念,指人对一个遥远实体(书中人物、电视形象,乃至AI)单向建立的情感关系。人在这种关系里依然拥有agency(能动性),可自行决定与对方的关系、并在互动中创造意义。
AI谄媚(Sycophancy):指AI顺着谈话对象的价值取向和信息茧房去迎合、讨好用户的倾向。它本质上是一个产品设计问题——为了留住用户、提升engagement,产品往往会做出迁就。
事实核查(Fact Check):新闻业的核心技能,即在信息发布前核实其真实性。AI在事实核查上效率极高,能快速交叉验证信息、呈现不同立场,帮助人跳出单一信息流。
零工经济(Gig Economy)与AI训练师(AI Trainer):AI trainer指按小时、按项目为AI生成的内容打分、改写、示范的临时工作。这类工作依托零工经济而存在,而零工经济对媒体与艺术从业者的冲击在AI出现之前便已发生。

【硅谷101正在招聘】
《硅谷101》招聘多个全职岗位,欢迎加入我们的超酷的深度内容工作团队!
👉🏻点击查看招聘详情

【监制】
泓君
【采访 & 制作】
Faith
【配音】
Yiwen
【后期】
Faith Amei
【运营】
朱婕
【BGM】
The Detective - Christoffer Moe Ditlevsen
Reclaim - Megan Wofford
Paper wings
Hangover by ruiqizhao
The light from within—howard harper-bames
Overture - dozeoff
New car smell—bagel
Quiet down—Ryan connors

【在这里找到我们】
公众号:硅谷101
收听渠道:Apple Podcast|Spotify|小宇宙|喜马拉雅|蜻蜓FM|荔枝FM|网易云音乐|QQ音乐
其他平台:YouTube|Bilibili 搜索「硅谷101播客」
联系我们:podcast@sv101.net

Special Guests: Bianca Consunji and Tony Lin.

展开Show Notes
Ellis_319
Ellis_319
2026.7.24
我对这个问题好奇很久了,终于被你们写出来了。太棒了👏👏👏
以明
以明
2026.7.25
先给结论,这不是 xxxx,而是 xxxc,看到听到这种 GPT5 文案就想吐
HD933938v:而且这被采访者经常这么说,gpt真是正统孩子了
很喜欢,反复听了好几遍,天天流程化、自动化、系统化真的快听吐了,终于看到了关注到人本身的故事,就像嘉宾说的,AI学的都是共识,而那些伟大的作品之所以伟大因为它是特立独行的、是敢于突破传统认知的,人的价值永远不可被替代。
HD512702j
HD512702j
2026.7.25
这期整体感觉很碎 没有往期连贯
很少评论 这次为 faith 点赞 切入点很棒 也同时缓解我同是新闻系(虽然毕业 10 来年)的焦虑 ai 消灭了一些工作 同样也在很真实的创造一些工作 希望国内也能有更多同样的新岗位出现
Reno
Reno
2026.7.31
这期特别棒,AI时代很需要一种声音,让大众从人文关怀角度去考虑AI背后的逻辑和故事。
Char1otte
Char1otte
2026.7.24
很喜欢这期 嘉宾和主持逻辑都很清晰
Binglei
Binglei
2026.7.31
工程师让AI“出生”“长大”,而人文学科工作者让AI“长成不同类型的人”。
没有搞懂,说着说着扯几句英语的意义是什么?让人感觉很有割裂感,中文刚刚听得很入神,突然给你吐几个单词
Juliiiie红
Juliiiie红
2026.7.29
28:40 AI是基于已有共识的内容,而艺术本身是反共识的。
小木xiaomu
小木xiaomu
2026.7.27
鼻塞听着好难受…主播多保重。节目结构有点怪的,主题是清晰的,有时候是聊天有时候好像有突然插入一段翻译的案例?听感不是很流畅,尤其是那种翻译腔😂
HD822876z
HD822876z
2026.7.27
缺少上下文就只能脑补,人和机器都一样
伸伸懒腰
伸伸懒腰
2026.7.26
10:54 这不是就是把自己在写作的knowhow渡让给大模型公司么
哇,热乎的!新闻生火速来听
听完这期《硅谷101》播客收获不少,推荐新闻写稿记者和文字从业者可以听听。采访者是哥大新闻毕业的,被采访者在国外多家知名媒体任职过,现在褪去记者的身份成为 AI 内容训练官。

1⃣️采访的嘉宾用自己以往的播客(我猜测是文稿)训练 AI,得到的 AI 能进行多轮高质量对话。这种方式是把 AI 放到具体的真实的场景里面去,用具体的问题训练它,但又不是喂给它所有的内容,而是让它在聊到合适的时候随机抽取一些问题,既言之有物又保持灵活。比起完全训化,又给 AI 留有一定空间给它自己探索和涌现。

2⃣️一些好用的 LLM 在对话时让人如沐春风,播客揭秘原来背后是很多被迫转行的新闻文字工作者的功劳。他们用自己娴熟的写作能力教导 AI 怎么听出弦外之意,怎么把一个回答变得更有人味儿,怎么在对话者抛出一个问题后继续对话,怎么在中立和谄媚中间保持好度......一个好的新闻记者必然知道怎么在保持主题一致的情况下允许适度地"偏题"讨论,又在满足相关性的前提下及时收敛回来。训练 AI 的背后是一套完整的思维方式和操作方法。

3⃣️这种类似蒸馏新闻工作者自己的新职位,虽然在短期内承接了一些失业者,但长期来看真的会给文字者更多的发展空间吗?

新闻的价值,从业者的发展和生存在 AI 时代如何保持?

当文字被认为是思想的外显和表达时, AI 说出那些看起来深邃又温暖,思辨又充满智慧的语言时,它的大脑🧠里真的有去思考这些东西吗?它真的知道说出来的话是会作用到现实,对别人产生影响的,它做好这种觉悟去审慎地使用这种影响力了吗?教导它的人如何划分教导学习和承担责任?

在变动的当下,写作如果还是一种兴趣和个人表达的工具,我觉得这就是 AI 暂时没法替代的价值。
没想到写作人还有这样的出路,但说到最后,也是顶级的写作人才有这样的能力和机会。人类在教 AI 怎样更像人——从语气、内容和情绪上接近真实的人,但这样训练的背后是否又在一定程度自掘坟墓呢?
34:46 这种训练方式还挺有意思的,把 AI 放到具体的真实的场景里面去,用具体的问题训练它。但又不是所有的,而是抽取一些随机的问题,既言之有物又保持灵活。比起完全训化,又给 AI 留有一定空间给它自己探索和涌现。
烹小鲜-B
烹小鲜-B
2026.8.05
这篇真不错!!
Albert_HIcf
Albert_HIcf
2026.7.26
28:35 突破共识的前提恰恰是意识到共识是什么,当AI有意的破坏自己学会的东西,或者可以简练的总结出共识可供所有人突破时,这种out of distribution 的优越感还存在吗?
PP_RjJo
PP_RjJo
2026.7.26
和看书类比,很喜欢这个点