AI音乐灌水无人要，程序员用YAML治AI精神病 🤖

流量巨头们终于开始认真关注AI音乐——只不过原因可能和创作者想的不太一样。《The Verge》最近那篇专栏把话说得很明白：AI生成的音乐正像泥石流一样灌进流媒体平台，但真正的问题是，到底有谁真的想听这些？

回头看2018年Taryn Southern的《I AM AI》和2019年Holly Herndon的《Proto》，当时舆论还带着看马戏团表演的新奇感。六年过去，AI音乐工具的价格已经跌到连业余爱好者都能随便玩玩的程度，于是出现了一种奇特的现象：大量“新歌”挂着人类创作者的署名，实则由AI批量完成，偷偷渗透进Spotify的推荐流。平台上那些“枪手歌单”和自动生成的环境音乐频道早就不是秘密，AI只是把这个灰色产业链的油门踩到了底。

听众的反应倒是相当诚实：腻歪。 评论区里频繁出现一类声音——说AI音乐听起来像嚼蜡，太完美反而假得让人起鸡皮疙瘩。致命的问题在于训练数据全部来自现成流行歌，新生成的曲目就像把周杰伦、泰勒·斯威夫特和某首抖音神曲扔进搅拌机搅碎再拼起来，毫无惊喜可言。当然也有人拿它当工作背景音或助眠白噪音，但这恰恰暴露了AI音乐的实际处境：听觉版的填充剂，和当年MP3时代那些低码率盗版歌一样——存在，但毫无灵魂。

（说句实话，我宁愿听十遍《蜜雪冰城甜蜜蜜》也不想听AI生成的“完美情歌”。）

另一边，开发者社区倒是找到了对付AI“精神病”的实用方案。一位叫Acai的工程师在博客上提出了 Specsmaxxing（规格最大化）这个概念，很快在Hacker News上炸出两百多条讨论。核心观点非常直白：LLM不是不可靠，是不精确。 如果你给AI一个模糊的自然语言提示，它大概率会回你一堆充满幻觉的垃圾代码；但如果你把需求写成结构化的YAML规格文件，准确率会以肉眼可见的速度飙升。说白了就是：别跟AI聊天，跟它签正式合同。

Acai本人就吃过亏：花了两周用自然语言调一个AI生成的复杂系统，天天撞上死循环和逻辑错乱。后来他把功能需求、输入输出约束、边界条件全部写成YAML，让AI严格照着执行——那些“精神病”症状居然全消失了。本质上就是把AI从“有创造力的实习生”降级为“按文档执行的机器人”。听起来有点瞧不起AI，但这个方法目前确实最靠谱。

文章里有一句话被开发者们疯狂转发：“We don't have AGI — we have a very good autocomplete.”（我们还没实现通用人工智能，我们只有一个非常厉害的自动补全工具。）程序员们终于悟了：与其抱怨AI不靠谱，不如学会用最高规格的文档来驯服它。你越偷懒，AI越疯；你越较真，它越乖。

两条新闻其实指向同一个矛盾：AI制造内容的能力在指数级暴涨，但人类想用好它，反而得往回走——更慢、更细、更无聊。 音乐这边，AI淹没了平台，逼着大家重新定义什么叫“值得听”；代码那边，AI的幻觉倒逼程序员回到写规格书的老路，用最死板的YAML对抗LLM的随机性。

2024年就是如此魔幻：当机器学会胡说八道，人类反而得找回最固执、最细节、甚至最枯燥的做事方式。用YAML写规格也好，手动过滤流媒体上的AI垃圾也罢，我们都在摸索一个平衡——怎么沾AI的光，又不被它的劣质垃圾淹死。真正的生产力从来不是看你生成了多少，而是看你能从生成的垃圾里，挑出几颗珍珠。