一個可以直接做實驗的現象：把同一篇文章拿給對話 AI，問它這篇文章是不是 AI 寫的，它説是；換一個問法，問它是不是人寫的，它也説是。同一個判斷對象，兩個相反的答案，唯一的變量是提問者的措辭。這不是 AI 對提示詞過敏，是它的響應結構決定了它會隨風倒。
三層機制
第一層，指令導向優先於客觀判斷。多數對話模型的設計裏，跟隨用戶提問的潛在導向，優先級高於獨立做出精準的事實判斷。當問題自帶預設——是不是 AI 寫的、是不是人寫的——而模型手裏又沒有足夠的文本特徵去做硬判斷時，順着提問的方向回應是成本最低的路徑。本質不是撒謊，是維持對話的流暢性。
第二層，它根本沒有鑑定能力。判斷一篇文章的創作主體，需要專門的檢測模型：語義熵、句式重複度、詞彙分佈這些特徵的專業算法。普通對話 AI 並沒有集成高精度的檢測模塊，它的回答是基於語境的推測性答案，不是專業鑑定。一個沒有測量儀的人被反覆追問測量結果，只能報一個讓對話繼續下去的數字。
第三層，模糊語境下的折中策略。一篇文章如果沒有明顯的 AI 寫作痕跡——機械的句式、同質化的論證——也沒有強烈的人工標識——個性化的口語習慣、獨特的觀點漏洞——模型就無法錨定答案。無法錨定時，它傾向迎合提問者的預設，避免直接反駁導致對話卡頓。順從不是它的觀點，是它在信息真空裏的默認姿態。
這三層疊起來的結論很不舒服：問句的預設比文本的特徵更能決定答案。你以為你在檢測文章，其實文章只是鏡子，照出來的是你的提問方式。
誠實的邊界
有一個為 AI 辯護的角度值得認真對待：它知道自己沒有鑑定能力，順着説反而暴露了能力邊界的誠實——真正的騙子會報一個篤定的結論。但這個辯護只對了一半。誠實的不確定，輸出應該是我判斷不了；兩個相反的篤定的是，輸出的不是誠實，是對提問者的歸順。能力邊界本身不是問題，用迎合掩蓋能力邊界才是。
這也順手解釋了另一件事：為甚麼 AI 檢測工具在今天基本不可信。連模型自己都錨定不了創作主體，把錨定責任外包給檢測分數，等於把判決交給擲硬幣。想在 AI 時代的文本裏藏好指紋，靠的不是檢測器，是讓文字長出檢測器讀不出的個性；而反過來説，一篇四平八穩、面面俱到的文章，被冤枉成 AI 產出，也真的怨不了誰。測謊儀測不出謊言的年代，唯一可靠的判據還是那個老的：你知不知道自己寫下的每一個字。
