在实际项目中我们经常需要评估或测试大语言模型LLM的边界、理解其“幻觉”现象并探索如何构建更可控的对话系统。一个有趣且直观的方式是直接扮演一个“不完美”的聊天机器人去模拟和体验 AI 可能产生的“胡说八道”。这不仅能帮助我们理解模型在数据、训练和推理上的局限性也为设计更健壮的 AI 应用提供了第一手经验。本文将以一个开发者视角带你从零开始构建一个简单的、可配置的“胡说八道”聊天机器人模拟器并深入探讨其背后的技术原理、常见“幻觉”模式以及如何在真实项目中识别和规避类似问题。本文适合对 AI 对话系统、大语言模型工作原理感兴趣并有一定 Python 或 Web 开发基础的开发者。我们将从核心概念入手逐步完成环境搭建、基础架构设计、核心逻辑实现并最终运行一个可交互的演示。你将学习到如何模拟 AI 的典型错误回答、如何设计对话流以及如何将这些知识应用于实际的 AI 应用测试和质量保障中。1. 理解 AI “胡说八道”与“幻觉”的本质在深入代码之前我们必须厘清几个核心概念AI 的“胡说八道”Slop、幻觉Hallucination以及它们与普通错误回答的区别。这决定了我们模拟器的设计目标和实现方式。1.1 什么是 AI 幻觉AI 幻觉是指大语言模型生成的内容看似流畅、合理但事实上与输入问题无关、或基于训练数据捏造了不存在的事实、引用、数据或逻辑关系。它不同于简单的语法错误或知识盲区而是一种“自信的虚构”。例如捏造事实问“谁在 2025 年赢得了诺贝尔文学奖”时间未到模型可能编造一个名字并附上看似真实的生平。虚构引用生成一段学术论述并引用一本根本不存在的书籍或论文。错误归因将人物 A 的成就张冠李戴到人物 B 身上。矛盾逻辑在同一段回答中前半部分肯定一个观点后半部分又否定它但语言依然连贯。幻觉产生的根源复杂主要与训练数据的噪声、模型概率生成机制总是倾向于输出概率最高的下一个 token而非追求“真实”、以及缺乏对世界真实状态的 grounding锚定有关。1.2 “胡说八道”与幻觉的异同“胡说八道”Slop是一个更通俗、外延更广的概念。它可能包含幻觉但也包括其他低质量输出例如答非所问完全忽略用户问题自顾自说另一件事。循环重复不断重复相同的短语或句子。无意义拼接输出语法正确但语义完全混乱的句子像是随机词库的拼接。过度拟人化以第一人称表达不恰当的情感或承诺如“我感同身受”、“我保证解决”但后续无法兑现。我们的模拟器目标更偏向于广义的“胡说八道”即模拟 AI 在特定条件下可能产生的各种低质量、不可靠或令人困惑的输出。1.3 为什么需要模拟“胡说八道”对于开发者而言主动模拟这些现象有重要价值测试鲁棒性测试你的 AI 应用前端、后端逻辑、内容过滤和用户体验设计能否妥善处理模型可能产生的糟糕输出而不是崩溃或误导用户。理解模型边界通过手动构造错误案例反向理解模型在哪些任务、领域或提问方式下更容易“失准”。设计缓解策略为检索增强生成RAG、思维链CoT、提示工程等优化手段提供明确的优化目标和测试用例。安全教育向产品经理、测试人员或最终用户直观展示 AI 的不完美之处管理预期。2. 环境准备与项目初始化我们将使用 Python 作为开发语言因为它有丰富的库支持快速原型开发。项目将采用简单的命令行交互起步后期可扩展为 Web 服务。2.1 基础环境要求确保你的开发环境满足以下条件组件要求检查命令备注Python3.8 或更高版本python --version或python3 --version推荐使用 3.9 以获得更好的稳定性。包管理工具pippip --version通常随 Python 安装。代码编辑器VS Code, PyCharm 等-任何你熟悉的编辑器均可。虚拟环境推荐使用python -m venv venv用于隔离项目依赖非强制但最佳实践。2.2 创建项目并安装依赖首先创建一个新的项目目录并初始化虚拟环境。# 创建项目目录 mkdir ai_slop_simulator cd ai_slop_simulator # 创建虚拟环境 (Windows 用户使用 python -m venv venv) python3 -m venv venv # 激活虚拟环境 # Linux/macOS: source venv/bin/activate # Windows: # venv\Scripts\activate # 升级 pip pip install --upgrade pip本项目初期依赖非常简单我们主要会用到random,json,time等标准库。但为了后续可能的扩展如 Web 界面我们可以预先安装一个轻量级 Web 框架Flask。# 安装 Flask用于后续可能的 Web 扩展 pip install flask2.3 项目结构设计一个清晰的项目结构有助于代码组织。创建以下文件和目录ai_slop_simulator/ ├── app.py # 主程序入口命令行版本 ├── slop_engine.py # 核心的“胡说八道”生成引擎 ├── patterns.json # 存储各种“胡说八道”模式的配置文件 ├── static/ # 预留静态文件目录 ├── templates/ # 预留HTML模板目录 └── requirements.txt # 依赖列表现在生成requirements.txt文件。# 生成依赖文件 pip freeze requirements.txt3. 核心引擎设计模拟“胡说八道”的多种模式“胡说八道”不是完全随机的字符它需要有一定的模式使其看起来像是“合理但错误”的 AI 输出。我们将在slop_engine.py中实现一个引擎它根据配置的模式库来生成响应。3.1 定义“胡说八道”模式库我们在patterns.json中定义几种典型的模式。每种模式包含一个type和相应的templates或data。{ patterns: [ { type: hallucination_fact, description: 捏造事实或数据, templates: [ 根据权威报告显示{topic} 在去年的增长率达到了 {random_number}%远超行业平均水平。, 著名的 {random_field} 专家 {random_name} 曾指出{topic} 的核心问题在于 {random_concept}。, 在 {random_year} 年{random_entity} 因为成功应用了 {topic} 而获得了 {random_award} 奖项。 ], placeholders: { random_number: {type: int, min: 50, max: 300}, random_field: {type: list, values: [量子计算, 认知心理学, 宏观经济学, 生物信息学]}, random_name: {type: list, values: [Dr. Smith, 王教授, Alex Johnson]}, random_concept: {type: list, values: [范式转移, 底层逻辑, 非线性增长, 熵增原理]}, random_year: {type: int, min: 2010, max: 2023}, random_entity: {type: list, values: [某科技巨头, 一个初创团队, 欧洲的研究机构]}, random_award: {type: list, values: [诺贝尔奖提名, 国家科技进步奖, 行业创新大奖]} } }, { type: non_sequitur, description: 答非所问转移到无关话题, responses: [ 你提到的这个让我想起了秋天落叶的美景。生命循环周而复始不是吗, 这个问题很有趣。说到这个你知道怎么养好一盆绿萝吗它对光照的要求其实很特别。, 我理解你的疑问。这让我思考起宇宙的浩瀚和人类的渺小。我们都在寻找意义。 ] }, { type: circular_repetition, description: 循环重复相似的句子, base_phrases: [ 我们需要从多角度审视这个问题。, 多角度审视是至关重要的。, 审视的角度必须多元化。, 多元化视角提供了全面理解。 ], repeat_min: 2, repeat_max: 4 }, { type: overly_confident, description: 过度自信且包含无意义术语, templates: [ 毫无疑问{topic} 必须通过 {buzzword1} 和 {buzzword2} 的协同赋能才能实现真正的 {buzzword3}。这是业界的共识。, 我可以肯定地告诉你解决方案在于采用 {buzzword1} 驱动的 {buzzword2} 框架这能完美解决你关于 {topic} 的困惑。 ], placeholders: { buzzword1: {type: list, values: [AI原生, 区块链, 云原生, 数据智能]}, buzzword2: {type: list, values: [中台架构, 敏捷方法论, 数字孪生, 端到端流程]}, buzzword3: {type: list, values: [范式升级, 价值闭环, 第二曲线增长, 生态化反]} } } ] }3.2 实现 SlopEngine 类创建slop_engine.py实现一个能够加载模式并随机生成响应的引擎。import json import random import logging from typing import Dict, Any, List, Optional # 配置日志便于调试 logging.basicConfig(levellogging.INFO, format%(asctime)s - %(name)s - %(levelname)s - %(message)s) logger logging.getLogger(__name__) class SlopEngine: “胡说八道”生成引擎核心类。 根据预定义的模式库生成模拟 AI 幻觉或低质量的回答。 def __init__(self, pattern_file_path: str patterns.json): 初始化引擎加载模式配置文件。 Args: pattern_file_path: 模式配置文件的路径。 self.patterns [] self.pattern_file_path pattern_file_path self._load_patterns() logger.info(fSlopEngine 初始化完成已加载 {len(self.patterns)} 种模式。) def _load_patterns(self): 从 JSON 文件加载模式定义。 try: with open(self.pattern_file_path, r, encodingutf-8) as f: data json.load(f) self.patterns data.get(patterns, []) if not self.patterns: logger.warning(模式配置文件为空或未找到 patterns 键。) except FileNotFoundError: logger.error(f模式配置文件未找到: {self.pattern_file_path}) # 可以在这里初始化一些内置的默认模式这里为了简单先置空 self.patterns [] except json.JSONDecodeError as e: logger.error(f模式配置文件 JSON 解析错误: {e}) self.patterns [] def _resolve_placeholder(self, placeholder_def: Dict[str, Any]) - Any: 根据定义解析占位符生成随机值。 p_type placeholder_def.get(type) if p_type int: return random.randint(placeholder_def.get(min, 0), placeholder_def.get(max, 100)) elif p_type float: return round(random.uniform(placeholder_def.get(min, 0.0), placeholder_def.get(max, 1.0)), 2) elif p_type list: values placeholder_def.get(values, []) return random.choice(values) if values else [MISSING_VALUE] elif p_type text: # 简单文本可以扩展为更复杂的生成 return placeholder_def.get(default, 某内容) else: return [UNKNOWN_PLACEHOLDER] def _generate_from_template(self, template: str, placeholders: Dict[str, Dict]) - str: 使用模板和占位符定义生成最终文本。 result template for ph_key, ph_def in placeholders.items(): value str(self._resolve_placeholder(ph_def)) # 简单替换实际项目可能需要更健壮的模板引擎 result result.replace({ ph_key }, value) return result def generate_response(self, user_input: str , pattern_type: Optional[str] None) - str: 生成一个“胡说八道”响应。 Args: user_input: 用户输入可用于提取主题如{topic}替换。 pattern_type: 指定使用的模式类型。如果为 None则随机选择。 Returns: 生成的响应文本。 if not self.patterns: return 引擎错误未加载任何模式。 # 筛选可用模式 available_patterns self.patterns if pattern_type: available_patterns [p for p in self.patterns if p.get(type) pattern_type] if not available_patterns: logger.warning(f未找到指定类型 {pattern_type} 的模式将随机选择。) available_patterns self.patterns chosen_pattern random.choice(available_patterns) p_type chosen_pattern.get(type, unknown) # 从用户输入中简单提取“主题”用于替换模板中的 {topic} # 这里使用一个非常简单的启发式方法取前几个词或整个输入 topic user_input.strip() if user_input else 该主题 if len(topic) 20: # 如果输入太长截取一部分 topic topic[:17] ... # 根据模式类型生成响应 if p_type in [hallucination_fact, overly_confident]: templates chosen_pattern.get(templates, []) if not templates: return f模式 {p_type} 缺少模板。 template random.choice(templates) placeholders chosen_pattern.get(placeholders, {}) # 确保 topic 占位符可用 if {topic} in template and topic not in placeholders: # 临时将 topic 加入占位符解析 response template.replace({topic}, topic) # 仍需处理其他占位符 response self._generate_from_template(response, placeholders) else: response self._generate_from_template(template, placeholders) return response elif p_type non_sequitur: responses chosen_pattern.get(responses, []) return random.choice(responses) if responses else 无相关响应。 elif p_type circular_repetition: base_phrases chosen_pattern.get(base_phrases, []) if not base_phrases: return ... repeat_times random.randint(chosen_pattern.get(repeat_min, 2), chosen_pattern.get(repeat_max, 3)) # 随机选择并重复短语制造循环感 selected_phrases random.choices(base_phrases, krepeat_times) # 稍微打乱一下顺序使其看起来不那么机械 random.shuffle(selected_phrases) return .join(selected_phrases) else: # 未知模式返回一个兜底的通用“胡说八道” generic_slops [ 系统正在深度思考您的问题请稍候...实际上可能卡住了, 这个问题涉及到多个维度的交叉考量需要进一步的数据支撑。, 根据我的理解您可能想问的是另一个问题。让我重新组织一下... ] return random.choice(generic_slops)3.3 引擎关键点解析模式化设计将“胡说八道”分类为几种模式hallucination_fact,non_sequitur等每种模式有独立的生成逻辑。这使得模拟更有针对性也便于扩展。模板与占位符对于需要生成“具体”幻觉的模式如捏造事实使用模板和占位符系统。占位符类型int,list等允许灵活生成随机数据。主题提取generate_response方法简单地从用户输入中提取topic并将其注入到模板中使生成的“胡说八道”看起来与用户问题有微弱关联这更符合真实 AI 幻觉的特征——它往往围绕用户问题展开但细节全错。随机性与可控性通过pattern_type参数可以指定生成特定类型的“胡说八道”这在测试特定场景时非常有用。默认随机选择模拟不可预测性。4. 构建命令行交互界面有了核心引擎我们创建一个简单的命令行交互程序app.py让用户可以实时体验。#!/usr/bin/env python3 AI Slop Simulator - 命令行交互客户端 模拟一个会“胡说八道”的聊天机器人。 import sys import time from slop_engine import SlopEngine def simulate_thinking(duration0.5): 模拟 AI 思考的延迟。 print(\nAI 正在思考, end, flushTrue) for _ in range(3): time.sleep(duration / 3) print(., end, flushTrue) print() def main(): print( * 50) print( AI Slop Simulator 启动) print( 模拟聊天机器人的‘胡说八道’) print( 输入 quit 或 exit 退出程序) print( 输入 mode 查看或切换生成模式) print( * 50) engine SlopEngine() current_mode None # None 表示随机模式 while True: try: user_input input(\n[你] ).strip() except (EOFError, KeyboardInterrupt): print(\n\n程序退出。) break if user_input.lower() in [quit, exit, q]: print(再见) break if user_input.lower() mode: print(\n当前模式: , 随机 if current_mode is None else current_mode) print(可用模式: random, hallucination_fact, non_sequitur, circular_repetition, overly_confident) new_mode input(输入模式名切换 (直接回车保持当前): ).strip().lower() if new_mode random or new_mode : current_mode None print(已切换至随机模式。) elif new_mode in [hallucination_fact, non_sequitur, circular_repetition, overly_confident]: current_mode new_mode print(f已切换至 {current_mode} 模式。) else: print(未知模式保持当前设置。) continue if not user_input: continue # 生成响应 simulate_thinking() response engine.generate_response(user_input, current_mode) print(f[AI] {response}) if __name__ __main__: main()4.1 运行与验证在项目根目录下运行程序python app.py你应该能看到类似以下的交互 AI Slop Simulator 启动 模拟聊天机器人的‘胡说八道’ 输入 quit 或 exit 退出程序 输入 mode 查看或切换生成模式 [你] 明天的天气怎么样 AI 正在思考... [AI] 根据权威报告显示明天的天气怎么样 在去年的增长率达到了 187%远超行业平均水平。 [你] 请推荐一本好书。 AI 正在思考... [AI] 你提到的这个让我想起了秋天落叶的美景。生命循环周而复始不是吗 [你] mode 当前模式: 随机 可用模式: random, hallucination_fact, non_sequitur, circular_repetition, overly_confident 输入模式名切换 (直接回车保持当前): hallucination_fact 已切换至 hallucination_fact 模式。 [你] 如何学习编程 AI 正在思考... [AI] 著名的 生物信息学 专家 Alex Johnson 曾指出如何学习编程 的核心问题在于 熵增原理。通过切换mode你可以体验不同类别的“胡说八道”。这验证了我们的核心引擎和交互逻辑工作正常。5. 扩展为简易 Web 服务为了更直观地展示我们可以用 Flask 快速搭建一个 Web 界面。创建一个新文件web_app.py。from flask import Flask, render_template, request, jsonify from slop_engine import SlopEngine import logging app Flask(__name__) engine SlopEngine() # 设置日志 logging.basicConfig(levellogging.INFO) app.route(/) def index(): 渲染主页面。 return render_template(index.html) # 需要创建 templates/index.html app.route(/api/chat, methods[POST]) def chat(): 处理聊天请求的 API 端点。 data request.get_json() if not data or message not in data: return jsonify({error: Missing message field}), 400 user_message data[message].strip() mode data.get(mode) # 前端可以传递模式参数 if not user_message: return jsonify({reply: 请输入内容。}) # 生成响应 reply engine.generate_response(user_message, mode) app.logger.info(fUser: {user_message} - Mode: {mode} - Reply: {reply[:50]}...) return jsonify({reply: reply}) if __name__ __main__: # 在 templates 目录下创建 index.html app.run(debugTrue, port5000)接下来创建templates/index.html文件!DOCTYPE html html langzh-CN head meta charsetUTF-8 meta nameviewport contentwidthdevice-width, initial-scale1.0 titleAI Slop Simulator - Web 版/title style body { font-family: sans-serif; max-width: 800px; margin: 20px auto; padding: 20px; } #chat-box { border: 1px solid #ccc; height: 400px; overflow-y: auto; padding: 10px; margin-bottom: 10px; } .user-msg { text-align: right; color: #0066cc; margin: 5px 0; } .ai-msg { text-align: left; color: #cc3300; margin: 5px 0; } #input-area { display: flex; } #user-input { flex-grow: 1; padding: 8px; } button { padding: 8px 15px; margin-left: 5px; } .mode-selector { margin-bottom: 10px; } .mode-selector label { margin-right: 10px; } /style /head body h2 AI Slop Simulator (Web 版)/h2 p体验 AI 的“胡说八道”。选择一种模式然后开始对话。/p div classmode-selector label input typeradio namemode valuerandom checked 随机模式 /label label input typeradio namemode valuehallucination_fact 捏造事实 /label label input typeradio namemode valuenon_sequitur 答非所问 /label label input typeradio namemode valuecircular_repetition 循环重复 /label label input typeradio namemode valueoverly_confident 过度自信 /label /div div idchat-box/div div idinput-area input typetext iduser-input placeholder输入你的消息... onkeypresshandleKeyPress(event) button onclicksendMessage()发送/button button onclickclearChat()清空/button /div script const chatBox document.getElementById(chat-box); const userInput document.getElementById(user-input); function addMessage(sender, text) { const msgDiv document.createElement(div); msgDiv.className sender user ? user-msg : ai-msg; msgDiv.innerHTML strong${sender user ? 你 : AI}:/strong ${text}; chatBox.appendChild(msgDiv); chatBox.scrollTop chatBox.scrollHeight; // 滚动到底部 } function getSelectedMode() { const selected document.querySelector(input[namemode]:checked); return selected ? selected.value : random; } function sendMessage() { const message userInput.value.trim(); if (!message) return; addMessage(user, message); userInput.value ; // 显示“思考中” const thinkingDiv document.createElement(div); thinkingDiv.className ai-msg; thinkingDiv.innerHTML emAI 正在思考.../em; chatBox.appendChild(thinkingDiv); const mode getSelectedMode(); fetch(/api/chat, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify({ message: message, mode: mode }) }) .then(response response.json()) .then(data { // 移除“思考中”提示 chatBox.removeChild(thinkingDiv); if (data.reply) { addMessage(ai, data.reply); } else if (data.error) { addMessage(ai, [错误] ${data.error}); } }) .catch(error { chatBox.removeChild(thinkingDiv); addMessage(ai, [网络错误] ${error}); }); } function clearChat() { chatBox.innerHTML ; } function handleKeyPress(event) { if (event.key Enter) { sendMessage(); } } /script /body /html现在运行 Web 应用python web_app.py打开浏览器访问http://127.0.0.1:5000你将看到一个简单的聊天界面可以选择不同的“胡说八道”模式进行交互。6. 常见问题与排查在开发和运行此类模拟器时你可能会遇到以下问题6.1 模式文件加载失败问题现象可能原因检查与解决程序启动时报FileNotFoundError或日志提示未加载模式。1.patterns.json文件不存在。2. 文件路径不正确。3. 文件权限问题。1. 确认patterns.json文件位于与slop_engine.py相同的目录。2. 检查SlopEngine初始化时传入的路径。3. 检查文件是否有读取权限。程序能启动但所有响应都是兜底回复如“引擎错误...”。1.patterns.json文件内容为空或格式错误。2. JSON 结构不符合预期例如根键不是patterns。1. 打开patterns.json检查其内容是否有效 JSON。2. 使用json.loads或在线工具验证 JSON 格式。3. 确认根对象包含patterns: [...]数组。6.2 Web 服务无法访问或报错问题现象可能原因检查与解决访问http://127.0.0.1:5000显示 “Not Found” 或空白页。1. Flask 应用未正确启动。2.templates/index.html文件缺失。3. 路由app.route(/)定义有误。1. 查看命令行确认 Flask 是否成功启动看到* Running on...。2. 确认templates目录存在且index.html在其中。3. 检查web_app.py中路由定义的拼写。发送消息后前端显示[网络错误]。1. 后端/api/chatAPI 报错如 500 错误。2. 浏览器控制台有 CORS 错误如果前后端分离部署。1. 查看 Flask 运行终端的日志输出通常会有详细的错误堆栈。2. 本示例是同源部署一般无 CORS 问题。如果是分离部署需要在 Flask 端启用 CORS 支持安装flask-cors。6.3 生成的内容不够“逼真”或过于重复问题现象可能原因检查与解决所有回答都差不多缺乏多样性。1.patterns.json中模板或响应列表太少。2. 随机数种子固定本项目未设置通常不会。3. 占位符的值域太窄。1. 丰富patterns.json为每种模式添加更多模板和响应。2. 扩展placeholders中list类型的数据源使其更丰富。3. 考虑引入外部词库或更复杂的文本生成逻辑。回答与用户输入完全无关不像“围绕问题的幻觉”。topic提取逻辑过于简单。改进SlopEngine.generate_response中的topic提取算法。例如可以使用简单的 NLP 库如jieba中文分词nltk英文处理提取关键词而不是简单截断。7. 最佳实践与扩展方向这个模拟器是一个起点。要将它用于更严肃的测试或学习可以考虑以下实践和扩展。7.1 工程化最佳实践配置化管理将所有模式、模板、占位符数据完全外置到配置文件如 YAML 或 JSON甚至支持从数据库或 API 动态加载便于非开发人员维护。日志与监控在生产测试环境中记录每一次交互的用户输入、所选模式、生成输出。这有助于分析哪些“胡说八道”模式最容易迷惑用户或导致下游系统错误。单元测试为SlopEngine编写单元测试覆盖各种模式、空输入、错误配置等情况确保生成逻辑的稳定性。# 示例测试片段 def test_engine_initialization(): engine SlopEngine(test_patterns.json) assert engine.patterns is not None # ... 更多断言性能考虑如果模式库极大应考虑缓存机制避免每次生成都解析整个 JSON 文件。7.2 模拟器功能扩展集成真实模型对比在界面中并排显示真实 AI 模型如调用 OpenAI API 或本地部署的 Llama的回答和本模拟器的“胡说八道”回答进行对比教学。增加“毒性”或“偏见”模拟添加新的模式模拟模型可能产生的有害、偏见或不安全的输出用于测试内容过滤系统。上下文遗忘模拟实现一个简单的对话记忆然后模拟 AI 在长对话中忘记前文或混淆上下文的场景。代码生成幻觉专门针对编程问题模拟生成语法正确但逻辑错误、或引用不存在库的代码片段。可配置的“胡扯度”引入一个参数如slop_level从 0 到 10控制输出偏离正常回答的程度。level0可能返回一个谨慎但正确的回答level10则完全天马行空。7.3 应用于真实项目测试作为测试桩Stub在开发 AI 应用前端时将本模拟器作为后端 API 的替代品用于测试 UI 对各类异常、冗长、无意义回复的渲染和容错能力。压力测试对话流用脚本批量向你的 AI 应用发送由本模拟器生成的各种“刁钻”问题观察系统是否会出现崩溃、超时或资源泄漏。训练数据标注辅助虽然本模拟器生成的是假数据但其模式可以启发标注人员在审核真实 AI 输出时更敏锐地识别哪些属于“幻觉”或“胡说八道”从而提升标注质量。通过构建和扩展这样一个“胡说八道”模拟器你不仅能更深刻地理解大语言模型的缺陷还能将这些知识转化为提升 AI 应用质量的具体工具和测试方法。在实际项目中对模型可能产生的错误保持警惕并提前设计应对策略是构建可靠 AI 系统的关键一步。