一个 AI 小测验，把 Simon Willison 分到了 “The Garage Tinkerer”。

这个结果很像他：跑本地模型，做小工具，打开终端，把东西接起来；少耗在 AI 圈没完没了的 discourse 里。好笑，也有点准。

The AI Compass 的重点不在“测得准不准”。它更像一面哈哈镜：把 AI 圈里那些信仰、怀疑、伦理焦虑和实用主义，粗暴但有效地照了出来。

这个测试到底是什么

The AI Compass 是 bambamramfan 做的一个“政治罗盘式”AI 测试。

用户回答 29 个关于 AI 和 AI ethics 的问题后，会落到一张二维坐标图上。两条轴分别是 GOOD/BAD，以及 OVERHYPED/TRANSFORMATIVE。最后系统会给出 30 种 archetypes 之一。

Simon Willison 在自己的 link blog 里推荐了它，并晒出首次测试结果。他不是作者，只是觉得这个测试 pretty neat。

关键信息可以压成一张表：

项目信息
工具The AI Compass
作者bambamramfan
形式政治罗盘式 AI 立场测试
题量29 个 AI 与 AI ethics 问题
坐标轴GOOD/BAD，OVERHYPED/TRANSFORMATIVE
输出30 种原型之一
Simon 结果The Garage Tinkerer
实现单页 React 应用，用 <script type="text/babel"> 避开构建步骤
代码开源在 GitHub

“The Garage Tinkerer” 这张结果卡的描述也很直白：你在跑本地模型，做小工具，玩得挺开心；你不太关心争论，更关心让东西做出有意思的事；大家如果少吵一点，多打开终端，可能会快乐得多。

别把它看成学术量表。材料里没有统计学效度，也没有严肃研究方法。它就是一个网页小工具。

但小工具有时比长报告更快抓住气味。

它为什么有意思：AI 争论正在变成身份标签

今天很多 AI 讨论，已经不只是“你怎么看这项技术”。它更像在问：你是哪一类人？

有人把 AI 当生产力革命。有人把它当泡沫机器。有人关心版权、劳动替代、偏见、安全和权力集中。也有人只想知道：这个模型今天能不能帮我把活干完。

更麻烦的是，这些立场经常混在一起。

一个人可以相信 AI 会改变工作，同时讨厌行业吹牛。一个开发者可以天天用模型写代码，也担心平台拿用户数据训练。一个伦理批评者也可能并不反技术，只是不愿意把成本甩给创作者、劳动者和普通用户。

The AI Compass 好玩，就好玩在这里。它把这团混杂物压到两条轴上。

GOOD/BAD 是价值判断。OVERHYPED/TRANSFORMATIVE 是技术判断。两条轴一交叉，AI 圈常见的分裂就出来了：乐观派、怀疑派、风险派、实用派，都能在图上找到一个位置。

这套压缩当然粗糙。伦理问题不是 29 道题能装下的。版权、劳工、能源、偏见、平台控制，都是真问题，不会因为有人能在终端里跑本地模型就自动消失。

但它至少提醒了一件事：标签一旦形成，讨论就容易偷懒。

支持者被叫成信徒。批评者被叫成恐慌者。动手的人被当成幼稚乐观派。然后大家各回各的象限，互相截图，互相确认。

这对两类人最有影响。

开发者可以玩这个测试，但别把结果当身份徽章。更有用的动作是拿它反查自己：我是不是高估了模型能力？是不是低估了合规、隐私和成本？是不是只会批评，却没有把一个流程跑通？

团队管理者也可以把它当破冰工具。不是用来给人贴标签，而是让乐观派、风险派和实用派把分歧摊开。真正的采购、迁移和治理规则，仍然要看具体任务测试，不看象限站位。

立场可以测，能力只能做出来

我喜欢 Simon 这个结果，不是因为 “The Garage Tinkerer” 高人一等。

我更在意的是，这个原型把一个被争论淹没的事实拎了出来：AI 时代稀缺的不是态度，是把模型接进真实工作流的能力。

会评论模型，不等于会使用模型。会复述风险，不等于会设计约束。会喊颠覆，也不等于知道一个团队怎样把 AI 放进客服、数据分析、代码审查、文档处理，而且不把系统搞乱。

“纸上得来终觉浅。”这句话放在今天的 AI 争论里仍然很硬。

它不是说批评无用。没有伦理批评，平台很容易把版权、隐私和劳动成本外包给别人。它说的是另一件事：没有实践的批评容易飘，没有约束的实践容易野。

动手派真正的价值，不在于少谈伦理，而在于他们更早碰到边界。

模型会胡说。接口会坏。成本会涨。数据会卡。权限会卡。用户会误用。上线之后，所有漂亮叙事都要被日志、工单、预算和责任链重新审一遍。

这也是接下来最该观察的地方：不是 The AI Compass 会不会流行，而是玩完之后，人有没有从“我属于哪一派”回到“我能验证什么”。

可以看三件事：

  • 开发者有没有把模型接进一个真实任务，而不是只晒结果图。
  • 团队有没有记录失败案例、成本变化和误用风险。
  • 组织有没有把权限、隐私、人工复核写进流程，而不是只买一个工具。

历史上新技术扩张常有类似场面。铁路、电力、早期互联网，都有布道者、怀疑者、投机者，也有一批修修补补的人，把系统一点点铺进日常。

AI 不完全一样。它牵涉内容、劳动和认知权力，争议更深。可旧逻辑还在：天下熙熙，皆为利来。热闹的地方，标签长得最快，利益也藏得最深。

所以 The AI Compass 可以玩。也可以笑一下。

但测完之后，最好还是打开终端，打开文档，打开一个真实问题。看模型到底省了哪一步，又在哪一步埋了坑。

坐标图给你一个位置。工作流才会告诉你，你有没有本事。