千问当AI实习生20天：它能捕获GitHub更新却写不出深度分析

8月20日晚，MoonshotAI在GitHub更新kimi-code 0.38.0后，千问通过定时任务捕获这一信息，直接生成3100字稿件《月之暗面把500亿美元估值，押在了一个代码模型上》推送到飞书。这篇AI实习生完成的文章，显示了它在新闻捕获和成稿速度上的真实表现。

千问用定时任务捕获GitHub更新并触发成稿

整个过程完全自动化。千问被部署了一个定时任务，专门监控MoonshotAI的GitHub仓库。一旦检测到新版本发布，比如0.38.0这个更新，它就立即启动写作流程。整个捕获到推送只用了很短时间，没有人工介入。

这个定时任务的核心是持续扫描公开的代码仓库更新记录。8月20日晚的这次更新没有伴随任何发布会或官方新闻稿，属于典型的低调技术迭代。但千问的系统把它当成了触发信号，直接开始组织内容。结果就是一篇3100字的稿件迅速出现在飞书上。

从实际表现看，这种自动化监控能力对媒体编辑部很有实用价值。传统上，编辑需要手动刷新页面、订阅邮件或设置RSS，才能及时发现这类技术更新。现在AI实习生可以24小时不间断地盯住目标仓库，一旦有动静就生成初稿，极大缩短了响应时间。

不过这个机制目前还比较简单。它只针对特定仓库和特定事件类型触发，灵活性有限。如果更新内容本身很小，或者只是修复bug而非重大功能变化，AI仍然会尝试生成长文，这就容易出现内容与事件规模不匹配的问题。20天的实习里，这样的自动化触发发生了多次，整体稳定，但每次生成的稿件都需要后续人工判断是否值得继续加工。

这个环节证明AI可以可靠地完成信息采集的第一步。它把原本需要人工注意力分配的工作变成了后台进程，编辑因此能把精力放在更有价值的内容判断上。但触发后的下一步，也就是如何把一次普通代码更新转化为有阅读价值的内容，暴露出了更多问题。

3100字稿件把代码更新直接关联到500亿美元估值

千问生成的这篇3100字稿件，核心做法是把一次普通的代码版本更新，直接上升到公司整体战略和500亿美元估值层面。标题《月之暗面把500亿美元估值，押在了一个代码模型上》就是典型例子。它把kimi-code 0.38.0这个技术细节，解读成了MoonshotAI把全部赌注压在代码模型上的证据。

这种关联方式显示了AI在处理单一信号时的常见路径。它看到代码仓库更新，就调用预训练知识中关于MoonshotAI估值的信息，然后把两者强行拼接。结果是稿件迅速膨胀到3100字，却缺乏足够的事实支撑来证明“押注”这个判断。

从编辑角度看，这种写法有明显的问题。一次GitHub更新本身可能只是常规维护，却被AI放大成公司战略级事件。这种放大虽然让文章显得有分量，但也让核心论点显得牵强。实习期间类似的情况反复出现，AI倾向于用已知的大数字和大概念来填充内容，而不是紧扣本次更新的具体变化。

3100字的长度本身也说明了AI在字数控制上的特点。它似乎被设定为生成较长稿件，以显示专业性。但实际阅读时会发现，很多段落是围绕估值、代码模型这些宽泛话题展开的泛泛而谈，与8月20日晚的具体更新关系不大。这种做法让文章看起来信息量充足，实则稀释了真正的新鲜事实。

这个表现反映出当前AI在新闻生成上的结构化局限。它擅长把孤立事件放进更大的叙事框架，却不太会评估事件本身的新闻价值。把代码更新直接和500亿美元估值挂钩，虽然抓住了读者注意力，但也偏离了准确记录技术迭代的初衷。

AI实习生在事实核查上的实际准确率

千问在事实核查上的表现只能说基本及格。它正确识别了8月20日晚的GitHub更新没有发布会、没有新闻稿这个背景，这部分信息是准确的。定时任务捕获到的版本号0.38.0也没有出错。

但一旦进入解读环节，准确率就开始下降。稿件把这次更新直接与公司500亿美元估值绑定，这个关联在信号中并没有直接依据。AI似乎是把MoonshotAI此前公开的估值信息，和当前代码更新简单组合在一起，制造出一种因果关系。这属于典型的过度解读。

20天实习期间，我观察到AI在基础事实层面的错误率不算高。它能正确提取公开仓库的更新时间、版本号等硬信息。但在没有明确来源支撑的推断部分，错误就开始出现。比如把一次小版本迭代描述成战略押注，就超出了事实边界。

中文媒体对事实准确性的要求很高。一篇稿件如果基础事实出错，后续传播会带来信誉风险。千问目前还不能独立完成可靠的事实核查。它可以快速收集信息，却无法判断哪些关联是合理的，哪些是它自己脑补出来的。这意味着编辑必须对AI生成的每一段推断性内容进行逐一验证。

实际准确率大概在70%左右。硬信息基本正确，背景描述也大致靠谱，但涉及原因分析、战略解读的部分就需要大幅修改。这个比例在20天的多次测试中比较稳定。AI适合做第一遍信息整理，但绝不能作为最终事实把关者。

创意深度与原创分析仍是千问明显短板

在创意和原创分析上，千问的短板非常明显。它生成的3100字稿件里，几乎没有真正的新洞见。大部分内容是把已知信息重新组织，用不同句式重复类似观点。标题虽然耸动，但分析部分缺乏对代码模型具体改进的深入拆解。

AI擅长模式匹配。它看到代码更新，就会调用训练数据中关于大模型、估值、代码生成工具的通用知识，然后套用到当前事件上。这导致稿件读起来四平八稳，却没有独特的观察角度。比如它没有讨论0.38.0版本在实际编码场景中可能带来的具体变化，也没有对比其他类似模型的更新路径。

实习小结显示，千问在写作流畅度上得分较高，语言组织能力不错，能快速产出结构完整的长文。但创意深度几乎为零。它不会提出编辑可能忽略的问题，也不会从技术细节中挖掘出值得单独成篇的子话题。所有分析都停留在表层。

这种局限源于AI的本质。它没有真实的工作经验和行业积累，只能基于概率生成内容。结果就是稿件缺乏灵魂，读完后读者很难获得新的思考。相比之下，人类编辑即使经验有限，也能凭借直觉发现有趣的角度，而AI目前完全不具备这种能力。

20天下来，最明显的感受是AI可以模仿专业写作风格，却无法替代真正的思考过程。它能完成任务，却不能带来惊喜。这对追求内容差异化的中文媒体来说，是一个难以忽视的短板。

AI可承担监控更新与初稿撰写的环节

尽管存在各种局限，千问在中文媒体编辑流程中仍然能承担明确的部分工作。它最适合的两个环节是监控更新和初稿撰写。

监控更新方面，定时任务的表现稳定可靠。它可以同时盯住多个GitHub仓库、开源社区或技术博客，一旦有新内容就发出提醒。这比人工维护订阅列表更高效，也不会因为周末或深夜而遗漏信息。20天实习证明，这个功能已经可以直接投入使用。

初稿撰写是另一个可行的环节。AI能在几分钟内基于捕获的信息生成一篇结构完整的稿件。虽然质量不高，但作为起点非常有用。编辑可以在这篇初稿基础上进行大幅修改，而不是从零开始。这能节省前期整理材料的时间。

在整个编辑流程里，AI适合做辅助角色。它接管重复性高、需要持续注意力的工作，把编辑解放出来去做判断、采访和深度分析。中文媒体普遍面临人手紧张的问题，如果AI能可靠地完成前两步，后续的人工工序就能更聚焦于提升内容质量。

当然，这种融合需要清晰的流程设计。AI生成的稿件必须标记为“初稿”，所有事实和结论都需要人工复核。实习期间我们尝试了几种协作模式，最终发现把AI定位为“信息收集加草稿机”最现实，也最能发挥它的优势。

AI稿件引入的幻觉风险与人工验证需求

AI实习生带来的最大风险是幻觉，也就是无中生有地编造事实或逻辑。千问在生成那篇3100字稿件时，就出现了把普通更新过度解读为战略押注的情况。这种幻觉如果不被发现，直接发布会严重损害媒体公信力。

幻觉风险在涉及技术细节和商业解读时尤其突出。AI可能会自信满满地描述某个版本“显著提升了某某性能”，但实际上信号中并没有提供这些细节。它只是根据训练数据中的平均表现进行了推测。这种错误对读者来说很难分辨。

因此人工验证环节变得不可或缺。编辑不仅要检查硬事实，还要逐段判断推断是否合理。这实际上增加了部分工作量。实习小结显示，虽然AI节省了初稿时间，但后续校验花费的时间有时比自己写一篇短稿还多。

风险还包括偏见放大和上下文缺失。AI可能优先选择耸动的标题和结论，以匹配它认为的“吸引读者”模式。这会导致媒体内容整体趋向 sensational，而偏离客观记录。

要降低这些风险，需要建立严格的审核机制。包括设置幻觉检测提示词、要求AI提供信息来源标注、以及编辑进行多轮事实交叉验证。目前来看，AI还远未到可以减少人工投入的程度，反而在某些场景下增加了校验负担。

20天的实习实验最终得出的结论是谨慎乐观。AI已经在监控和初稿环节展现实用价值，但创意、深度和可靠性上的差距仍然明显。中文媒体可以尝试引入AI实习生，但必须保持强有力的人工把关。未来随着模型能力提升，这个平衡点可能会逐渐移动，但目前仍需把AI当作工具，而非替代者。

参考来源

• 编辑部来了 AI 实习生｜千问入职 20 天，我给它写了一份实习小结