如何在“人生曲线”这种高风险语义领域，做一个工程上自洽、伦理上克制、体验上有价值的系统？
PredictorsGPT 是我最近上线的一个个人项目。
它经常被误解为“人生预测”“命运分析”，但实际上，它刻意避免了预测。
这篇文章不是产品介绍，而是一次工程视角的复盘：
我在设计这个系统时，做了哪些技术取舍，又主动放弃了什么？
一、为什么要做一个「非预测」系统？
作为工程师，我们都知道一个事实：
模型越像在“预测人生”，风险就越高。
风险不只是法律或合规，更多是：
用户会过度相信
情绪依赖会被放大
模糊表达会被当成“权威判断”
PredictorsGPT 的核心目标从一开始就被限定为一句话：
提供结构化理解，不提供结果性判断
这直接决定了后面所有的技术设计。
二、整体系统抽象：不是模型中心，而是「结构中心」
PredictorsGPT 的架构不是常见的「输入 → 大模型 → 输出」。
它是一个三层解释系统：
Input (极简) ↓ Structure Layer（结构生成） ↓ Rule Layer（规则解释） ↓ Narrative Layer（语言转译）
1️⃣ Structure Layer：曲线 / 信号，而不是结论
系统首先生成的不是“解释文本”，而是结构：
Life Curve：一条 0–80 岁的连续节律曲线
Life Signal Map：一组发展信号带（用于未成年人）
这些结构本身：
不包含“好 / 坏”
不包含“会发生什么”
只表达节律变化、密度、方向性
这一步是完全 deterministic（确定性的）。
2️⃣ Rule Layer：为什么“感觉会这样”
第二层不是推断未来，而是回答一个更安全的问题：
为什么这个阶段“感觉像这样”？
规则只做三件事：
映射生命周期阶段（build / transition / consolidation）
结合代际结构（而不是个人数据）
解释节律变化的“心理合理性”
关键点是：
❌ 不做事件预测
❌ 不给行动指令
❌ 不制造紧迫感
3️⃣ Narrative Layer：AI 只负责“说人话”
AI 在这个系统里的角色非常克制：
它只负责把结构 + 规则翻译成情绪可理解的语言
也就是说：
AI不决定内容
AI不生成结构
AI不参与判断
它只是一个Narrative Translator。
三、为什么坚持 Deterministic（确定性）？
一个看起来“更智能”的选择是：
每次生成一点不一样的内容，让用户觉得“更准”。
但我反而做了相反的决定：
PredictorsGPT 是完全可复现的
相同输入 → 相同结构
不依赖上下文记忆
不做隐式用户建模
原因很简单：
不可复现的“人生解读”会制造权威幻觉
而确定性可以：
降低心理依赖
方便自我对照
让用户把注意力放在“理解”而不是“信不信”
四、为什么未成年人不能用 Life Curve？
这是一个强伦理约束。
对 2010s 出生用户：
PredictorsGPT不会生成完整人生曲线。
原因是：
轨迹尚未形成
曲线会被误解为“定型判断”
家长更容易过度解读
所以我单独设计了Life Signal Map：
不画完整曲线
不出现“高峰 / 低谷”
只呈现发展信号与环境敏感度
这是一个工程层面的伦理分支，而不是文案免责声明。
五、刻意放弃的功能（也是设计重点）
从工程角度看，PredictorsGPT少做了很多“很容易加”的功能：
我刻意没有做的事情：
❌ 准确率对比
❌ 成功 / 失败标签
❌ 行为建议列表
❌ “你该怎么做”
❌ 历史数据追踪
❌ 用户画像积累
这些都能提升留存，但会降低系统边界清晰度。
六、这是一个“工程克制”的项目
PredictorsGPT 更像一次工程实验：
如何在高风险语义领域做产品？
如何让 AI 只做它该做的事？
如何通过架构而不是文案来控制伦理边界？
如果用一句话总结：
Life doesn’t need a verdict.
It needs structure, rhythm, and space.
七、写给工程师的最后一句话
如果你也在做：
心理相关
人生阶段
决策辅助
情绪支持
人生工具类产品
也许可以问自己一个问题：
哪些能力，是技术上能做，但伦理上不该做的？
PredictorsGPT.com 的很多设计，其实都是从这个问题倒推出来的。
