“永远”“绝对”“没有例外”这类词在技术讨论里经常出现，但越肯定的表述往往越容易被推翻。原因很简单：一句绝对化的结论只需要一个反例，就能被彻底否定——论证变成了一个单点故障，攻击者只要击中那一点，整套论述就垮了。

这不是修辞上的优劣问题，而是工程现实。真实系统会出现网络断连、依赖失效、遗漏的约束在生产环境里会突显出来。把结论说得面面俱到、无一例外，等于主动把对手交到刀口上。

那么该怎么做？不是含糊其辞，而是保持分寸感。分寸感并非回避判断，而是让结论的力度与证据的强度相匹配。它要求把被绝对化语言粗暴合并的不同维度拆开来考量：某件事在一个维度上是“好”的，在另一个维度上可能是“坏”的。大多数工程决策都发生在这种多维权衡中，而绝对化表述根本无视这种复杂性。 球友会

AI 的讨论是分寸感缺失最明显的例子。一派宣称 AI 已无所不能，另一派断言全为幻觉，这两种极端都经不起反例的考验，也不是工程层面的判断，而是为争夺注意力而构建的叙事。在更小的场景里，这种崩塌也常见于开发者与模型的互动。当你对助手只说“精简一点”或“达到生产级标准”，你并没有给出完整规格，而是把大量隐含的上下文压缩成了几个词。模型填补空白，给出看似合理但并不是你要的答案——这往往不是模型“发明”信息，而是沟通留下了真空。

在人类对话中，这类误解会通过追问、澄清和确认被修复；我们通常不会把这种现象简单贴上“幻觉”的标签再放任不管。但我们对 AI 缺乏同样的耐心，于是丢失了一个关键区分：问题是沟通不充分，不一定是推理失败。

绝对化语言在博客和社交媒体上传播得快，但在讲求可靠性的基础设施里行不通。生产系统容忍的是局部不完美和概率性的风险，而不是“要么完美、要么一无是处”的二元论。把系统非黑即白地评判，只会增加脆弱性。 球友会

当然，分寸感也不是永远拖延下结论的借口。真正的分寸感是在需要判断时果断下结论，但让结论的力度恰好等于可用证据的力度——既不过度放大，也不过度回避。做到这一点，论证不仅更稳健，也更能抵御反例的冲击。