也許瓶頸不在模型 — 重定方向

2026 年 6 月 13 日 – 6 月 19 日

三條訓練路線的墓園之後，我們退後一大步，問了一個最根本的問題。答案不是一句結論，而是一組更精確、也更誠實的問題。而這組問題，立刻把我們推向下一場攻堅。

核心啟發

四個月前，我們問：「一個 AI 系統，能不能真正地做教練？」四個月後，我們得到的是對這個問題本身更深的理解，以及一個越來越清晰、卻尚未抵達的渴望：讓它真正地、不是表演地，讀懂坐在對面的那個人。

觀｜思維

Reynolds 對「承諾」的定義，是這個階段最好的參照。她指出，讓承諾超越「目標」的，不是行動本身，而是教練去問客戶「你正在成為誰」，也就是 being 的維度：

「What makes the commitment more than a goal is your asking them who they are becoming.」

（讓承諾不只是一個目標的，是你去問他們：你正在成為什麼樣的人。）

這句話，既是教練對客戶的終極追問，也是這個專案對自己的追問。四個月來，這個系統不斷在問客戶「你想成為誰」。而我們也得不斷問自己：我們正在把它做成一個什麼樣的教練？是一個很會執行流程的工具，還是一個真正能讀懂人的夥伴？

為｜實務與實現

退後一大步的重定方向。 三條訓練路線全敗後，我們做了一次徹底的策略反思。最重要的修正是：放下「只要把模型訓練得更強，問題就解決了」這個假設。誠實地看，瓶頸很可能不只一個，而是三個同時存在——系統在某些地方用了過多的固定模板（覆蓋掉了真正的判斷）、評量的解析度還不夠細（看不出 0.8 與 0.85 的差別）、以及方法論本身在生成與評分上的整體上限。把它們分開、各個擊破，比「再訓練一個更大的模型」務實得多。

從「灌輸能力」轉向「測量與修剪」。 基於這個重定方向，我們暫停了大規模訓練，轉而聚焦兩件更根本的事：一是把系統「在每一回合到底依據什麼做判斷」完整地記錄下來（看清它何時依賴模板、何時真的在讀客戶）；二是先測量這些固定模板的「淨效應」，再決定該保留哪些、修剪哪些——而不是盲目地全部砍掉或全部保留。

持續的精準化。 這段時間也延續著對判斷力的細部打磨。讓系統不要把客戶的猶豫（「我不確定我的第一步是什麼」）誤判為「已經準備好行動」、不要把禮貌性的「嗯，有道理」當成真正的共鳴、不要在客戶說「謝謝」時就過早地以為對話該結束了。每一個都是小修正，但每一個都是為了同一件事：讓系統更接近「讀懂」，而不是「套用」。

會談實例：問「你正在成為誰」

這個階段的轉向，就用一個對照來收束——它也是這一段所有細部修正，最終想守護的東西：

客戶：「好，我決定了，我下個月開始固定每週運動三次。」

停在「目標」的回應：「很棒！三次很具體。那你打算安排在哪幾天？要不要設個提醒？」

問到「being」的回應：「我先把這個記下來。但我更好奇的是——一個會固定為自己運動三次的人，他對自己是一種什麼樣的態度？你說『決定了』的此刻，是不是有一個你想成為、但過去一直沒空理會的那個自己，正在舉手？」

前者把承諾停在行為層次（哪幾天、設提醒）；後者讓客戶看見，這個「每週三次」背後其實是一個關於「我如何對待自己」的身份轉變。前者得到一個會被遺忘的計畫，後者得到一個會被記住的自己。四個月的工作，最終都是為了讓系統不要在這種關鍵時刻，把一個身份轉變誤讀成一個待辦事項。

回望：走到這裡的路

• 創世 → 第一次靜默：把方法論變成系統，然後第一次懷疑——我們是不是只教會了它表演？
• 訓練的幻滅 → 判斷與執行的分離（兩段式引擎，TwoPass：第一段判讀、第二段回應）：七次失敗逼出了最大的突破。
• 真實世界 → 品質的清算 → 凍結與紀律：架構撞上真實的人，引發一場最密集的清算，然後我們學會了克制。
• 量尺說了謊（評分後端無聲退化，silent fallback） → 天花板 → 二十七輪的執著：發現量尺造假、承認能力極限、為一種情緒偏執打磨四十輪。
• 誠實的基準線 → 回到原典 → 訓練的墓園：一個謙卑的數字、一次發現「量錯東西」的審計、三條全敗的訓練路線。
• 也許瓶頸不在模型：退後一步，重新理解這整件事的複雜度。

得｜成果與心得

如果這四個月只能提煉出一個最重要的開發心得，那會是：教練的品質，最終取決於「看見」的品質。而「讓一個系統真正看見人」，遠比我們最初想像的複雜。

不是技巧、不是流程、不是人格設定、不是守門規則、甚至不是更大的模型。那些都重要，但都只是手段。真正決定一場會談品質的，是系統能否在每個當下，真正地「看見」客戶。四個月來，每一次當我們偏離 Reynolds 的「教練人，而非問題」——太專注推進流程、太急著找解法、太依賴公式化回應、太相信「訓練一下就會了」——品質就下降；每一次當我們回到它——讓系統放慢、真正讀訊號、在敘事中尋找破綻——品質就上升。簡單，但極其困難。

這也定義了我們對「成果」的誠實認知：系統目前的五維度品質（五維品質評分：進展/洞察/流暢/技巧/承諾）在 0.40–0.60 之間，距離 0.80 的北極星還有真實的差距。我們沒有抵達。 但比起四個月前，我們更清楚知道路在哪裡，也更清楚知道，這條路為什麼這麼難——因為「讓一個系統真正讀懂一個人」，這件事本身，就觸及了教練工作最核心、最難被複製的那一部分。

而支撐我們走下去的，始終是同一個渴望：有一天，當一個人在深夜打開對話、說出那句「其實……算了，沒事」的時候，這個系統不會急著推進流程，而會輕輕地說——「可是你前面明明正要說一件事。我不急。你願意說說看嗎？」

那一刻，它就不只是一個系統了。

而要走到那一刻，我們發現自己還缺一樣東西——一把夠精細的尺（評分器，session scorer）。

下一章：既然瓶頸不在模型，我們做了兩件事——把「換一個更大的模型」這個幻想，用最徹底的方式埋葬；然後，做出一把更精細的尺，讓系統終於能分辨「一個還不錯的回應」與「一個真正的突破」之間的差別。