用你的母语再说一遍

8 月 9 日，我录了两段自己讲英语的音频，没有稿子。8 月 11 日，我把它们转成文字，然后测了里面的静默——用 ffmpeg 直接对着音频测，而不是去数转写稿里的空隙。

	总时长	静默	最长停顿
第一段	88.0 秒	57.9 秒（66%）	8.0 秒
第二段	65.2 秒	39.4 秒（61%）	6.5 秒

光是第一段里，就有二十二次一秒以上的停顿。153 秒的说话时间里，我真正发出声音的只有 56 秒。

这看起来像是一份对我英语水平的判决书，我当时也是这么读它的。

那份数据里其实躺着一个对照组，而我没把它当对照组看。测量的那天早上，我还录了一段跟读——照着别人的句子念，模仿它的节奏。转写回来一字不差。同一张嘴，同一个麦克风，同一次转写。所以无论出问题的是什么，都不是我发出英语声音的能力。

我当时得出的结论是「提取」：词我有，只是在压力下取不出来、取得不够快。这个结论自带一个药方，而那个药方我早就写好了——大约八个「救场公式」，用来买下那一秒的组装时间，让停顿不至于变成死寂。是个好药方，是整份诊断里证据最充分的一条建议。我已经准备好去练它了。

第二天我做的是另一个练习。它的规矩是：把你自己作品里的一个核心部件，关掉 AI，用手、出声地重建一遍。我挑了我那个 RAG 系统里的分块逻辑。

我讲不出来。英语讲不出来——然后我切换成中文去验证，中文也讲不出来。

这不是对前一天结论的延伸，这是把它的药方直接废掉了。救场公式买来的是提取一件东西所需的时间；它没法提取一件你从来就没握住过的东西。而一旦同样的内容在我讲了一辈子的语言里同样失败，那 66% 就不再是对我英语的测量了。它测的是我究竟知道什么，只不过穿着英语的外衣。

下面这个动作，是我想交给三个月前的自己的，而且它很便宜：在你为测出来的问题掏钱买药之前，先把你假定为病因的那个变量拿掉。

我本来有二十个月的英语机器可以拿来跑这个对照——2,981 张卡片、46,067 次复习，没有一次被别人看过，外加一整页写好的方法论。我一次都没跑过。它的成本只是用我已经会说的语言再试一遍。我之所以跳过，是因为答案看起来太明显了：我的英语比中文差，那失败当然是英语的问题。而这恰恰是那种「明显到没人会去验证」的答案。

我还没解决的是流程本身。如果我先用中文回答再翻成英语，那英语这一遍就变成了翻译——一个严格来说比面试真正要求的更容易的任务，它批量生产出听起来很流利、却完全没有训练到短板的练习。可如果我只用英语，我又分辨不出失败的到底是哪一个。我正在试的方案是：冷启动直接上英语，只在卡住的那一刻掉回中文，这样一次练习同时给出两个信号。我还不知道它管不管用。

但底下还有一件更难的事，是那次练习顺手翻出来的。

这篇文章前面我说了「我的 RAG 系统」。那段分块逻辑是 AI 写的。这件事我一直知道——它从来不是那个悬着的问题。悬着的问题是我到底还握不握得住它，而我用两种语言把它讲出来的尝试，给了我答案：握不住。

所以我用一个问题、而不是一个答案来收尾，并且我要说清楚我还没有答案：在 AI 时代，怎么才算握住一样东西？ 不是怎么造出它——造从来没有像今天这么便宜、这么快过。而是你最后如何真正拥有你造出来的东西。接下来几天我会做这件事。如果做出点什么，那会是另一篇文章。

关于这篇文章是怎么写出来的。 这篇文章的行文由一个 AI 编辑起草，材料来自我自己的日志、我自己的录音和我自己的判断。测量、那次练习、结论、关于那段分块代码是谁写的这个更正，以及结尾那个问题，都是我的；文章里每一条事实性陈述，在发出去之前都对着我自己的文件核对过。考虑到这篇文章讲的是什么，不说明这一点反而是件奇怪的事。