AI補全了長輩的未知：一份太完整的答案，是設計出來的

抖音熱榜上出現了一個安靜的話題：「AI補全了我對長輩的所有未知」。短短一句，沒有畫面細節，沒有人名，甚至沒有指明是哪一種AI服務。但它能掛上熱榜，靠的正是那個動詞：補全。

補全，是輸入法每天都做的事。你打出前三個字，候選詞列立刻給出第四個。這個機制本身毫無情感，可是當被補全的對象從一個詞換成一個人，從「今天想喫什麼」換成「爺爺年輕時是什麼樣的人」，同一套機制突然變得敏感起來。這條熱榜話題值得從設計的角度看，因為它展示了一種新的介面正在成形：把AI當成家族記憶的填充工具。

留白為什麼先被看見

先看畫面本身。這類內容在短影音平臺上通常長得一個樣：使用者對著鏡頭或字幕，列出幾個「我從來不知道」的事。長輩的童年、年輕時的工作、為什麼不說某些話、為什麼總留著某件舊物。然後把這些問題丟給AI，得到一段流暢、具體、帶著年代背景的敘述。

流暢，是關鍵詞。人類轉述長輩的過去時，敘述是破損的：記錯的年代、對不上的地名、講到一半就斷掉的句子。而AI的輸出沒有這些破損。它給出連貫的年代、合理的因果、恰到好處的細節。這種完整性在閱讀體驗上非常舒服，也正是問題所在：記憶本來就不該這麼完整。

這與我們先前討論過的AI把東北民間傳說重新長了一遍是同一個方向的兩個極端。那部一百多分鐘的AI長片，是把存在的傳說視覺化；而這裡的補全，是把不存在的細節敘事化。兩者共用同一套生成邏輯：給定一個框架，填出可信的中間。

候選詞列的溫柔陷阱

從介面設計的角度拆解，這件事的結構其實非常古典。使用者提供 Prompt，模型回傳一段文字，中間沒有任何摩擦。沒有「我不確定」的選項，沒有「此處為推測」的標記，沒有版本對照。

問題就在這裡。搜尋引擎的回答方式，是給你一串來源，讓你自己判斷可信度；問一個人，對方會猶豫、會說「我記不太清了」。猶豫本身是一種資訊，它標示了知識的邊界。生成式AI的預設輸出沒有這條邊界，它被設計成永遠給出下文，就像輸入法永遠有候選詞。

輸入法的設計者很清楚這一點，所以他們把候選詞做成「建議」，你按空白鍵確認，按刪除鍵拒絕，互動成本極低。可是當AI補全的是長輩的人生，使用者手上沒有那個刪除鍵的心理對應物。你無法刪掉一段「爺爺年輕時在廠裡很受器重」的敘述，因為你沒有反證的能力。缺的正是那份可供核對的東西，這也是為什麼起點作者要用寫作過程的錄屏自證，當內容無法被驗證時，人們只能反過去要求看見「過程」。

情感的尺寸被誰決定

再往深一層看，這類內容的傳播畫面有固定的情緒節奏。前段是提問，中段是AI的回答，尾段是使用者的沉默或落淚。這個節奏並非自然發生，它是被格式塑造的。短影音的時間限制要求情緒必須在前幾秒被預告、在中段被鋪墊、在結尾被釋放。

AI的回答文本也配合著這個節奏。生成模型在被問到「我的外婆是什麼樣的人」時，傾向輸出通用但動人的描寫：辛勞、隱忍、把好的留給孩子。這些描寫對大多數家庭都成立，因為它們本來就是從無數家庭的敘述中統計出來的。換句話說，AI補全的不是你外婆，是「外婆」這個概念的中位數。

這就是設計上最值得停下來的地方。真正屬於某位長輩的細節，往往是不合邏輯的：她只用某一牌的劣質洗衣粉，她討厭某個親戚但每年又請他來喫飯。這些細節構成了記憶的指紋。而生成文本擅長的是合理性，恰恰會把指紋磨平，補上一段任何家庭都能認領的溫情。

補全之前，先設計留白

熱榜話題走紅，說明需求是真實的。許多人確實對長輩一無所知，等到想問的時候，人已經不在了。AI給出的那份完整敘述，填補的是這個永遠無法兌現的提問機會。作為情感產品，它成立；作為記憶，它是虛構的。

比較有誠意的設計，或許該在「補全」與「留下空白」之間做取捨。一個願意標示「以下為推測」的介面，一個鼓勵使用者去問還在世的長輩、而不是直接生成答案的介面，短期體驗會差一些，長期的信任會多一些。輸入法的候選詞列敢於給建議，是因為它隨時可以被拒絕；記憶介面如果也要給建議，至少該保留同樣的拒絕成本。

一個人對長輩的未知，本身是有價值的。它意味著還有問題可以問，還有人可以追。把這些未知全部補滿，得到的是一份讀起來舒服的文本，失去的是提問的理由。介面設計裡最難的一課向來如此：什麼都給，往往等於什麼都沒給。