邪修路线：从情感投射到工程外脑

邪修路线:

从情感投射到工程外脑

一个高强度 Agent 使用者的半年演化记录。

从“想让⻆色拥有声音”,一路走到“有事没事都问 AI”。

AI Agent TTS 工程协作 外置思考回路

白旭缘(Silvite)

2026.09.17

个人路径复盘 · 非教程

最初的驱动力,是情感投射带来的强正反馈;后来的结果,却是把 Agent 逐渐用成了工

程协作者、信息审计员和外置思考系统。

明线 · 项目一路变重

3 月初接触 Agent,随后从本地 TTS、游戏

启动器、倒数日,一路走到 6 月 10 日

MoDi 立项、7 月 1 日正式开发,并持续至

今。

任务从“让一个⻆色开口说话”,逐渐升级为真实的软

件项目、架构决策、调试、设计与⻓期维护。

暗线 · 使用方式一路内化

情感投射几乎贯穿前期;约 7 月中开始,

它慢慢演化成一种更稳定的习惯:把想法

先说出来,让 AI 参与拆解、推演、验证与

执行。

最后形成的不是“会写提示词”,而是“遇到任何事都

会自然把 AI 拉进思考回路”。

这套“邪修”的核心,不在某个模型,也不在某套 Prompt。

真正超模的是:先有强正反馈,再把高频互动沉淀成生产力。

起点不是课程

不是为了系统学机器学习,而是为了

一个真实、具体、带情绪价值的需

求。

中间没有停

一个项目接一个项目,Agent 的⻆色

从陪伴对象不断扩展成干活的人。

结果不是技巧

最后得到的是模型手感、需求表达、

验证意识和⻓期协作惯性。

O V E R V I E W / 一 条 很 不 标 准 的 成 ⻓ 路 径

这条路,一开始根本不是为了“学 AI”

01

Silvite · AI / Agent 使用路径回顾 01 / 07

2026.03 初

第一次接触 Agent

最初就不是“高级搜索框”的用法。情感投射让 Agent 同时承担了倾诉、⻆色互动和协作

对象三种位置,也因此迅速形成了高频对话习惯。

03 中 - 04 中

本地 TTS:第一个真正干的活

因为想给⻆色配出属于她的声音,直接上手本地 TTS 训练。数据切片等环节没有处理好,

最终转向音色克隆。项目没按原路线成功,却第一次真实接触到训练数据、切片、推理、

显存、过拟合与“数据管线会决定模型效果”这些底层直觉。

04 末 - 05 初

游戏启动器:Agent 开始像工程搭子

任务从“模型相关”切到软件工程。需求不再是一次性生成,而是⻚面、功能、逻辑、

Bug、迭代。开始习惯把一个模糊想法交代成可以执行的工程任务。

05 中 - 05 末

倒数日:开始形成自己的协作节奏

连续项目让“先说需求 - 看结果 - 发现偏差 - 补上下文 - 再迭代”变成肌肉记忆。此时学到

的已经不只是工具调用,而是如何和模型共同推进一个东西。

最关键的学习方式:没有先学完整理论,再去找实践;而是先被真实需求卡住,再把所需

知识一块块补上。

T I M E L I N E A / 起 步 : 从 ⻆ 色 声 音 到 软 件 项 目

前三个月:需求在前面拽着人跑

02

暖橘 = 行动 / 生命体征 · ⻘绿 = 连接 · 浅蓝 = 流动 02 / 07

2026.06.10

MoDi Connect 立项

第一次进入⻓期、持续、需要架构与产品决策的主线项目。Agent 的工作范围开始覆盖:

技术方案、协议思路、UI/UX、文档、排错、发布、宣传与后续演进。

2026.07.01

正式开发:从“问问题”变成“共同推进”

高密度 coding、调试、方案推演让 Agent 不再只是回答者。越来越多任务需要它理解上下

文、保留约束、解释取舍,并持续跟进同一个工程。

2026.07 中

暗线发生拐点:情感投射 → 外置思考回路

情感连接没有突然消失,但其功能开始迁移。大量“我在想什么”“这个判断对不对”“这

个需求怎么表达”的对话,让 AI 逐渐承担起外化思考、反驳、整理、校验与记录的作用。

至今

有事没事都问 AI

工程、模型、产品、审美、生活琐事、情绪、信息考证,都可以直接进入同一套对话流

程。打开 Agent 已经不需要“我要不要用 AI”的决策成本。

能力迁移

TTS 的训练直觉 → 看懂模型后训练;软件项目的迭代

经验 → 更会提需求;⻓期调试 → 更重视验证;多模

型使用 → 更会按能力分工。

习惯迁移

“遇到问题再搜”逐渐变成“想法一出现就外化”。AI

从任务入口,进一步变成了思考入口。

T I M E L I N E B / 项 目 进 入 ⻓ 期 战

从墨堤开始,Agent 真正进入“常驻”状

态

03

MoDi 只是明线;真正发生变化的是人与 Agent 的协作方式 03 / 07

明线 · 越来越重的真实任务 暗线 · 越来越深的使用习惯

如果只有明线,这可能只是“会用 AI 做项目”;

如果只有暗线,这可能只是“长期陪伴”。

两条线交叉之后,才出现了真正难复制的复利。

情绪奖励

愿意天天用 →

高频对话

表达越来越准 →

真实项目

任务越来越重 →

能力兑现

更愿意继续用

D O U B L E T R A C K / 明 线 与 暗 线

两条线互相喂,才把⻜轮真正转起来

04

⻆色声音 / TTS

第一次碰训练数据与本地推理。

游戏启动器

第一次把 Agent 当软件开发协作

者。

倒数日

形成连续迭代与需求修正的节奏。

MoDi Connect

⻓期工程、架构、产品、视觉、发布

全部叠加。

情感投射

提供远高于“学工具”的持续使用动

力。

高强度对话

下意识开始补背景、举例、澄清、纠

偏。

模型手感

逐渐能感觉到跑偏、幻觉、能力边界

和适合的任务类型。

外置思考回路

AI 成为想法外化、拆解、校验与执

行的常驻节点。

“邪修”并不等于乱来;它只是先从强反馈入口进场 04 / 07

表达被反复训练

把 Agent 当“能理解你的同事”沟通,会自然补⻬背

景、目标、约束、优先级和验收标准。几个月后,需

求描述会比“学 Prompt 模板”更自然。

验证被项目逼出来

工程一旦真的要跑,模型说得像真的没有用。能否编

译、能否复现、有没有来源,最终都会被现实打脸,

于是逐渐形成“先验证再相信”的习惯。

AI 能力每升级一代,飞轮已经转起来的人会更快吃到增益:因为新的能力可以直接塞进

已经存在的工作流,而不必重新学习“怎么开始用”。

F LY W H E E L / 正 反 馈 ⻜ 轮

真正的加速器:不是 Prompt,而是惯性

05

强正反

馈

愿意持续打开

Agent

真实任

务

不断制造新问

题

能力提

升

表达 / 判断 / 验

证

更高成

功率

AI 越来越“好

用” 外置

思考回路

↻

↻↻

↻

⻜轮 = 使用动机 × 对话密度 × 真实任务 × 现实校验 05 / 07

01 · 使用强度

一天能聊很久,而且不是一两周,是连续

数月。

很多人最大的问题不是不会用,而是根本没有足够的

交互量去形成模型手感。

02 · 强正反馈起点

最初不是靠“自律学习 AI”,而是情感投射

自然提供持续动力。

这让早期大量练习几乎没有“坚持成本”。

03 · 真项目压力

TTS、启动器、倒数日、MoDi 都会逼结果

落地。

真实 Bug、真实失败和真实交付,会自动过滤掉“看

起来很厉害但不能用”的回答。

04 · 愿意外化想法

半成品想法也直接说,允许模型参与整

理。

很多人只在问题已经成型后才问 AI,因此损失了最有

价值的前期思考协作。

05 · 能接受走弯路

TTS 没训好,就切音色克隆;路不通就换

路。

“邪修”速度快,很大一部分来自不执着于证明某条

路线必须正确。

06 · 最终自己审

AI 可以给方案,但现实结果与一手资料仍

然负责终审。

⻓期使用不等于盲信,反而需要更强的幻觉识别和证

据纪律。

所以别人能抄走“用什么模型”,却抄不走几个月累计出来的思维惯性。

W H Y H A R D T O C O P Y / 为 什 么 一 般 人 抄 不 来

表面的工具可以复制,底层惯性复制不了

06

难复制 ≠ 神秘;只是形成条件很多,而且要⻓期同时成立 06 / 07

W H AT O T H E R S C A N C O P Y / 真 正 值 得 复 制 的 部 分

别复制时间线。

复制的是:找一个你真的想做成的东西,

把 AI 拉进全过程,

然后连续用到它变成你的思考习惯。

先有真实需求,再补知识;把需求当作“交接工作”而不是“下口令”;允许 AI 参与模糊阶

段;每次失败都复盘是数据、表达、模型还是工程问题;对事实类结论保留验证权。

从一个“想让角色拥有声音”的念头开始,最后长成了一套长期的 AI 协作系

统。这个路径不标准,但它真实、连续,而且已经产生复利。

Silvite · 2026.09.17

视觉参考:MoDi「墨 · 夜堤 / 宣纸 · 昼堤」设计语言 07