从传播学到 AI 系统：我的方法论迁移

很多人会把“传播学”和“AI 系统”看成两条并不相交的路径。

但对我来说，它们不是断裂关系，而是方法论迁移。

传播学真正训练我的是什么

它当然训练了写作、表达、观察和研究，但更重要的是，它让我习惯先问这些问题：

• 谁在说话？
• 信息是如何被组织的？
• 受众会如何理解、误解或改写它？
• 一个系统中的互动，最后会累积成什么样的群体效果？

这套问题框架后来被我直接带进了 AI 系统设计里。

当我开始做 AI 项目之后

无论是法律合规 RAG、LLMForFuzzing、多智能体谣言干预，还是 agent evaluation，我最后关心的都不只是“模型输出了什么”，而是：

• 上游信息如何进入系统
• 中间链路如何塑造结果
• 下游用户如何理解和使用这些结果

如果没有这三层意识，一个 agent 很容易看起来能做很多事，但真正进入工作流时却不稳定、不可信、也不可解释。

我理解的跨学科，不是把词拼在一起

对我来说，跨学科不是“传播学 + AI”这样的标签，而是：

• 用传播学的问题意识发现真正重要的问题
• 用数据和工程的方法把问题压成系统
• 用产品视角决定什么该被公开，什么该被隐藏，什么该被解释清楚

也正因为这样，我会对 interface、节奏、语言和 trust 非常敏感。因为它们都不是“包装层”，而是系统的一部分。

Life Exchange 也是这种迁移的结果

我做 Life Exchange，并不是因为我想做一个个人主页壳子。

我真正想做的是：把成长、判断、路径感、信息组织这些问题，重新压成一个能长期演化的产品面。

而传播学训练给我的，恰好就是观察这些过程、命名这些过程、再把它们重新设计出来的能力。

这也是我接下来想继续走的路

我很明确自己不是只想做模型调用层的人。

我更想做的是：

• 看见问题结构的人
• 愿意把结构做成系统的人
• 也愿意为系统的语言、边界和影响负责的人

如果说传播学给了我看见“信息如何塑造人”的能力，那么 AI 工程给我的，是把这种理解反过来写进系统的机会。