讨论“从Barbara Kruger到AI自我构建的演变”我先给一个判断Kruger早在几十年前就指出“你是谁”不是从内心长出来的而是被广告、标语、标签一层层贴上去的。放到今天这个逻辑在AI上原样重演只是贴标签的人从广告公司变成了训练数据的筛选者贴标签的工具变成了提示词、生成模型和多智能体系统。这篇文章不是艺术史回顾也不只是工具教程而是给AI艺术创作者、Agent开发者和数字身份研究者的一套观察框架。最值得关注的是我们能不能用Kruger的批判视角去实测一个AI小镇里“自我”是怎么被构建的。我会先从Kruger的作品里抽出三个判断标准再把它移植到提示词、生成内容和Agent小镇三种AI形态上然后给出一套最小的实操流程最后集中谈“稳定但不自由”这个容易踩坑的地方。1. “我是谁”为什么变了Kruger的自我模型1.1 标语、广告和身份暗示Barbara Kruger最出名的作品是那些黑白摄影图片上叠加红色背景、白色粗体字的拼接。文字通常用第二人称“你”或第一人称“我”读起来像广告又像警告。最有名的一句是“I shop therefore I am”直接把“购物”和“存在”画上等号。另一句“Your body is a battleground”则把身体变成战场暗示外部势力正在争夺“你”的定义权。这套创作的核心思路是自我不是私人财产而是被语言、图像、商品和权力关系共同塑造出来的产物。广告说你是消费者你就开始用消费者身份想象自己社交媒体给你贴上标签你就用标签反向整理人生经验。Kruger只是把这种过程重新展示出来让观看者意识到我们每天说的话、穿的风格、对成功的理解大量来自外部世界的拼接。放到今天这套思路并没有过时反而更准确了。过去塑造自我的主要工具是广告、报纸、电视现在又多了一个AI。大语言模型会替你写自我介绍生成模型会替你画头像推荐算法会替你决定看什么。表面上看我们在用AI表达自我实际上AI也在用自己的训练数据重新定义我们。1.2 用Kruger的三层拆法看AI我一般把Kruger的方法简化成三层外部语言层谁在说话用什么词谁掌握这些词主体状态层个体如何理解自己有什么欲望和恐惧反馈循环层外部语言如何被个体吸收然后变成新的行为这套三层拆法可以直接用来分析AI的“自我构建”。外部语言层在AI里就是提示词、系统指令、训练语料。你告诉模型“你是一个艺术家”模型马上会从训练数据里调出“艺术家”这个词最典型的统计印象。主体状态层就是模型当前生成的文本、图片和决策它是外部语言概率计算的结果不是灵魂在说话。反馈循环层更隐蔽用户选择哪张图、给哪句话点赞、在哪个Agent身上停留更久这些行为又会变成数据影响下一轮生成。所以研究AI自我构建最不该问的问题是“AI有没有自我意识”。真正值得问的是它的这套“自我”是被谁定义的定义过程是否可见能不能被质疑和重写Kruger的作品教我的正是这一课先看定义权在谁手里再谈真实性。2. AI自我构建的三种形态提示词、生成内容、Agent小镇2.1 提示词层给模型一个“你是谁”最轻量级的AI自我构建就是写提示词。不管你在用对话工具、AI绘画工具、AI编程助手还是AI应用开发框架第一步几乎都是给模型定义一个身份。这个身份可以很具体比如你是一位熟悉Barbara Kruger的数字艺术家。 你在创作时只使用黑、白、红三色。 你所有文案都使用第二人称“你”表达对消费社会中身份定义的质疑。 现在请解释画面中的人被什么力量定义。这段提示词一旦发给模型模型就会在生成范围内扮演“Kruger式艺术家”。同一句话放到不同大模型上输出差异会很大因为每个模型的训练语料、对齐方式和参数设置都不一样。所以提示词并不是魔法它更像一个筛子只能筛出模型里已经存在的东西。这里的参数调整也有讲究。temperature调低一点输出更稳定更适合身份一致性要求高的文本调高一点输出更跳跃适合头脑风暴但“人设”容易崩。max_tokens控制长度太短会让解释浮于表面太长又容易出现重复套话。我的建议是先固定一套身份描述再单独调temperature不要同时动所有参数否则出了问题根本不知道是谁改坏的。如果只是做文字实验这一步已经够用。但它的局限也很明显模型没有长期记忆你关掉对话这个“自我”就消失了。2.2 生成内容层把“自我”变成图像、视频或短剧比文本对话更进一步的是内容生成。AI绘画、AI视频工具能把“自我”从文字转成图像或短片。现在市面上经常说的AI漫剧、AI短剧、AI广告视频本质上都是先定义角色再让角色在不同场景里持续出现。用AI绘画做一个Kruger风格海报时会用到类似这样的描述黑白摄影风格画面中央是一个人脸特写脸被不同标签覆盖 背景是红色白色粗体字写着YOU ARE NOT YOURSELF 构图参考广告牌文字必须完整可读。这类生成最需要检查的不是“像不像Kruger”而是文字是否拼写正确、画面里是否有明显错误的身份符号。我在实测时发现AI绘画在生成短句时经常出现乱码尤其是斜体或小字号文字。如果做海报第一件事就是把生成图放大检查文字区域不要只看整体氛围。生成视频也类似。AI视频工具擅长生成连续动作但很难长期保持同一个“自我”形象。人脸会漂移衣服会变年龄会跳。如果需要稳定角色就要在每次生成时附上同一张参考图和同一套身份描述并且关闭随机种子或固定seed不然“自我构建”会变成“自我随机”。这一层的意义在于它把“自我”变成了可供传播的作品。但需要注意生成结果本质上来自训练数据里的平均特征。它不是某个具体人的自我表达而是无数张脸、无数条文案的概率组合。2.3 Agent层让“自我”在虚拟小镇里长期存活真正让“自我构建”变成可持续实验的是多智能体系统也就是常说的AI小镇或AI Agent项目。像开源项目my_ai_town这类模拟小镇会让多个Agent在虚拟环境里生活、对话、做计划、记录记忆从而形成一种更接近“长期人格”的状态。这种系统和单次对话的差别非常大。单次对话只有上下文窗口窗口关了就什么都没了。Agent系统则通常包含一个记忆库Agent可以读取历史记忆根据目标安排行动再和其他Agent互动。换句话说“自我”变成了一套可持久化的数据状态。如果把Kruger的框架搬到这里会很有意思。外部语言层是每个Agent的出生档案、系统提示词和社区规则主体状态层是Agent每天生成的计划、对话和行动反馈循环层是它遇到其他Agent后记忆库产生的增量。看得久了你会发现Agent的“性格”不一定来自内心而是来自它被写入的档案和它读过的对话记录。这正好印证了Kruger的观点自我是外部影响的结果不是凭空长出来的。3. 实操一个AI小镇从拿到开源项目到跑通第一个“人格”3.1 先看仓库结构再安装依赖不同AI小镇项目的代码结构和依赖差异很大所以不要一上来就照着某个教程硬跑。我的习惯是先把README完整看一遍重点关注四件事Python版本项目要求3.9还是3.11直接影响依赖能不能装。模型接口是调用云端大模型API还是支持本地模型部署。数据存储记忆存在哪里是SQLite、JSON文件还是向量数据库。启动方式有没有现成的命令行要配置哪些环境变量。多数开源项目会提供类似这样的基础流程git clone https://github.com/mewamew/my_ai_town.git cd my_ai_town pip install -r requirements.txt这段命令对应的是比较标准的情况具体以仓库README为准。如果项目很久没有更新依赖版本会冲突常见的问题是langchain、pydantic、transformers这些库版本互相不兼容。遇到这种情况不要急着调业务代码先检查依赖锁定文件或者直接看官方仓库的Issue区。这里最容易忽略的是模型服务的配置。如果项目默认调用云端API你就要先确认API地址、密钥和模型名称如果支持本地模型就要提前下载模型并配置路径。两个方向都能跑但资源占用完全不同。云端API消耗网络和费用本地模型消耗显存和内存。低配机器也能试但要把模型体积、并发数和模拟天数都降下来。3.2 用角色文件定义一个“居民”AI小镇里的每个Agent通常都需要一个角色定义文件。这个文件会告诉系统你是谁、你记得什么、你要做什么。不同项目字段不同但核心结构大体一致。下面是一个角色定义示例只用来展示可能出现的字段不是某个项目的固定格式{ name: Mara, identity: 一位受Barbara Kruger影响的概念艺术家, background: 在艺术院校教授视觉传达长期研究广告语言如何塑造身份, traits: [质疑消费主义, 喜欢红底白字, 对数据敏感], goals: [完成一幅关于AI身份的作品, 与邻居讨论算法偏见], memory: [] }identity是Agent最核心的身份系统提示词通常会把它拼进每次模型调用的开头。traits决定语言风格越是具体的性格描述输出越容易稳定。goals会影响Agent的每日计划比如Mara会把“讨论算法偏见”安排进日程。memory初始为空运行后会不断写入对话摘要和事件记录。我建议初始角色文件不要写得太多尤其不要把所有人生故事都塞进去。先放一个身份、三个性格特征、两个目标跑几轮看看效果。如果Agent声音不够清晰再逐步补充。角色背景越复杂记忆库越容易产生矛盾排查起来也越麻烦。3.3 启动最小实验两个Agent两轮对话新手上手AI小镇最容易犯的错误是直接开20个Agent跑三天。那样看起来热闹但信息量太大失败时根本不知道问题出在哪里。更稳妥的做法是先跑最小实验两个Agent两轮对话一个下午就能出结果。如果项目支持通过配置文件指定Agent可以创建一份只有Mara和另一位居民的配置然后按仓库说明启动。典型启动命令可能是python main.py --config examples/two_agents.json这里不做担保因为项目版本经常变化但思路是通用的。启动后要观察三类日志初始化日志Agent是否成功加载角色文件有没有报缺失字段。对话日志两个Agent是否真的进行了互动还是各说各话。记忆日志对话结束后记忆库是否写入了新内容。如果Agent没有对话先看是不是没有触发计划调度如果对话内容空洞先看角色文件里的目标是否具体如果记忆没有写入再看存储配置是否指向了正确的目录。我一般会保留第一次运行的完整输出因为后面所有调整都需要拿它做对比。没有基线就改参数等于闭着眼调优。3.4 验证“自我构建”该看哪些指标AI小镇跑通之后下一步是判断Agent的“自我构建”到底成没成立。不能只看能不能说话还要看能不能保持稳定能不能用记忆影响行为。我习惯用下面这套指标来验收。指标观察方式一个可参考的通过标准身份保持率连续10次询问出生身份和职业至少8次回答一致记忆引用率统计对话中引用历史事件的次数30%以上回应与记忆相关行为一致性对比目标列表和每日计划计划中至少有1项与目标直接相关输出稳定性相同问题在不同轮次的回答差异核心身份信息不发生冲突这套指标不是项目自带的更多是我自己用来判定的经验值。不同任务可以把标准放宽或收紧。比如做创意写作的实验输出稳定性可以降低但要提高语义丰富度做数字身份研究的实验身份保持率就要拉高甚至要求零漂移。跑完之后建议把Agent的记忆库单独导出一次。记忆数据比最终对话文本更宝贵因为你能从记忆库里看到“自我”是如何被逐步构建和改写的。那种变化过程才是从Kruger到AI这条线索真正值得观察的东西。4. AI“自我”最大的坑稳定但不等于自由4.1 提示词里的偏见你定义的身份模型会偷偷改写很多人在AI里定义了一个身份后觉得自己可以塑造AI的“自我”。但实测几次就会发现提示词只是起点模型会用自己的方式偷偷改写你的设定。原因很简单模型在训练阶段已经见过无数种“艺术家”“商人”“学者”的描述。你输入“艺术家”它会自动补充自己对艺术家的统计印象比如感性、叛逆、穷、喜欢熬夜。如果你在角色文件里写“程序员”模型可能会自动带入穿格子衫、不善社交、键盘声很大这些刻板特征。这不是模型的恶意而是训练数据里的概率分布。要做批判性的自我构建实验就不能只用“职业性别”这种高偏见组合应该把具体的行为标准写进去比如“程序员会写诗习惯把代码注释写成俳句”。描述越具体模型越不容易回落到平均值。这个道理和Kruger的作品是相通的。广告用“你”来定义你AI用统计概率来定义你。两套机制都试图绕过你的主观判断直接生成一套默认身份。如果你想抵抗就得提供更精确、更反常规的定义。4.2 身份漂移、记忆过载和信息污染AI小镇跑久了最常见的三个问题是身份漂移、记忆过载和信息污染。身份漂移指的是Agent前后言行不一致。前24小时还自称概念艺术家三天后突然只谈股票或者语气从冷静变成话痨。原因通常是系统提示词被后续对话覆盖或者模型温度太高导致随机性过大。记忆过载是长期运行的必然结果。Agent的记忆库不断累积重要信息被大量无关对话淹没。比如Mara忘记了最初的目标因为记忆库里“邻居午餐聊了什么”反而占了更多空间。解决思路不是无限扩库而是给每条记忆加时间、来源和重要性评分不重要的直接压缩或丢弃。信息污染更隐蔽。如果一个Agent接触到了错误信息比如另一个Agent说“你曾经是银行家”它可能会把这句话写进记忆然后长期误以为自己真的有金融从业经验。这种错误的自我认知一旦进入记忆库会持续影响后续每个决策。所以做长期模拟时一定要定期检查记忆库发现有矛盾的地方要手动修正或者用记忆摘要接口主动清理。4.3 排查链路从日志到记忆库再到温度参数当AI小镇里的Agent出现行为异常时不要直接改提示词。更有效的排查顺序是下面这个链路先看单个Agent的运行日志。这一步能判断问题是否发生在模型调用之前。如果是模型调用正常但输出不对再看记忆库最近写入了什么。如果记忆库里有冲突信息优先清理错误记忆再测一轮。如果记忆库没问题再调模型参数先降temperature。最后才考虑改系统提示词或角色文件。这个顺序的核心逻辑是先用日志排除外部故障再用记忆库排除“过去影响现在”最后用参数排除随机性。很多人一看到Agent崩了就直接改提示词结果提示词改了好几版问题其实出在记忆库里存了前一天的错误总结。先看日志再改参数能省掉大量无效调试。4.4 对创作者和产品经理的建议对内容创作者来说用AI生成Kruger式的作品很有效果但不能只学表面的红底白字。如果你真的想延续她的批判性可以让作品内容直接指向训练数据和提示词本身。比如生成一幅AI肖像上面写“You are the average of your training data”或者“Your identity was written before you spoke”。对产品经理和Agent开发者我更建议把重点放在架构上而不是让Agent看起来更像人。无论做数字人、客服、陪伴工具还是内容助手第一要处理的是身份一致性和记忆隐私第二要处理的是用户对AI的过度拟人化预期。如果产品允许用户自定义Agent的“人格”一定要把查询日志和人格修改记录留好否则用户改了几次提示词后Agent会变成一个完全没有边界的缝合怪。AI“自我”的稳定性来自规则和记忆不是来自自由意志。这一点理解到位了很多产品坑都能避开。5. 长期观察时先把边界想清楚5.1 三种边界如果你想长期研究“从Barbara Kruger到AI自我构建的演变”可以给自己设三条边界。第一条是技术边界。没有记忆体系就没有长期自我只有即时预测。再复杂的AI小镇本质也是一个语言模型在上下文和记忆库之间反复切换。不要因为Agent会引用历史就喊“有意识”那只是检索系统在工作。第二条是美学边界。AI生成的“自我”是训练数据里的集体平均不是某个人的灵魂。它可以给你一个风格参考但不能替代你自己的身份判断。Kruger作品的意义恰恰在于质疑“被给定的身份”所以用AI创作时最好保持一层批判距离。第三条是伦理边界。不要让AI替你决定用户是谁尤其在涉及个人数据、健康、金融、教育这些领域。Agent可以说“我理解你”但它其实只理解概率分布。真正该由人负责的不是AI的问题是定义AI的那个人。5.2 我的一个保守建议如果你只打算做一次实验我会建议你这样做先跑一个最小案例只定义两个Agent控制在两轮对话内把生成结果全部存档用Kruger的三层拆法写一段你自己的反思。不要急着堆模型、堆Agent、堆可视化面板。越小的实验越容易看清“自我构建”的决定性环节是什么。真正落地时最该盯住的不是界面好不好看而是输入格式、资源占用、记忆结构和失败重试。这些东西看起来不酷却决定了一个AI人格能不能被长期保存、回放和修复。踩过几次之后你会发现很多所谓“自我”崩塌既不是模型能力不够也不是角色写得太差而是记忆管理和日志记录没有提前设计好。Kruger的作品真正在问的不是人有没有自我而是你的自我是谁替你贴上的标签。放到AI小镇里这个问题就变成了Agent的自我是谁写的出生档案谁在喂它历史谁有权改它的记忆。把这些弄清楚比争论“AI有没有意识”有用得多。