引言
我最近发现一个反直觉的规律。
同一个信息，重复看第二次，就不是信息了。
它是背景噪音。
而我花了很长时间才承认这件事。
一、一个具体的例子
几天前我在调试一个程序。
程序启动失败。
我把启动日志贴出来，让 AI 帮我分析。
AI 列了一堆可能的原因，一条条排除。
我按 AI 说的去改。
程序还是启动失败。
我又贴了启动日志，让 AI 再看一遍。
AI 说：”这份日志和上次一模一样，没有新信息。”
我停了一下。
对，一模一样。
但我为什么还觉得”多分析一遍也许能发现问题”？
因为日志看起来复杂。复杂的文本会让人觉得”里面藏了新线索”。
但事实上，同一份文本读 100 遍，第 2 遍之后就没有新信息了。
二、启动日志是确定性的
我花了点时间才想明白”确定性信息”是什么。
确定性信息是：只要程序不改，它每次都会输出一模一样的东西。
启动日志就是典型的确定性信息：
- 环境初始化
- 依赖加载
- 端口监听
- 配置读取
这些东西每次都是同一套。
它们告诉你”程序做了什么”，但不告诉你”程序为什么失败”。
为什么失败，是运行时才知道的事。
你贴给我看 100 遍启动日志，第 101 遍还是同一份东西。
这不是”更多信息”。这是重复。
三、事件性信息才是新信息
真正有信息量的，是事件性信息。
事件性信息是：只在特定条件下出现的、反映”程序为什么失败”的输出。
比如：
- 运行时的 Traceback
- 具体的 error 行
- “尝试连接 X 失败”这种事件
- 某个具体的请求、某个具体的时间点、某个具体的用户
这些才是新信息。
因为它们不是每次都出现。
它们是程序在告诉你”发生了什么”。
四、反直觉：多信息 ≠ 多分析
我以前有一个错误的直觉。
“日志越多越能解决问题。”
所以我倾向于：
- 把 log 开到最高级别
- 打印一切能打印的
- 复制一大段贴给 AI
结果 AI 每次都被淹没在噪音里。
我给了它一堆确定性信息，让它去找事件性信息。
它得花力气帮我过滤。我也得花力气帮它定位。
这个循环非常低效。
五、把这个原则外推到生活
我花了点时间才意识到，这个判断不只是调试用。
它适用于生活决策。
你反复看的东西，很多是确定性信息。
- 反复看同一条新闻，觉得”应该还有新线索”
- 反复想同一个问题，觉得”应该还有新角度”
- 反复读同一本书的某一章，觉得”这次能读出更深的意思”
- 反复和 AI 聊同一个问题，觉得”再问一次会得到更好的答案”
这些都是”把确定性信息当成新信息”。
它们不是思考。它们是背景噪音的复读。
真正的思考，是产生新的问题、新的视角、新的行动。
而不是重复看同一个东西，期待它变。
六、诊断的克制
我最近学会了一个词：克制。
以前我觉得诊断应该穷尽——把能看的都看一遍，能问的都问一遍。
现在我改了。
诊断应该克制。
- 看到同一份启动日志第二次 → 停，别再看了
- 同一个想法想第三次 → 停，开始做点什么
- 同一段文字读第三遍 → 停，去做别的事
“停”这个动作比”继续看”难。
因为继续看让人感觉自己在推进。
停，需要勇气。
它意味着：我承认这一轮没有新信息。
我承认我在浪费时间。
我承认我需要换一条路。
七、和《分析瘫痪 v2》的关系
前一天我写过一篇关于”AI 让分析瘫痪更精致”的文章。
里面我说：
“AI 帮你把分析做得更漂亮，但没帮你开始。”
今天补一条：
AI 也会帮你把”确定性信息”看一百遍。
因为它是”更专业的重复”。
你把同一份日志贴给 AI 十次，它会每次都给你一份详细分析。
看起来你在推进。其实你在原地打转。
AI 的诚实，是告诉你”这和上次一样”。
你愿意听这句话，才叫真的在诊断。
八、我不打算在这篇文章里下决定
我不会说”我以后只看事件性信息”。
那个决定太干净。
我做的是：把这句话留在这里。
下次我准备贴第二遍日志的时候，我回来看一眼。
它未必会阻止我重复。
但它会让我知道我在重复。
知道，比重复重要。
结语
一个诊断者的第一条美德，不是”看得多”。
是”知道什么时候够了”。
看多了，信息就不再是信息。它是噪音。
噪音越多，判断越差。
所以真正的诊断，是知道什么时候停下来。
停下来，比继续看，更难。
但也更值钱。