洞察剧院：谷歌AI提示泄露内幕
简而言之：本月早些时候，谷歌商户中心短暂显示了其“AI性能洞察”背后的原始提示，而不是洞察本身。像工程师一样阅读，这个提示是一个忏悔：模型并没有分析你的数据——代码已经完成了分析。模型的全部工作是写出一个经过严格限制的句子，数字被剥离，以便仪表板感觉像是与您对话——这是大多数被称为“AI洞察”的SEO和GEO工具内部的相同把戏。如果您的供应商的AI摘要无法在其提示被公开后存活下来，那它就从来不是洞察。以下是区分分析与表演的测试。
詹姆斯，这里是水星科技解决方案的首席执行官。
香港 — 2026年9月
谷歌的泄漏实际上揭示了什么
没有敏感信息。这正是它美丽之处。
一位名叫Vipul Kumar的商家打开了商家中心的性能仪表板，由于看起来像是渲染故障，他看到了“推动您业绩的热门产品”卡片背后的机制。不是经过润色的句子——而是写它的说明。巴里·施瓦茨在9月7日的搜索引擎圆桌会议上报道了这一事件，本周阿普尔夫·夏尔马在Threads上提出了一个其他人没有正确理解的框架：每个使用AI生成仪表板的公司都需要问一个非常不舒服的问题。
以下是谷歌自己的仪表板被指示生成的内容。一个性能摘要，其中：
角色是“乐于助人且专业的商业分析师”
数据已经计算完毕：产品总点击量增加了1,145， plus 20个产品的点击变化排名列表
响应必须是恰好一句话
它必须使用其中一个提供的三个模板
它必须提到“在过去28天内”
它必须引用点击变化而不使用任何数字
它必须突出显示绝对值变化最大的产品
产品标题超过 10 个单词会被截断
而且绝不能使用 "which" 这个词
再看看那个列表。排名已经完成。数学已经完成。异常检测已经完成。简单、无聊、确定性的代码已经计算出商家需要知道的一切。LLM 的整个工作就是将 "+1,145 次点击，主要由产品 X 驱动" 转换为一个没有数字、没有 "which" 的、符合模板的句子。
那不是分析师。那是一个有合规部门的文案撰稿人。
每个 AI 仪表板实际上是如何工作的
大多数报道将此视为一个好奇现象——哈，谷歌展示了它的作业，搞笑的故障，继续前进。错误的反应。这是有史以来最诚实的分析用户界面，它准确告诉你 "AI 洞察" 是如何在整个行业中产生的。
架构正盯着你：
计算层 — 代码。确定性，可测试，可审计。实际的数学。
选择层 — 代码。挑选重要的内容：前20个产品，最大的绝对变化。
叙述层 — 一个大型语言模型。将完成的分析转化为散文，约束严格到让法律团队脸红。
并非是分析，而是叙事 — it is not analysis; it is narration. 中文完美地压缩了这一点，因为这种区别比英语所表现的更为重要。而叙述层是唯一被人们阅读的部分。
中文有一个词来形容这一层所增加的内容：锦上添花 — 绣在成品锦缎上的花朵。锦缎（你的数据，你的指标，你的趋势）已经完成。人工智能在上面缝制了一朵装饰花，供应商向你收费以获取 "AI驱动的洞察"。
这里有一个真正应该让你感到困扰的细节：摘要必须描述一个点击变化不包含数字。阅读这个约束，直到它深入人心。您分析堆栈中信息密度最高的工件——增量 "+1,145"——在句子到达您眼前之前被故意删除。信号被压缩成氛围。这不是谷歌提示中的错误。这是产品设计。
消失测试：如果您仪表板上的每个 AI 生成的摘要在一夜之间消失，请说出一个会改变的决策。如果您说不出，那么您就没有分析。您只有洞察剧院。
方向，外包
约翰·博伊德围绕一个残酷的观察建立了 OODA 循环：循环观察 → 定向 → 决策 → 行动更快的一方获胜，而循环在定向处断裂，而不是观察。每个人目前都在购买观察——更多的仪表板，更多的仪器，更多的源。谷歌的泄漏显示了当没有人关注时，定向会发生什么：它被交给了一个去掉数字的一句话模板。
您没有自动化定向。您将其外包给了一个您从未被允许阅读的格式规范。
杨文理在整个战争中获胜，因为他阅读了原始报告，而联盟的高级指挥部则消耗了摘要的摘要——由已经决定数据含义的人撰写的预先塑造的摘要。舰队级别的决策是基于句子，而不是数字。这些句子常常错误到足以输掉一场战争。每个在不知道提示的情况下运行 "AI 摘要" 的组织都是联盟高级指挥部，自我祝贺其保持信息高效的能力。
每个 AI 仪表板供应商的 3 个问题测试
在这里，不舒服的问题变成了采购武器。当供应商告诉你他们的平台有 "AI 生成的洞察" 时，停止点头。问三个问题：
模型计算了什么是你的代码没有计算的？如果答案是 "它总结了我们已经计算的内容"，你是在购买叙述层。没问题——叙述是有价值的——但要将其定价为用户界面，而不是智能。
数字去哪儿了？如果 AI 摘要省略或平滑了实际数字——正如谷歌故意做的那样——问一下为什么一个叫 "洞察" 的功能被设计成减少信息密度。
我可以看到提示吗？这是新的 "给我看看你的方法论"。一个洞察在其背后的指令公开时崩溃的供应商是在出售装饰。如果摘要在你阅读提示时崩溃，那它一直都是胡说八道——你只是不知道成分。
停止询问AI能总结什么。开始询问总结改变了什么决策。
这一切并不意味着AI不适合仪表板。它意味着信任架构必须是明确的。计算层可以保持封闭——它是确定性的、可测试的、无聊的。叙述层塑造了你的团队的信念，他们推动哪些产品，周一他们在应对哪些火灾。塑造决策的提示是产品，而产品会被审计。这是我们在与客户进行GAIO工作时应用的相同原则：答案层——代表你的数据与人类对话的东西——是信任生死存亡之处，它不能躲在魔术背后。
答案引擎不引用感觉。它们引用数字。从你的洞察层中剥离数据，你就剥离了你的可引用性。
这对我们来说不是学术问题。水星的创始数字：43%的企业线索在机器所说的和人类实际需要之间的差距中消失。这个差距正是从这里开始——在提到增长但没有数字的仪表板中，以及在信任句子多于数据的团队中。
AI、SEO和GEO的新现实
谷歌会修复这个故障，截图会从记忆中消失，成千上万的供应商将继续发布数字被截断的一句话奇迹。你现在确切知道那道帷幕后面是什么，因为谷歌——在一个意外的时刻——向所有人展示了这一切。
这就是2026年数字化转型的真实样貌——不是新的仪表板，也不是新的信任架构。
在接下来的五年中，赢得分析、SEO和GEO的公司不会是那些拥有最多仪表板的公司。它们将是那些能够毫不犹豫地回答两个问题的公司：机器决定向我展示了什么，以及它决定省略了什么？提示就是两个问题的答案。要求查看它。
锦缎是你的。不要让任何人在不向你展示线索的情况下卖给你花朵。
下一篇博客文章：《信任层：为什么及时透明成为2027年的采购要求》
水星科技解决方案：加速数字化。