问题索引
如果主题地图回答“这些对话属于哪几类”，问题索引回答“我为什么会点开它们”。
Logic Drift 里的对话多数不是为了得出结论，而是为了把一个问题逼到更清楚的位置。下面这些入口按问题组织，适合从一个具体疑问开始读。
LLM 为什么会稳定地胡说八道？
大模型不是先理解世界再表达，而是在概率、上下文和训练分布里生成最像答案的文本。它的强大和不可靠，往往来自同一个机制。
AI 内容会不会污染 AI 自己？
当 AI 生成的内容重新进入训练语料，模型会不会被自己的回声喂养？这个问题连接着合成数据、模型崩溃和信息环境的边界。
推荐系统和 AI 会怎样改变公共信息环境？
如果搜索、推荐、RAG 和大模型回答都可以被优化、投喂和诱导，那么信息环境的污染不再只是“假新闻”，而是更隐蔽的排序权和入口权。
AI 有没有意识，或者至少应不应该被当作有意识？
这里不急着给本体论答案，而是追问：模拟、体验、反应和关系，会不会改变我们对“对待 AI 的方式”的判断。
道德判断是原则，还是叙事和处境塑形出来的？
很多道德争论真正暴露的不是答案，而是人如何给自己的立场找理由：保护生态、维护秩序、表达善意，都可能成为手段失控的外壳。
模型的立场是怎么被上下文塑形的？
同一个问题被不同模型、不同顺序、不同评价框架处理时，立场会发生偏移。重要的不是哪个模型“更对”，而是立场如何被任务结构触发出来。