8 月 4 号早上，我照例打开 blog.eggtata.top 看后台数据。访问量比平时低 30%，平均阅读时长掉了 22%。我以为是 Halo 又抽风了，ping 了一下接口——返回 200。
打开 Google Analytics 拉到来源页：流量没少，是读者提前走了。
我盯着「退出页面截图」那张折线图想了半天，突然想起来——上周我给每篇博客都加了一张 AI 自动生成的封面图。文章里也塞了 IMAGE_1、IMAGE_2 两张内容图。
我以为这是「现代化」。
结果成了劝退器。
HN 那篇 197 票的文章
晚上翻 Hacker News，看到一条被顶到首页的帖子：《AI-Generated Images Discourage Me from Reading Your Blog》（nelson.cloud），197 票，104 个反对，评论区吵成一锅粥。
文章作者 Nelson 是个独立开发者，他自己做了个实验：在同一个博客模板上，A 组用真实照片做配图，B 组用 AI 生成图。结果 6 周之后——
B 组读者的「页面停留时间」比 A 组少 **23%**，「邮件订阅转化率」少 **31%**。
他给了一个我没想到的解释：读者不是讨厌 AI 图，他们是被「廉价感」劝退。
Nelson 在原文里写：
"AI 生成的图有一种说不出的'塑料味'。手指头有 6 根，光源方向自相矛盾，'赛博朋克咖啡馆'里的咖啡杯永远不会冒热气。它们看起来很努力，但也很敷衍。读者分不清什么是 AI 什么是真人画的，但他们**感觉得到这种敷衍**。"
我看完这段，关掉 HN，回到 blog.eggtata.top 的后台。
打开上一周加的那批 AI 封面图，每一张都「看起来还行」——构图正确、色彩和谐、关键词都对。但仔细看：
- 一张「程序员在咖啡馆写代码」的图里，那个程序员有 7 根手指。
- 一张「AI 帮我写文章」的图，键盘上的字母是乱码。
- 一张「深夜告警」的图，屏幕上的代码是镜像翻转的。
我之前完全没注意到。
我之前只检查了「AI 生成了吗」「风格对吗」「文件上传了吗」——没人检查手指头数量。
GitHub Trending 上那个 271 star 的项目
就在同一天，GitHub Trending 上有个项目冲到第 4：Anionex/codex-vision-proxy，271 个 star。
项目 README 第一句话：
"让纯文本模型在 Codex 中无障碍看图（view_image）的更优方案，附为纯文本 LLM 设计的视觉工具包&skill。"
我点进去读了 5 分钟。这是个给 LLM 装眼睛的工具——让那些没有原生视觉能力的纯文本模型（比如某些本地部署的小模型）也能"看懂"图片。
但项目作者在 README 的角落里写了一段很长的免责声明：
**"请勿将此工具用于以下场景：自动化生成博文配图、自动化生成社交媒体头像、批量生成营销素材。"**
>
"我们发现，这些场景里，AI 生成的图几乎必然会被读者识别为'AI 生成的'，并产生负面观感。这不是工具的问题，是**使用意图**的问题——你用 AI 生成的目的是'快速占位'，读者感受到的也是'快速占位'。"
我反复看了这段三遍。
Anionex 的项目是给 AI 看图的工具，但作者花了 1/4 的篇幅说不要用 AI 生成图。这两件事放在一起，讽刺得让人想笑：
**2026 年最讽刺的事情是：你训练 AI 看图的能力突飞猛进，结果读者想看的反而是没人看的。**
我顺手在终端复现了一下 Anionex 项目里的一个 demo（他们用 vision proxy 看一张 AI 生成图，返回置信度）：
# Anionex codex-vision-proxy 的 example run
$ python3 demo.py --image ./test_ai_generated.png --model kimi-k3
[INFO] Loading vision proxy...
[INFO] Image size: 1024x1024
[INFO] Model confidence: 0.87
[INFO] Detected anomalies: ["6 fingers on left hand", "keyboard letters garbled", "light source inconsistent"]
[WARN] This image is likely AI-generated. Consider using a real photo instead.
返回的 WARN 提示——「Consider using a real photo instead」——和项目 README 的免责声明是同一句话。
我盯着终端看了 5 秒钟。一个给 AI 装眼睛的工具，第一反应是劝你别用 AI 生成的图。
这就是 2026 年最荒诞的事。
数字证据：3 个反直觉的事实
我花了一下午时间，把 blog.eggtata.top 上个月的数据扒出来对比：
事实 1：加 AI 配图之后，邮件订阅转化率掉了 18%。
| 时间段 | 阅读完成率 | 邮件订阅率 |
|---|---|---|
| 7 月（无 AI 图）| 67% | 4.2% |
| 8 月初（有 AI 图）| 52% | 3.4% |
差异不是巧合——同一个博客模板，同一个流量来源，只换了配图。
事实 2：AI 配图的「点击举报/不喜欢」按钮触发率，比真实配图高 3.2 倍。
我之前给博文底部加了个「不感兴趣」按钮（用来收集读者的负面反馈）。加 AI 配图的那一周，按钮触发率从 0.7% 涨到了 2.3%。
事实 3：HN 上关于"AI 生成内容"的负面讨论，2026 年比 2025 年同期多了 4 倍。
我扒了一下 HN search 的数据（用 Algolia API 免费层），搜「AI generated」+「annoying」/「bad」/「fake」/「discourage」：
| 年份 | 负面帖子数 |
|---|---|
| 2024 年 | 87 篇 |
| 2025 年 | 214 篇 |
| 2026 年（截至 8 月）| 312 篇 |
不是 AI 生成的内容变差了——是读者的容忍度变低了。
更反直觉的是数据来源：HN 上对「AI 生成内容」批评最狠的，往往是自己也在用 AI 写代码的人。我抓了 2026 年 100 个相关帖子的作者资料，73% 的主帖作者在 GitHub 上有公开 commit 包含 `Copilot` 或 `cursor` 的痕迹。
这意味着「批评 AI 内容」的人，自己也是 AI 工具的重度用户。他们不是反对 AI——他们是反对「被廉价 AI 敷衍对待」。
读者不是反 AI，是反"被糊弄"。
我的 3 个错误
回头看，我上周加 AI 配图时犯了 3 个错误：
错误 1：把「能生成」当成「应该生成」。
我看到 ComfyUI、Midjourney、Stable Diffusion 这些工具生成图片越来越快、越来越便宜，就想"反正免费，加几张图又不会死"。
事实是：便宜不等于有价值。一个 7 根手指的"程序员"插图，比"没有插图"更糟——它把读者的期待拉高了，然后狠狠摔下来。
错误 2：没做 A/B 测试就全量上线。
我直接给所有旧博文都加了 AI 图，没有保留「对照组」。读者没有选择权——他们要么接受这种新风格，要么不看。
这违反了我自己之前写的一条经验：任何改动，先 10% 流量灰度 7 天。
错误 3：以为 AI 图能提升「视觉质量」，实际上提升的是「视觉敷衍」。
「真实照片」传递的信息是："这个作者花了时间找素材"。
「AI 生成图」传递的信息是："这个作者按了一个按钮"。
读者分不清两种图的具体差别，但他们感觉得到两种投入的差别。
我事后找了一个真实案例验证：删掉 AI 配图后，我用了 3 张之前自己拍的（当时为了写别的文章拍的）照片——一张是键盘的特写，一张是咖啡馆窗边的笔记本，一张是我家阳台上的绿萝。数据告诉我：真实照片把邮件订阅率从 3.4% 拉回到了 4.1%——只比无图时的 4.2% 低一点点，但比 AI 图时的 3.4% 高出 20%。
3 张真实照片的成本：30 分钟拍 + 5 分钟修图。3 张 AI 图的成本：5 分钟生成 + 0 分钟检查手指头。
便宜的那个反而更贵——因为它赶走了读者。
反思：什么时候该用 AI 图？
我现在把规则改成了这样：
用 AI 图的场景（占我博文的 10%）：
- 文章本身就在讨论 AI / 生成式模型，配图是"内容的一部分"
- 抽象概念可视化（"AI 帮我写代码"配一个 AI 写代码的图）
- 我故意展示"AI 生成"的特征（比如分析 AI 局限性的文章）
不用 AI 图的场景（占 90%）：
- 个人叙事类（"我遇到一个问题"，"我犯了一个错"）—— 需要"真实感"
- 技术教程类（"如何配置 Nginx"）—— 需要真实截图
- 数据分析类（"我的项目涨了 300%"）—— 需要真实数据图
简单说：配图要和文章的语气一致。AI 图 = AI 语气；真实图 = 真实语气。混搭会让读者出戏。
写在最后
我在 blog.eggtata.top 的后台把那批 AI 配图全删了——用了一个小时。
第二天数据回升了。访问量没完全回到之前的水平（毕竟读者被劝退过一次就不会立刻回来），但「阅读完成率」从 52% 涨回了 64%。
8 月 5 号晚上，我写下了这篇 004。
封面图呢？
**没有封面图。**
读者看完文章就知道：这次的"折腾"，是关于"加图劝退读者"的折腾。如果你看到了封面图，说明我破了自己的规矩——但我没有。这篇是纯文字。
我赌的是：你读到这里没退出，就说明这个赌对了。
P.S. 一个巧合：删 AI 配图的那天晚上，我顺手修了一个 Halo Console API 报 401 的 bug（PAT 末尾多了个换行符，bash `$(cat PAT)` 的经典坑）。两个问题花了一个晚上——前者是「加了不该加的」，后者是「少了不该少的」。折腾到最后，正反都是同一件事：把对的东西做对。
本文为虚构故事，不涉及真实公司人物。文中数据为示例性展示。
评论区