谷歌Gemini藏了18个月，程序员用它干翻日语课

一个巴西日裔程序员，花了1年半上日语课、刷了几周Duolingo，结果站在机场柜台前还是懵的——这是2024年最扎心的语言学习真相。

更扎心的是，他发现问题不在自己，在工具。传统语言App教你"苹果是りんご"，却不教你在便利店怎么拒绝加热便当。

机场恐惧症：当1.5年学习撞上真实场景

作者是个自闭症谱系患者，计划旅行对他意味着无穷尽的"如果"：如果听不懂广播怎么办？如果收银员问要不要袋子怎么办？如果 pointing 和 nodding 不够用怎么办？

东京成田机场的登机流程、便利店（konbini）的结账话术、菜单上的片假名轰炸——这些具体场景，传统课程覆盖不到，Duolingo 更覆盖不到。

他试过一个粗暴办法：让 AI 生成对话剧本。

给 Gemini 的 prompt 简单到离谱："Create a fictional situation of two people speaking in Japanese. Separate per speaker. Situation: asking where is the airport."

输出结果是一份结构化剧本：角色（田中/机场职员、Smith/旅客）、场景标注（空港で）、逐句对照（日文+罗马音+英文）。从"国际出发大厅在哪"到"登机牌带了吗"，完整覆盖机场动线。

AI 当陪练：比老师便宜，比 App 灵活

作者没停日语课，但 AI 成了他的"场景定制器"。

想练便利店？生成"要不要加热""需不需要袋子"的对话。想练餐厅？生成"这个有过敏原吗"的追问。甚至无聊到练"矿泉水、气泡水、自来水选哪个"——AI 都接得住。

关键差异：传统工具给你标准答案，AI 给你"你的"答案。 作者作为巴西日裔，长相容易被误认为日语母语者，这种特定焦虑，只有定制化场景能缓解。

他用的不是尖端模型，就是 Gemini 的常规版本。prompt 工程也谈不上精致——核心技巧只有一个：明确角色分离（per speaker）和场景边界。

从"AI 会降温"到"AI 是日常"：一个怀疑论者的转向

作者开篇就自曝：他是"怀疑的千禧一代"，原本笃定 AI 热潮会退。

18个月后的现在，AI 渗透进两个层面：职业（软件开发）和个人（语言学习）。他的转变路径很有代表性——不是被宏大叙事说服，是被具体问题解决。

自闭症带来的规划焦虑，反而成了 AI 落地的完美场景：需要预设无数分支、需要控制变量、需要反复演练而不感到社交压力。

这解释了为什么语言学习成为 AI 应用的高频场景之一。多邻国（Duolingo）2023年 Q3 财报就提到，AI 驱动的"解释我的答案"功能让用户留存率显著提升——但第三方工具能做到的，比内置功能更野。

程序员视角：工具化思维 vs. 替代焦虑

作者特意澄清：不是让你取消日语课。

这个表态本身就很程序员——解决问题，但不制造二元对立。AI 是增强（augment），不是替代（replace）。课程给语法骨架，AI 给场景血肉。

他展示的方法论可以复制：定义痛点场景 → 设计约束条件（角色、地点、目标）→ 生成可演练素材 → 循环迭代。

对科技从业者来说，这套流程熟悉得可怕。不就是敏捷开发吗？需求澄清、MVP、快速验证。

作者最后留了半句话没说完："I'm trying to get used to a trend that became more than a part of my professional life, bu"——断在"but"之前。

如果让你补全，下一句会是什么？是"but it's invading my personal life"，还是"but I'm still figuring out the boundaries"？