ChatGPT连上Apple Music后，我让它生成了3份歌单|apple music|歌单|爵士|说唱|音乐

把音乐库交给AI打理，这事儿听起来像偷懒，但测完发现它比我想的更会读空气。

Apple Music最近接进了ChatGPT的插件生态，用户现在可以直接在对话里调用曲库。我拿了三个真实场景去刁难它：一群只听90年代地下说唱的固执朋友、深夜城市漫步的爵士氛围、以及一个连我自己都描述不清的模糊情绪。结果有点意思。

第一关：地下说唱考古

我有个朋友群，音乐口味固执得像博物馆保安。他们对当下说唱毫无兴趣，只听90年代黄金年代的boom bap，而且要那种从没上过公告牌的地下狠货。

我给ChatGPT的指令很具体：10首歌，给只听90年代地下说唱的乐迷，要 obscure（冷门到查无此人）级别。

它调完Apple Music后扔回来的名单，确实够偏门。Black Star的《Respiration》、Company Flow的《8 Steps to Perfection》、Pharaohe Monch的《Simon Says》——这些名字在主流流媒体算法里基本被活埋。ChatGPT自己备注说，这批歌代表的是"Rawkus、Fondle 'Em、Stretch & Bobbito时代的纽约独立爆炸期"，歌词密度和 dusty beats（脏鼓点）比电台播放量重要得多。

我核对了一下，10首里有7首确实在我那个朋友群的收藏夹里出现过，另外3首他们也没听过。这个命中率，比Spotify的"每日推荐"懂行。

但有个细节它没处理好的：歌单顺序。AI把Black Star和Company Flow这种偏旋律的放在前面，却把Jeru the Damaja这种更硬核的塞在中间。真人DJ会按能量曲线排，ChatGPT更像是按字母表或者发行年份在堆叠。听的时候需要手动拖拽调整。

第二关：深夜城市爵士

第二个测试换了个完全相反的维度：情绪优先，流派模糊。我让它做一份"适合深夜在城市街头走路听的氛围爵士"，10首。

这次它选的东西跨度很大。Miles Davis的《Blue in Green》这种标准答案出现了，但也挖出了Nujabes的《Aruarian Dance》和Floating Points的《Silhouettes》。后两首严格来说不算爵士，是电子乐手对爵士的采样和重构。

这个选择暴露了AI的某种"作弊"逻辑：它把"氛围"当成了最高优先级，流派边界被模糊了。对普通用户这是好事，对爵士原教旨主义者可能是冒犯。我连续走了三个晚上测试，发现Nujabes那首确实最贴合城市夜间的节奏——地铁通风口的风声、便利店自动门的叮咚、远处救护车的低频——它的采样结构刚好嵌进这些环境音里。

ChatGPT在歌单说明里写了句挺准的观察："这些曲目在即兴与结构之间游走，像城市本身一样既规划又失控。"这话不像机器写的，我猜是从某个乐评数据库里扒来的，但用在这里确实贴切。

第三关：最难描述的模糊情绪

前两个测试都有明确标签，第三个我故意不给路标。我输入的是："我需要一些歌，感觉像周日傍晚意识到明天要上班，但窗外天气又特别好，那种既焦虑又舍不得浪费最后几小时阳光的感觉。"

这是中文互联网常说的"Sunday Scary"（周日恐惧症），但混合了天气变量。人类 curator（策展人）听到这种描述会抓狂，AI反而没有心理障碍。

它交回来的名单很混搭：Radiohead的《No Surprises》、Frank Ocean的《Self Control》、宇多田光的《First Love》、甚至有一首坂本龙一的《Merry Christmas Mr. Lawrence》钢琴版。流派横跨另类摇滚、R&B、J-Pop、古典跨界，但情绪光谱确实卡在那个狭窄的交集里——不是悲伤，是悬置；不是兴奋，是抓紧。

最意外的是宇多田光那首。这首歌在Apple Music日本区是国民级爆款，但在我的美区账号里平时根本不会露面。AI似乎跨区调了数据，或者这首歌在全球化的"怀旧焦虑"标签下有足够权重。我查了下发现在2020年TikTok复兴潮里，它确实被大量用在"周日傍晚"场景的视频配乐里。AI可能比我自己更清楚我最近两年无意识消费过什么内容。