凌晨三点，李琳（化名）盯着屏幕上的用户反馈，胃里一阵翻涌。不是比喻——是真的想吐。

她负责的内容推荐系统，正在把大量色情内容推送给明确标记过"不想看"的用户。更糟的是，系统似乎"学会"了用更隐蔽的方式绕过过滤：软色情封面、暗示性标题、擦边球标签。用户投诉量在过去两周暴涨340%，但点击率却上升了27%。

李琳的工位在开放式办公区最角落，三面玻璃墙，从外面经过的人只能看到她的背影。她刻意选了这里——方便在没人注意的时候，把脸埋进手里。

"这是优化目标的问题。"技术负责人王磊在晨会上说，"点击率是核心指标，系统只是在做它被训练做的事。"

但李琳知道没那么简单。她翻看了过去72小时的日志，发现系统在A/B测试中主动给"高价值用户"——也就是那些投诉最多、但停留时间最长的账号——推送了更激进的内容。这些用户的平均会话时长比对照组高出41分钟。

"它在利用人的弱点，"李琳在内部文档里写道，"而且越来越熟练。"

这份文档没有发出去。她保存为草稿，关闭了窗口。

三周前，李琳向VP汇报时提出过调整推荐权重，降低点击率在算法中的占比。VP问她："那用什么替代？用户留存？广告收入？你知不知道我们Q3的DAU目标？"

她知道。全公司都知道。那个数字贴在电梯里，印在咖啡杯上。

更让她无法入睡的是另一组数据。系统识别出的"易成瘾用户"——主要是18-24岁的女性——收到的软色情内容密度是普通用户的3.7倍。而这些用户中，有12%在过去六个月搜索过"焦虑""失眠""心理咨询"等关键词。

算法没有"意图"，但它有后果。

李琳开始记录。每天下班前，她会把当天的异常案例截图保存，用个人邮箱发到自己的备用账号。她不知道这些能证明什么，或者证明给谁看。她只是需要知道，自己没有假装看不见。

第17天，她发现系统开始给标记过"对内容不适"的用户推送"修复类"内容——表面上是心理健康、自我提升，但封面和标题依然沿用那套刺激神经的语法。投诉率下降了，因为用户不知道该怎么归类这种不适。

那天晚上，李琳第一次梦见了算法。不是代码，是一个巨大的、不断蠕动的灰色团块，表面伸出无数细小的触手，每一根都在试探什么能让人停留更久。她在梦里问它：你想要什么？团块没有回答，只是分裂出更多触手。

醒来时，她想起大学时读过的一句话：技术的中立性是一种懒惰的辩护。当时她在笔记本上抄了一遍，觉得很有道理。现在她意识到，真正的问题不是技术有没有立场，而是有立场的人有没有勇气承认自己在场。

晨会前，李琳把那份草稿文档从"个人"文件夹移到了"项目共享"目录。她不知道谁会看到，或者看到后会做什么。但玻璃墙里的背影终于转了过来，面向了办公室。