AI 能写香水配方吗？

AI 能写出一个看似合理的香水配方，而通用聊天机器人写出的配方是无法称量的：它会列出你没有的原料，按它读过的所有论坛帖子的平均值来定剂量，也完全不知道 0.1% 的 Iso E Super 放在一种强力醛旁边会有什么表现，因为没有人把这一点写下来。一个每次运行都拿到真实目录、你的原料架和 IFRA 表格的工具，才能写出你能放到秤上的东西。试香条上的试配仍然要由你来做。

通用聊天机器人对香水原料究竟了解什么？

文字。语言模型读过描述、供应商页面、论坛帖子和几本书，从中它知道人们如何谈论一种原料：Hedione 是一种通透的茉莉，乙基麦芽酚是焦糖。它不知道 Hedione 在新蘸的试香条上几乎闻不到，却能在第四小时撑起一个配方；也不知道 1% 的乙基麦芽酚就已经是整款香水了，除非恰好有人写过这句话。它从来没闻过任何东西，更重要的是，它从来没有被试香条纠正过。所以它的配方是配方的平均值：柑橘开场、花香中调、木质琥珀后调，百分比加起来是一百，每一种强力原料都被当作安静原料来定剂量。

每次都会出现的三个失误：

• 你没有的原料。它为一个想象中的原料架写配方。一半的行是业余爱好者从未买过的净油和专属分子。
• 没有强度概念。百分比来自一种原料被提及的频率，而不是它有多响。
• 没有合规意识。它不知道哪些行含有限用分子，更不知道来自三种天然原料的同一种分子要合计一次。

当 AI 拿到目录和你的原料架时，会有什么不同？

区别不在于模型更聪明，而在于请求中给了模型什么。当每次运行都带上你拥有的原料，连同它们的气味描述、强度评级、试香条留香时间数值、强力原料的剂量上限，以及有 IFRA 限量的行的限量时，模型就是在用事实而不是对文字的记忆来创作。它无法写出列表之外的原料。一种强度为 9 的原料会附带一个上限，告诉模型它只能以不到百分之一的量使用。答案以你原料架上的各行返回，每行附有百分比和作用，各行占比在你看到之前由代码精确归一到 100，然后再对照原料架检查一次。

PerfuMate 的 AI Studio 就是这样运作的，而这个区别重要到需要直白地说明：模型每次运行时都会拿到目录和你的原料架。它并不用它们进行训练。你的任何东西都不会成为模型的一部分，同样的请求配上不同的原料架，会得到不同的配方，因为原料架本身就是简报。

这样的工具擅长做什么？

• 根据简报勾勒结构。“一款夏天用的干燥木质柑橘，原料不超过 15 种，用我现有的”，返回一个你十分钟就能称好的骨架。
• 从你自己的原料瓶中推荐替代品。如果简报需要檀香，而你有 Javanol 却没有檀香油，它会按 Javanol 的剂量写 Javanol。
• 把修改意见变成克数调整。“少一点甜，多一点干”变成一行更少的香兰素和一行新的岩兰草，都来自你已有的原料瓶。
• 保证算术准确。稀释度、总和为 100 以及安全上限，都由模型之外的代码完成，而不是由模型完成。

它在哪里仍会失败？

在试香条上。一个拿到了优质事实的模型仍然没有鼻子。它无法知道你的佛手柑是一瓶已经走味的旧原料，也无法知道两种各自闻起来都不错的原料会在香气演变中打架，更无法知道简报背后的构想比简报本身更好。它有时还会在给定的上限之内把安静的原料用多、把响亮的原料用少，因为上限只是围栏，不是判断。把输出当作一份称职的初稿，出自一个读过一切却什么都没闻过的人之手。

应该如何使用 AI 写的配方？

1. 在改动任何东西之前，先按原样以小份量称量这份草稿。
2. 在十分钟、一小时、四小时和第二天早上闻试香条，用一句话写下哪里不对。
3. 把这句话作为下一份简报交回去，或者自己动手改那一行。
4. 保留每一个版本。成功的配方通常是第三或第四个，而让你学到东西的，是它与第一个版本之间的差异。

这个循环就是产品本身。一个能在几秒钟内写出初稿的 AI 之所以有用，恰恰是因为拥有最终话语权的是试香条，而不是模型。

这正是 AI Studio 的用途：它只用你原料架上的原料进行创作，每次运行时都会拿到目录、你的原料瓶和 IFRA 限量，但从不用它们进行训练；它返回你能称量的各行，并把草稿直接放进编辑器，由香气特征和香气演变图显示它在一天中会如何表现。工作台可以免费开始使用。