你手里的 AI，和别人手里的不是同一个 AI

发表于2026-08-30|更新于2026-09-15|AI

|总字数:10.4k|阅读时长:30分钟|浏览量:

你手里的 AI，和别人手里的不是同一个 AI

前阵子参加了一场 AI 工具的线下交流会（城市不说，公司名也不说，都不重要）。会上有个现象很有意思：科班出身的、半路出道的、文科背景的，各讲各的，彼此的观点几乎无法对话。

一位半路出道的开发者上台，要向大家分享一个”听到就绝对不可能”的东西——一个零 Bug 的 skill，用来开发小程序，一定一次通过，没有 bug。

同一场里，另一群人在聊的是：定期抓一遍开源社区的热点、做成 RSS 推送这种工作流，去年就已经能靠 AI 百分百复现了，效果还很好。

这两拨人坐在一个房间里，用着同一个词——“AI”——在描述两个完全不同的东西。

我一开始以为这是水平差距。后来想明白了：不是观点不同，是手里的东西根本不是同一个。 同一场会里至少叠着四层分裂，每层都会让上层的讨论失去共同基础。

上一篇讲的是宏观层面：AI 把成本从”做出来”搬到了”判断对不对”上。这一篇往下钻一层，讲一个更前置的问题——为什么大多数人连”AI 到底好不好用”这个最基本的判断都做不出来。

答案有点难堪：因为你根本不知道自己手里拿的是什么。

一、模型层：你没见过它真正的样子

先说最基础也最少被提起的一层：免费 chat 界面里的模型，从来都是 API 的严重缩水版本。

这不是猜测，是这个行业的通行做法。网页端和 App 端要扛住海量的并发，给你的是经过量化的、上下文被截断的、采样参数调得更保守的版本，高峰期还会再降一档。它和你在 API 里调用的同一个名字的模型，能力不是一回事。

这个事实的推论很硬：在缩水版上得出的任何判断，都只对缩水版成立。

于是”AI 不过如此”和”AI 无所不能”这两种截然相反的结论，可以同时为真——因为描述它们的两个人，压根不是在同一个东西上得出的结论。他们只是在用同一个词。

云端化让这件事更难了

而最近几个月，情况还在一路恶化。

各家都在把 Agent 往云端搬。豆包把扣子（Coze）和 Trae 一并并进了”豆包工作”——前者出多模态能力（办公场景和 AI 视频工作流），后者出代码能力；腾讯有 WorkBuddy，Cursor 也加上了原生的云 agent 能力。方向都对——云端意味着不用配环境、不用管依赖、开箱即用，而且把多种能力缝进同一个入口，本来就是当下的产品共识。

但它带来一个没人明说的副作用：当你的工作空间变成一个云上的黑盒，你离”仓库”这个概念就更远了。

你不再清楚文件在哪儿，不再清楚 AI 到底看到了什么，也更不会想起来要主动塞点什么进去。而恰恰是这一层——你要额外提供给 AI 的环境信息——才是决定它能不能干活的关键。

于是出现了那句在现场反复被验证的话：AI 纯自己管一个仓库，到后面绝对会烂，无论是谁的仓库，绝对会烂。 不是因为模型不行，是因为没有一套统一标准告诉用户该提供什么文件、该给 AI 什么工具，而用户自己又完全没有”这件事需要我来做”的意识。

二、成本层：那一百万 token，人人都算错

第二层分裂在钱上，而且它比想象中更隐蔽。

大多数人的付费意愿并不高，用免费版又用不好。稍微往前走一步的人，会听劝去买付费 API——但他们既说不清自己要怎么用，也算不明白这笔账。

最典型的误算是这样的：听说某个模型每百万 token 几块钱，于是以为自己看到的内容总共一百万 token，那就是几块钱。

这里面藏着两个没人告诉过他们的真相。

第一条：AI 永远只在进行一轮对话。

你看到的”多轮对话”，对模型而言根本不是连续的。它没有任何跨轮次的记忆——每一次调用，它都要把整包上下文（系统提示、历史对话、工具返回的结果）重新读一遍，重新做一次完整的前向推理。所谓记忆，全在外部，靠把历史塞回上下文里实现。

这意味着成本是二次增长的：第 N 轮要处理前 N-1 轮的全部内容。你以为你在”接着聊”,实际上你在每一次对话里重新付一遍前面所有轮次的钱。

第二条：每一次工具反馈，都会触发一次缓存读写。

Agent 之所以比聊天框强，是因为它会调用工具。但工具每返回一次结果，这份结果就被追加进上下文，然后整包重新走一遍。你看到的是”它查了一下”，账单上记的是”整个上下文又被完整处理了一次”。

所以”用户可见的一百万 token”和”实际消耗的一百万 token”是两件完全不同的事。

这也正是真正的试错成本所在——它不在订阅费那一栏里，它在每一次你让它”再试一次”的时候悄悄累积。上一节说的免费版缩水，和这一节说的账算不清，加在一起构成了同一个后果：大多数人既没见过真家伙，也算不出真账单，却要在此基础上判断”AI 值不值得用”。

三、工程层：缰绳替你管了上下文，但背景信息只能你自己给

第三层是技术层，也是最容易讲歪的一层。

先把演进顺序摆清楚，一段带过，因为它在我之前那篇《模型变强了，Agent 的约束框架该松了》里已经讲透了：

提示词工程（怎么问）→ 上下文工程（给什么信息）→ 编排工程（怎么组织能力）→ 循环工程（怎么让它持续产出）

Harness（编排层）这个词来自马具——缰绳、马鞍、嚼子，一整套用来驾驭强壮但不可预测的动物的装备。有个类比很贴切：提示词工程是对马喊话的技巧，上下文工程是给马看的地图，编排工程是给马修一条高速公路，配上限速牌和护栏。

这个词由 HashiCorp 联合创始人 Mitchell Hashimoto 在 2026 年 2 月提出，六天后 OpenAI 在百万行代码的实验报告里正式采用。他对它的定义值得抄下来：

任何时候，只要 Agent 犯了一个错，你就花时间去设计一套方案，让它在未来不会再犯同一个错。

注意这句的潜台词：Agent 的每一次失败，都是环境设计不完善的信号。正确的回应不是换一个更强的模型，而是重新设计它运行的环境。

LangChain 的数据能说明这个思路的分量：底层模型一个参数都没动，仅仅优化外部编排环境（文档结构、验证回路、追踪系统），编码 Agent 在 Terminal Bench 2.0 上的得分从 52.8% 涨到 66.5%，排名从第 30 位跳到第 5 位。

问题出在：编排层太能干了

这就是关键转折——正因为编排层把上下文管理做得越来越自动，用户反而不存在”我要主动管上下文”这个念头了。

工具确实给了你控制的入口。以 OpenClaw 为例，它的斜杠命令里明明白白摆着 /context list（查看上下文都由哪些部分构成）和 /compact（压缩上下文、释放窗口空间）。它的工作区里也明明白白摆着 AGENTS.md、USER.md、MEMORY.md 这一组文件。

但有多少人打开过？有多少人往 USER.md 里写过一句话？

而手动提供这件事，AI 替代不了

有人会说：不是有 Agent 吗，它自己会用 bash 去仓库里查啊。

能查，但两个问题无解。

第一，慢。 让它自己摸索出一个项目的约定，和你直接把约定写在文件里让它读，成本差一个数量级。而按上一节的说法，这个差距是要按”整包上下文重跑”来计价的。

第二，也是更致命的一条：既然是小白，那些背景信息会在仓库里吗？

不可能。项目为什么是现在这个结构、哪次事故之后定了哪条规矩、哪个依赖不能升、客户那边认哪个版本——这些东西从来就没被写下来过，它们只存在于做过这件事的人的脑子里。AI 可以检索一切被记录下来的东西，但它检索不到从来没被记录过的东西。

这就是为什么”让 AI 自己管仓库”这条路走不通。它面对的不是一个信息充足但杂乱的仓库，而是一个信息本身就有巨大空缺的仓库，而它没有任何办法知道缺的是什么。

让 AI 自己管，结局是确定的

Anthropic 的工程师总结过 Agent 的三种典型翻车姿势，每一条都指向同一个根因：

试图一步到位：在一个会话里把所有功能做完，上下文窗口耗尽，留下一堆没有文档的半成品。
过早宣布胜利：看到部分功能完成了，就宣布任务结束，哪怕还有一大半没做。
过早标记完成：写完代码就标记完成，不做端到端测试。单元测试过了不代表功能可用。

还有一条更阴的：Agent 极其擅长模式复制。 代码库里有什么模式，它就忠实地复制并放大——包括坏模式和架构漂移。 不加约束的 Agent，会以惊人的速度积累技术债务。

所以那句总结才站得住：为了获得更高的 AI 自主性，运行时必须受到更严格的约束。增加信任需要的不是更多自由，而是更多限制。

四、所有厂商都在做同一件事：把工具藏起来

讲完工程层，就能看懂一件正在发生、但很少被挑明的事：头部厂商的产品方向高度一致——把 Agent 的中间过程从用户眼前拿走。

时间线摆出来很清楚：

2025 年 1 月，OpenAI 发布 Operator，让 AI 直接操作浏览器。
2025 年 7 月，OpenAI 把 Operator 团队和 Deep Research 团队合并，做出 ChatGPT Agent。原先独立的 Operator 随后停运，Deep Research 的分析能力被吸收进 Agent 内部。
2026 年 3 月 5 日，GPT-5.4 发布，首次把推理、编程和 Agent 工作流整合进同一个模型，并首次同时登陆 ChatGPT、API 和 Codex。它带来原生的 Computer Use——直接解读屏幕、控制鼠标键盘；文本浏览器、可视化浏览器、终端、API 调用共享同一份状态、无缝切换。在 OSWorld 基准上拿到 75%，人类平均是 72.4%。
再往后，OpenAI 开始把 ChatGPT、Codex 和开发者 API 进一步合并成统一的 agentic 平台。

Deep Research 自己也变了：从”提交请求、等待报告”，变成可中途介入、可限定信息源、可接连接器的交互式流程。

这些动作的共同点是什么？是产品方正在替用户把”上下文工程”和”工具编排”这两层直接做了。

于是用户看到的是这样一幅画面：我提了一个问题，界面上开始滚动一段”思考过程”，折叠着、读不太懂，然后一份结果出来了。

大多数人以为那只是一段被折叠的思维链。

实际上那段折叠起来的东西背后，是几十次工具调用——它去查了你根本没提供的背景，跑了你没想到要跑的检查，把用户没说清楚的部分自己补全了。你以为你在和一个聊天框说话，其实一个完整的 Agent 已经在后台替你把活干完了。

这个方向没错，但它有一个没人回答的问题

必须承认：这个方向是对的，而且是不可逆的。用户想偷懒是天经地义的，产品顺着这个方向走也很合理。把门槛降到”一句话就能用”，才有可能让这项技术真正普及。

但代价也实实在在：你离”我在用什么、它替我做了什么”这件事越来越远了。

而这恰恰会加剧前面说的那些分裂——你越不知道它干了什么，你就越没有能力验收；越没有能力验收，你就越只能凭”看起来对不对”来判断结果。

所以必须问一句：当产品替你做完了所有中间层，验收的责任在谁身上？

答案从来没变过，只是越来越少人愿意听：在你身上。 工具可以替你调用工具，工具不能替你承担责任。

为什么厂商非做不可：指望用户自己配好，本来就不现实

这里还有个问题必须回答：厂商为什么非要替用户做掉这一层？仅仅是因为这样更好卖吗？

不止。看看这半年真正跑出来的那批 Agent 就明白了。

OpenClaw——就是那个最初叫 Clawdbot、因为名字太像 Claude 收到律师函、中途改叫 Moltbot（脱皮龙虾，吉祥物是只龙虾）的项目，作者是 PSPDFKit 创始人 Peter Steinberger。

Hermes Agent——Nous Research 开源的自主 Agent 框架，官方定位一句话：“The agent that grows with you”，一个会随着使用不断成长的 Agent。 它被描述为业内少见的原生内置学习闭环的 Agent：从执行经验里沉淀技能、自主优化能力、持久化知识、跨会话完善用户认知模型。

这两个项目的共同点，不是能跑代码，也不是能接十几个聊天平台，而是——它们都在主动替用户做同一件事：从执行经验里沉淀技能。

Hermes 对记忆这一项的描述是：它会学习你的项目、自动生成技能，并且不会忘记它解决过的问题；每次会话结束后，重要信息写入持久记忆。它还支持用自然语言设定定时任务，在后台无人值守运行。

而圈内管这个机制叫”做梦”，是个很贴切的说法：在你睡着的那些小时里，它把今天跑过的东西翻一遍——哪些工具调用试了很多轮才走通、中间踩了哪些坑、最后是怎么成的——然后把这条路固化成一个 skill。下次再遇到，不用重新摸索。

为什么这类东西会火？

因为它们解开了一个真实存在的死结：用户表达不清的地方，它用额外的上下文和自己的知识去补；用户犯过的错，它自己记下来，下次绕开。本质上，是厂商在替用户完成”和用户自己磨合”这件事。

而这件事之所以只能由厂商来做，原因极其朴素：

指望用户自己把自己的 Agent 配好，本来就不现实。

绝大多数人既不知道 AGENTS.md 该写什么，也不会去写；既搞不清 skills 是什么，更不会去维护。你要求他们先学一遍上下文工程再来用工具，等于直接把他们劝退。厂商比谁都清楚这一点，所以只能自己发力。

于是形成了一个有点荒诞、但确实在转的循环：

因为用户不肯提供上下文，所以厂商替用户猜上下文；厂商猜得越准，用户就越没有动力去提供上下文。

这个循环不是坏事——它确实把门槛降到了最低，让更多人有得用。但代价同样实在：用户对自己工具的理解，被永久地留在了最初那一层。

五、许愿柳、生图与 AI 漫剧：一句话思维，行业已经为此买过三次单

第四层是最难讲、也最根本的一层，因为它不在工具上，在人身上。

大多数人心里对 AI 的想象，是阿拉丁神灯——我说一句话，它就把结果给我。

这个想象有多普遍，看最近一个梗就知道了。许愿柳的段子里，你说”我要发财”，那这财是怎么给你的？从银行里挪给你？还是你亲戚刚好留了笔遗产？如果你自己都说不清这笔钱该以什么方式出现，那”我要发财”四个字里包含的有效信息量，其实是零。

想让愿望靠谱，你至少得把附加条款说清楚：我希望获得一笔飞来之财，且它不会给我带来任何法律风险，不会影响我现有的工作，不会牵连任何人……

说白了，这就是提示词——而很多人连提示词这一层都还没过去。

这个故事在三年前上演过一次

最有说服力的证据不在编程领域，在生图。

早期的 AI 生图，提示词是很明确的词组拼装：主体、风格、光线、镜头、画质，一个词一个词堆出来。后来突然就都变成了自然语言描述——你随便说一句话，它也能出图。

为什么会有这个转变？

因为用户明明被要求用多个词组来描述，但绝大多数人就是不肯写，就是一句话丢过去。一句”帮我画一张好看的风景”里面，能提取出多少个真正有意义的词？少得可怜。

行业最后怎么解决的？——在每个图像模型前面外挂一个文本解析模型。 一个参数量更小的 LLM，专门负责把你那句含混的自然语言翻译、拆解、补全成真正的提示词，再传给图像模型。

也就是说：用户不肯提供结构化信息，于是系统只好自己长出一层，替用户把这一层补上。

今天正在重演，而且这次补不起

现在回头看 Agent 领域，发生的是同一件事的第二次上演。

用户不肯写 AGENTS.md，不肯维护 USER.md，不肯管理上下文——于是编排层长出了一整套自动上下文管理，替用户把这层补上。

但生图补得起，Agent 补不起。

一张图的上下文就那么大，外挂一个小模型翻译一下，成本可控，出错也就是这张图不好看，重画一张就是了。

而一个代码仓库的上下文是近乎无限的，是跨会话累积的，是会因为一次错误假设而层层传导的。在这里补错了，不会立刻报错，它会安静地变成技术债，然后在三个月后的某次重构里一次性爆炸。

这就是”AI 自己管仓库绝对会烂”的真正原因——不是能力问题，是错误可以被无限期推迟结算这件事，和软件的长期性天然冲突。

第三次买单就在眼前：AI 漫剧

这个剧本现在正在第三次上演，主角是 AI 漫剧。

很多人看到别人做的 AI 漫剧效果极好——运镜丝滑、分镜讲究——于是兴致冲冲去试。结果一上手就卡住：不是模型不行，是自己连描述都写不清楚。

分镜怎么切、镜头怎么运动、角色一致性怎么保持、情绪转折落在哪一帧——这些是分镜和视听语言的基本功。它们不会因为你改用自然语言下指令，就自动长到你身上。

本质上还是同一件事：该学的没学，却以为 AI 时代不用学了。

六、律师的账：专业能力越强，偷懒的代价越大

读到这里，很容易以为前面讲的全是”小白的问题”。不是。

这里有一个反直觉的事实值得单独讲：在真实世界里，用 AI 用出大问题最多的群体之一，恰恰是最懂行的那批人——律师。

先看采用率。多项 2026 年的行业调查给出的数字已经很高：一份覆盖一千三百多名从业者的行业报告显示 69% 的法律从业者在使用生成式 AI（2025 年是 31%，一年翻倍），另有调查给出更高的比例。Thomson Reuters 的 CoCounsel 在 2026 年 2 月宣布用户数达到一百万，覆盖 107 个国家。

理由不难理解：法律工作几乎完全由语言构成，是生成式 AI 最对口的专业场景。而且——这一点很关键——律师恰恰是最有能力把话说清楚的群体。 他们受过严格训练，知道什么叫把一件事陈述清楚，什么叫言之有据。

按理说，他们应该是最会用 AI 的人。

然后数字开始难看了

斯坦福 RegLab 与 HAI 的一项同行评议研究（发表于《Journal of Empirical Legal Studies》）专门测试了律所花高价采购的法律专用 AI 工具，结果是：

Lexis+ AI：17% 的查询出现幻觉
Westlaw AI-Assisted Research：33% 的查询出现幻觉
作为对照，原始 GPT-4：43%

请注意测试对象是”法律专用”工具，不是通用聊天机器人。两家供应商都对研究方法提出了异议，但这项研究经过同行评议，而它的结论足够清晰：没有任何现有 AI 工具能免除人工核查引用。

后果也早已发生。截至目前，全球记录在案的 AI 幻觉法庭案例已超过 1100 起（Charlotin 数据库）——2023 年还只是零星几起，2025 年前八个月就超过 300 起。加拿大法院 2026 年至今已在 79 份裁决中发现虚假案例，而 2024 年全年只有 7 例。

处罚是怎么一路涨上去的

2023 年，Mata v. Avianca（纽约南区法院）：6 条虚构引用，罚款 5,000 美元。一切的开端。
2025 年，加利福尼亚州：在州上诉文件中使用 ChatGPT 生成的虚假引述，罚款 10,000 美元。
2026 年，俄勒冈州联邦地区法院：23 条虚构引用加 8 处虚假引述，109,700 美元。
2026 年，佛罗里达南区法院 ByoPlanet 案：86,000 美元，联邦法院有记录的最高额。
2026 年，内布拉斯加州最高法院：Greg Lake 被无限期停牌——63 条引用中 57 条有问题，4 个案例完全虚构，而他最初否认使用过 AI。

从罚款到吊销执业资格，这条路走了不到三年。

最该记住的是这一个案子

Flycatcher v. Affable（纽约南区法院，2026 年 2 月）。

这位律师反复提交含有 AI 幻觉的文件。法院警告过他，他继续提交。随后法院要求他说明为什么不该被制裁——他用 AI 起草了这份说明，而那份说明里同样包含幻觉。

Failla 法官没有再罚款。她直接终止了案件。客户失去一切。

这是有记录以来，AI 幻觉第一次导致终结性制裁。

我想不出比它更好的例子来说明”验收为什么不能外包”：当一个人连解释自己为什么出错，都要交给那个让他出错的东西去做，他就已经不在循环里了。

幻觉是怎么骗过专业人士的

机制值得说，因为它解释了为什么连律师都会中招。

它不是凭空编一串乱码。它取一个真实法官的名字、一个真实的判例汇编卷号、一个真实的当事人，组合成一条引用——格式完全符合 Bluebook 规范，读起来就是一条标准的法律引用。

陷阱正在于格式。 律师扫一眼，格式对了，就默认是真的，于是没有去核。

一句话总结这个机制：它读起来像法律，它不是法律。

这一节真正想说的

律师身上藏着一个悖论，而这个悖论适用于所有专业人群：

你的专业能力让你用 AI 用得更好，同时也让你更敢偷懒。 因为你知道自己有能力把事情说清楚，所以你觉得偶尔省一次没关系。

但幻觉不会因为你是专家就打折。 它对律师的幻觉率是 17% 或 33%，不会因为你资历老就降到 5%。

还有一组数字把这个背景补全：54% 的律所不为律师提供任何 AI 培训，43% 没有任何正式的 AI 使用政策。

甚至有个不那么体面的细节：2026 年西北大学与纽约市律师协会的抽样调查发现，超过 60% 的联邦法官在自己的司法工作中使用 AI 工具；而与此同时，超过 300 名联邦法官要求出庭律师披露并证明其 AI 使用情况。

研究者 Damien Charlotin 对 NPR 说过一句话，可以原样搬到任何专业领域——问题在于，“AI 太好用了，但还不够完美”。

七、凭什么它背得住：训练截止、搜索边界，和一个从不遗忘的东西为什么总在说谎

律师要判例，大学生要参考文献——这其实是同一个错误的两个版本。

后者的场景更常见：一句话让 AI 把摘要和正文都写出来，最后补一句”再把参考文献写上”。很多人用的还是最普通的聊天界面。

他们心里的假设是：AI 有能力把那些文献的名字背出来。

这个假设经不起一秒钟的推敲。

凭什么

先问最直白的一层：凭什么？

现在各家模型都在比参数量，本质上是拼谁背得多。就算这个方向成立，你也得面对一个更具体的问题——你凭什么觉得它背的一定是你要的那一条？

现实里确实有考试要求考生进考场前背下参考文献的清单，但那种考试属于极端情况，而且考生背完还得核对。人尚且不能保证自己背的东西一个字不差，你凭什么指望一个模型背得住？

它连新的都还没见过

第二层是时间差，也是最容易被忽略的一层。

假设这个模型是 5 月发布的，你在 8 月用它。6 月和 7 月出来的东西，它知道吗？

绝对不可能知道。训练结束的那一刻，它的知识就冻结在那儿了。后面发生的所有事，对它而言不存在。

这个道理简单到近乎废话，但大量的人完全没有这个概念——他们默认”它是 AI，它应该知道”。

那开个联网搜索不就行了？

这是最常见的反驳，也是最值得拆的一层，因为它半对半错。

网络搜索的原理是：模型去调一次搜索引擎的接口，拿回搜索引擎能爬到的东西。 关键在”能爬到”这三个字。

公开网页只是信息世界的表层。真正高密度、高准确性的内容，绝大多数不在网页上，它们在数据库里：

判例在 Westlaw、Lexis 这些法律数据库里；
论文在 Web of Science、PubMed、知网这些文献库里；
行业标准在标准库的付费区里；
你公司内部的接口文档在内部 Confluence 里。

这些东西大部分不对搜索引擎开放，或者只开放了一个摘要页面。你搜得到一条题录，不代表你拿得到全文；你拿得到全文，不代表你拿得到它的完整引用信息。

要真正接进去，只有一条路：工具调用。 写脚本去抓、去接 API、去对接本地的专业软件——这恰好就是前文说的 MCP 连接器那一层。

而这正是绝大多数人既不会做、也不知道要做的事。他们以为网页上那个”联网搜索”的小开关，等于接上了全世界的数据库。

那它为什么还能一本正经地给你一个答案

这才是真正要害的问题，也是这一节标题的后半句。

生物神经网络演化了数亿年，至今仍然会遗忘、会记错、会产生幻觉。人工构建的神经网络，凭什么不会？

但这里有个区别必须说清楚，它能澄清一个流传很广的误解：

严格来讲，大模型并没有”遗忘”这回事。 训练一旦完成，参数就固定了，它不会因为时间流逝而把什么东西忘掉。它不会的那一块，从训练结束的那一刻起就不存在。

它会的是另一件事——幻觉。

真正的”遗忘”只发生在训练过程内部。举个例子：一个模型从预览版到正式版，中间那段后训练换了数据集、调了配比，结果某些原本会的能力反而退化了——那种才配叫遗忘，也就是机器学习里说的灾难性遗忘。

把这个区别讲清楚之后，问题的形状就非常明确了：

你面对的是一个不会遗忘、但随时可能在一片空白上自信地补全的系统。

它记不住的东西，它不会说”我不知道”。它会给你造一个格式完美、读起来极其像真的答案——一个真实作者的名字，配一个真实期刊的卷号，加一个看起来完全合理的年份。

它不会的地方，恰恰是它最流畅的地方。

所以知识永远是翘板

到这里可以给这一节一个落点。

前面所有的机制都指向同一件事：你必须有那块板，才踩得出它给的东西是不是空的。

一个没读过几篇论文的人，拿到一份 AI 生成的参考文献列表，没有任何办法分辨哪条是真的；一个从没翻过判例的人，拿到一条格式完美的引用，也没有任何办法分辨它是否存在。

工具一直在升级，但”该学的没学”这件事，从来不会因为工具升级就自动作废。

八、验收层：零 Bug 的 skill，和打不开的 GitHub

最后回到开头那个”零 Bug 的 skill”。

它不需要反驳，它是这一层最好的标本。一个说自己写小程序一定一次通过、没有 bug 的 skill，其存在本身就说明提出者从未验收过任何东西。 因为只要你验收过一次，你就知道”一次通过且零 bug”在软件工程里不是一个可承诺的东西。

真正值得说的是它背后的东西：非科班和文科背景的使用者，面对的是一整套结构性障碍，而不是”不够努力”。

至少三条，一条比一条基础：

教程良莠不齐。 网上的内容大量是互相抄的，且严重滞后。
搞不清 skills 是什么。 这个词被提了无数次，但绝大多数人不知道它其实就是一个写着项目约定的 SKILL.md 文件夹，也不知道自己需要写一个。
打不开 GitHub。 这一条最朴素，也最致命。信息源断在源头，后面所有方法都无从谈起。

同一个房间里，另一拨人在聊的工作流——定期抓开源热点、做 RSS 推送——对科班出身的人来说，去年就已经能用 AI 完整复现并跑得很好了。这个差距不是智力的差距，是资源可达性的差距。

还有一类误区更隐蔽，也更需要说，因为它发生在受过训练的人身上。

谷歌的模型去年就已经能画出很像样的科研绘图了，但绝大多数研究者还在手绘。这本身还好解释——习惯问题。真正的问题是用了之后的那句抱怨：“模型画得不对。”

你刚发现的这条分子通路，模型的训练数据里根本就没有。你让它画一个它从未学过的东西，然后指责它画得不像。 这不是模型的失败，这是提问的失败——你得先把背景、结构、已知关系喂给它，它才可能画出你想要的东西。

本质上还是那四个字：上下文工程。 而这四个字，恰恰是绝大多数人还没做到的一步。

九、大厂是怎么做的：允许、鼓励，但不按使用量考核

会上有一段内部视角的分享（公司名和城市都不重要），我觉得是全场最有价值的实操信息，因为它回答了一个很多人吵不出结果的问题：一个真实运转的大团队，到底怎么对待员工用 AI。

几条关键信息：

基层岗完全允许用 AI。 新招的应届生，计算机相关专业本科阶段学过编程就行，能力高低只影响薪资和职级，不影响你用不用 AI 的资格。
给配额，各家模型都有，包括国外的。 员工可以自己选工具。
但不以 AI 使用量作为最重要的绩效考核。 鼓励高效使用，但不数你用了多少次。
合并分支的标准只有一条：结果能跑通，可说服、可论证。
内容生产类的代码另算。 因为平台对明确标识为 AI 的内容有限流逻辑，所以生产端不鼓励大量使用——除非是专门的 AI 影视赛道。
积极使用被鼓励，消极滥用被严厉禁止。

最后这一句里，”积极使用”和”消极滥用”的区分标准是什么？就是前面那条：能跑通，可说服、可论证。

这几条合起来，指向的是一个非常清醒的判断——

他们考核的是产出，不是工具使用率。

这和上一篇讲的”成本从生成搬到验收”是同一件事的两个切面：既然贵的东西已经变成了验收，那组织当然应该考核验收的结果，而不是考核生成的用量。

十、工具升级了，该学的还得学

到这里必须处理一个绕不开的反驳：照你这么说，AI 时代岂不是什么都要学，那还要 AI 干什么？

不是这个意思。我的意思是——工具会精简你需要的专业知识，但不会让它归零。 被精简掉的那部分是真的精简了，不必再学；被保留下来的那部分，恰恰是最不能丢的。

这件事人类已经经历过很多次了，回看几个例子就很清楚。

计算器。 它淘汰了手算四位数乘除法，但从来没有淘汰数学课。因为计算器只负责”算”，不负责”该算什么”。更实际的一点是：你按错一个键，计算器不会提醒你，唯一能发现错误的是你心里那个粗略的估算。 估算能力不是用来替代计算器的，是用来给计算器兜底的。

导航。 它淘汰了背地图，但没有淘汰认路的价值。几乎所有人都经历过被导航带进死路、带进单行道、带进一条正在施工的路——那一刻能救你的，只有”没有导航也知道自己在哪儿”这个能力。 这个能力平时完全用不上，用上的时候却值全部。

自动驾驶与飞行员。 这是最值得说的一个。现代客机的自动驾驶系统已经能完成起飞、巡航、进近、着陆的绝大部分操作，而且比人类更稳、更省油。但民航体系从来没有因此取消飞行员的手动飞行训练——恰恰相反，飞行员必须定期手动飞行以保持资质，这是强制项。

原因有两条。第一条很直白：系统会在极端情况下失效，失效那一刻需要的正是基础能力。

第二条才是关键，而且是个悖论：自动驾驶越可靠，飞行员的手动飞行时间就越少，技能就越生疏；而技能生疏本身，成了新的风险来源。

所以训练不是可选项，是强制项。

这是人类有史以来第一次用制度明确承认一件事：工具越可靠，人的基础能力就越需要被强制维护。 因为这两者是此消彼长的关系，不会自动保持平衡。

把这个结论搬回 AI 就非常清楚了：

被精简掉的，是”怎么做”那部分——查语法、写样板、搜资料、跑重复流程。这些确实不用再练了，练也练不过机器。
被保留下来的，是”做得对不对”那部分——判断、验收、承担责任。这些不但没精简，反而因为生成变便宜而变得更贵。

而后者，恰恰是唯一不能外包的东西。

十一、先搞清楚自己站在哪一层

写到这里，可以给一张自检表。四层，从下往上，每层问自己一个问题：

层	自检问题	如果你答不上来
模型层	我现在用的这个界面，给我的是完整版还是缩水版？	你对 AI 的所有判断都只对缩水版成立
成本层	我这一个月真正烧掉的 token，和账单上的数字对得上吗？	你在为看不见的东西付费，且不知道贵在哪
工程层	我的 `AGENTS.md` / `USER.md` 里，现在有几个字？	AI 每次都在从零猜你的项目
验收层	我能说出 AI 上一份输出的三个问题吗？	这一层你已经外包了，且没人替你承担后果