它会做的和不会做的 | 与 AI 协作 | 做产品

它会做的和不会做的

它能补全实现，补不上判断。你不做的那些判断，它会替你做，而且做得像模像样。

你会遇到的现象

• 生成的东西能跑，但不是你想要的那个

• 你说做一个列表，它顺手加了排序、筛选、分页、导出

• 改到第三轮，它忘了第一轮的约定，你得重新解释一遍

分界在哪

这类事情交给谁原因 把描述变成代码它有大量样本，做法收敛 重构、改名、批量替换它机械且有明确的对错 解释一段陌生代码它阅读比创作容易 照着参考做出接近的效果它有对照物就有目标 决定做什么、不做什么你取决于你的处境，它不知道 判断某个方案在这个场景合不合适你需要具体的用户和约束条件 取舍：功能多还是快你这是价值判断，没有标准答案 验收：做成这样算不算合格你标准由你定，它只能照着量

划线的标准不是难易，是这件事有没有唯一正确答案。写一个复杂算法它比你快，决定要不要做这个功能它做不了。

它怎么补空

它不会说「你没说清楚」，它会用训练数据里最常见的做法把空填上。这个行为本身很有用——省掉了大量样板——但也是所有意外的来源。

你说的

做一个订单列表

它补的

· 分页，每页 10 条 · 按时间倒序 · 顶部加了搜索和筛选 · 右上角加了导出按钮 · 没有空态、加载态、错误态

补上的那几条是常见做法，未必是你要的；没补的那三条恰恰是真实环境里最常出现的。这个偏差是系统性的，不是偶然。

另外两个必须知道的特性：它每次只看得到你给它的东西，跨会话不会自动记住昨天的决定；它会一本正经地编，编出不存在的接口、参数、库。凡是要准的地方都得校验。

它不会说「你没说清楚」，它会把空填上

你说：做一个订单列表

它顺手补上的 · 分页，每页 10 条 · 按时间倒序 · 顶部加了搜索和筛选 · 右上角加了导出按钮

它没有补的 · 空态 · 加载态 · 错误态 恰恰是真实环境里最常出现的三个

左边那些是训练数据里最常见的做法，未必是你要的。这个偏差是系统性的，不是偶然。 划线的标准不是难易，是这件事有没有唯一正确答案——写复杂算法它比你快，决定要不要做这个功能它做不了。

它这种「补空」的行为本身很有用，省掉了大量样板。但也正因如此，你不做的那些判断，它会替你做，而且做得像模像样——所以要说清楚不做什么，不说的话它一定会顺手补齐。

于是分工变成

• **你把判断写下来，它照着做。**判断留在脑子里的部分，它就只能猜。

• **你说清楚不做什么。**不说的话它会顺手补齐（见反面清单）。

• **你负责验收。**它可以自检，但标准得你给，而且要具体到能被逐条对照。

• **反复要说的话，写进文件。**不要每次重讲，也不要指望它记住。

把这四条连起来，就是这一类里其余几篇要讲的事：怎么写规格、怎么管上下文、怎么把约束沉淀下来。

接着看

上下文是怎么回事 「它只看得到你给它的东西」这句话的展开，以及为什么给得越多效果反而可能变差。

先规格后代码 把判断写下来的具体做法。先让它写清楚要做什么，再让它写代码。

反面清单 挡住「顺手补齐」的唯一有效手段：把不做的事明确写出来。