Using AI Without Losing Your Critical Thinking給開(kāi)發(fā)者的 AI 判斷力生存指南最近團(tuán)隊(duì)里出現(xiàn)了一個(gè)很有意思的現(xiàn)象新來(lái)的同事用 AI 寫(xiě)代碼很快一天能提交好幾個(gè) PR但代碼 review 的時(shí)候問(wèn)他為什么這么寫(xiě)、有沒(méi)有考慮過(guò)邊界條件、異常路徑怎么處理他支支吾吾答不上來(lái)。這不是個(gè)例。AI 編程工具、AI Agent、AI 測(cè)試助手已經(jīng)在整個(gè)開(kāi)發(fā)鏈路里鋪開(kāi)了但很多開(kāi)發(fā)者的工作模式正在悄悄變化從我要想清楚再寫(xiě)代碼變成AI 生成什么我用什么。代碼能跑但沒(méi)人真正理解它測(cè)試能過(guò)但沒(méi)人知道斷言寫(xiě)得對(duì)不對(duì)報(bào)錯(cuò)信息直接粘貼給 AI答案看起來(lái)合理就直接采用。這篇文章想討論的核心問(wèn)題是用 AI 這件事本身沒(méi)有錯(cuò)錯(cuò)的是把判斷權(quán)也一起交給了 AI。我會(huì)從工程實(shí)踐的角度拆解為什么 AI 會(huì)侵蝕批判性思維以及開(kāi)發(fā)者在 AI 編程、AI Agent、AI 測(cè)試、數(shù)據(jù)分析這些真實(shí)場(chǎng)景里應(yīng)該建立什么樣的驗(yàn)證習(xí)慣和護(hù)欄機(jī)制。文章不會(huì)勸你少用 AI——那是因噎廢食。更實(shí)際的做法是保留 AI 帶來(lái)的效率提升同時(shí)把思考的主動(dòng)權(quán)拿回來(lái)。這才是 2025 年開(kāi)發(fā)者真正需要的能力。1. 為什么你的批判性思維正在被 AI 悄悄繞過(guò)很多開(kāi)發(fā)者把 AI 依賴歸咎于自己變懶了但問(wèn)題沒(méi)那么簡(jiǎn)單。從技術(shù)層面看大語(yǔ)言模型的生成機(jī)制天然會(huì)繞過(guò)人的批判性思維。大語(yǔ)言模型本質(zhì)上是一個(gè)概率推理系統(tǒng)。它根據(jù)輸入的上下文預(yù)測(cè)最可能出現(xiàn)的下一個(gè) token然后不斷重復(fù)這個(gè)過(guò)程直到生成完整回答。整個(gè)生成過(guò)程里沒(méi)有內(nèi)置的事實(shí)核查機(jī)制。模型不知道它說(shuō)的是對(duì)的還是錯(cuò)的它只知道這樣說(shuō)最流暢、最像人類(lèi)會(huì)說(shuō)的話。這里有一個(gè)容易忽略的點(diǎn)模型訓(xùn)練時(shí)優(yōu)化的是答案在語(yǔ)料中出現(xiàn)的概率不是答案在現(xiàn)實(shí)中是否正確。當(dāng)語(yǔ)料里充斥著大量不夠嚴(yán)謹(jǐn)?shù)募夹g(shù)帖子、過(guò)時(shí)的 API 文檔、甚至互相矛盾的代碼片段時(shí)模型學(xué)到的就是這些說(shuō)法很常見(jiàn)所以應(yīng)該這么說(shuō)。這解釋了為什么 AI 會(huì)一本正經(jīng)地給出錯(cuò)誤答案——它并不是在撒謊它只是把概率最高的內(nèi)容組合起來(lái)了。工具設(shè)計(jì)也在加重這個(gè)問(wèn)題。AI 編程助手通常提供Tab 補(bǔ)全這樣的交互方式光標(biāo)停在代碼上按一下 Tab幾十行代碼就進(jìn)去了。整個(gè)交互過(guò)程里工具沒(méi)有引導(dǎo)你停下來(lái)檢查沒(méi)有要求你說(shuō)明需求沒(méi)有讓你確認(rèn)邊界條件。它默認(rèn)你按了 Tab 就是同意。驗(yàn)證環(huán)路從代碼生成過(guò)程中被剝離了取而代之的是一個(gè)非常順滑的接受動(dòng)作。更隱蔽的是心理層面的責(zé)任轉(zhuǎn)移效應(yīng)。當(dāng) AI 給出的答案非常自信、結(jié)構(gòu)完整、格式漂亮?xí)r人天生傾向于相信它——這和人們傾向于相信語(yǔ)氣堅(jiān)定的專(zhuān)家是同一個(gè)心理機(jī)制。于是開(kāi)發(fā)者從我要驗(yàn)證這個(gè)方案對(duì)不對(duì)變成了它看起來(lái)很有道理應(yīng)該沒(méi)問(wèn)題。從工程后果看這種習(xí)慣的代價(jià)是延遲爆發(fā)的。短期看代碼能跑、任務(wù)能完成中期看技術(shù)債開(kāi)始堆積——沒(méi)人理解的代碼邏輯、覆蓋不全的測(cè)試、依賴不明的第三方庫(kù)長(zhǎng)期看團(tuán)隊(duì)里沒(méi)有人能獨(dú)立判斷技術(shù)選型和技術(shù)方案整個(gè)系統(tǒng)的安全性建立在一個(gè)不可解釋的黑盒之上。說(shuō)白了AI 讓代碼生產(chǎn)變快了但讓代碼理解變慢了這兩者之間的差距就是技術(shù)風(fēng)險(xiǎn)。2. 三個(gè)基礎(chǔ)概念批判性思維、AI 幻覺(jué)與驗(yàn)證環(huán)路要把這個(gè)問(wèn)題講清楚先統(tǒng)一幾個(gè)概念。這里我用工程場(chǎng)景來(lái)定義不扯學(xué)術(shù)定義。批判性思維在軟件開(kāi)發(fā)語(yǔ)境里指的是評(píng)估證據(jù)這個(gè)方案有依據(jù)嗎、識(shí)別假設(shè)它默認(rèn)了哪些前提、考慮替代解釋有沒(méi)有別的實(shí)現(xiàn)方式、判斷結(jié)論可靠性這個(gè)結(jié)論在什么條件下成立。寫(xiě)代碼時(shí)考慮邊界條件、review 時(shí)追問(wèn)設(shè)計(jì)動(dòng)機(jī)、排查問(wèn)題時(shí)懷疑初步結(jié)論這些都是批判性思維的具體表現(xiàn)。AI 幻覺(jué)指的是模型生成的內(nèi)容雖然流暢、符合語(yǔ)法、邏輯結(jié)構(gòu)完整但事實(shí)是錯(cuò)誤的或憑空編造的。比如 AI 給你推薦了一個(gè)看起來(lái)非常合理的 API但你去查官方文檔發(fā)現(xiàn)它根本不存在或者 AI 給你描述一個(gè)開(kāi)源項(xiàng)目的活躍維護(hù)狀態(tài)但那個(gè)項(xiàng)目三年前就停止更新了?；糜X(jué)不是偶發(fā)缺陷它是大語(yǔ)言模型生成機(jī)制的內(nèi)生屬性你只能通過(guò)驗(yàn)證來(lái)發(fā)現(xiàn)它無(wú)法通過(guò)提示詞徹底消除它。驗(yàn)證環(huán)路是我在這篇文章里反復(fù)用到的一個(gè)概念。正常的認(rèn)知過(guò)程是提出假設(shè) → 收集證據(jù) → 交叉檢驗(yàn) → 形成結(jié)論。比如你懷疑某個(gè)接口超時(shí)是數(shù)據(jù)庫(kù)連接池耗盡導(dǎo)致的你提出假設(shè)然后看監(jiān)控、查日志、復(fù)現(xiàn)請(qǐng)求最后確認(rèn)根因。AI 工具介入后環(huán)路變成了提出問(wèn)題 → AI 給出答案 →省略證據(jù)收集和交叉檢驗(yàn)→ 直接采用。被跳過(guò)的那兩步恰恰是批判性思維發(fā)生的地方。這三個(gè)概念放在一起看你就能理解一個(gè)判斷AI 并沒(méi)有替你做思考它只是替你做完了生成答案這一步而把驗(yàn)證答案這一步留給了你。工具效率再高驗(yàn)證環(huán)節(jié)不補(bǔ)上整個(gè)鏈路就是斷裂的。維度專(zhuān)家思維AI 依賴型思維拿到答案后先問(wèn)依據(jù)是什么直接看結(jié)論對(duì)不對(duì)面對(duì)異常情況懷疑前提假設(shè)認(rèn)為 AI 沒(méi)提到就是不存在代碼生成后補(bǔ)充邊界測(cè)試能編譯通過(guò)就提交排查問(wèn)題時(shí)從根因出發(fā)驗(yàn)證把問(wèn)題原樣貼給 AI最后防線自己的判斷模型的自信程度3. 建立 AI 信任分層先判斷你在哪個(gè)層級(jí)使用 AI不是所有 AI 輸出都需要同等強(qiáng)度的驗(yàn)證。如果每次用 AI 都要做一次完整的事實(shí)核查效率反而會(huì)拖垮你。更合理的做法是建立信任分層根據(jù)任務(wù)的風(fēng)險(xiǎn)等級(jí)決定驗(yàn)證強(qiáng)度。層級(jí) 0低風(fēng)險(xiǎn)的事實(shí)查詢。比如查某門(mén)語(yǔ)言的語(yǔ)法格式、某個(gè)框架的配置項(xiàng)寫(xiě)法、某個(gè)函數(shù)的簽名。這類(lèi)內(nèi)容的驗(yàn)證成本很低編譯器會(huì)告訴你對(duì)錯(cuò)就算 AI 答錯(cuò)了你也能在幾秒鐘內(nèi)發(fā)現(xiàn)。驗(yàn)證方式看一眼文檔或直接運(yùn)行。層級(jí) 1設(shè)計(jì)建議與問(wèn)題分析。比如這個(gè)微服務(wù)拆分方案是否合理這個(gè) SQL 查詢?yōu)槭裁绰?。這類(lèi)回答沒(méi)有絕對(duì)的對(duì)錯(cuò)但可能包含過(guò)時(shí)信息、錯(cuò)誤假設(shè)或片面視角。驗(yàn)證方式檢查它隱含的前提是否成立、有沒(méi)有考慮到當(dāng)前項(xiàng)目的實(shí)際約束。層級(jí) 2代碼生成與重構(gòu)。AI 生成的代碼必須經(jīng)過(guò)人工閱讀、邊界檢查、真實(shí)運(yùn)行測(cè)試三關(guān)才能進(jìn)入代碼庫(kù)。這里沒(méi)有捷徑任何直接采用 AI 生成代碼而不運(yùn)行測(cè)試的行為都是在給自己埋雷。層級(jí) 3自動(dòng)化決策與 Agent 執(zhí)行。當(dāng) AI 不再只是給建議而是直接操作文件、執(zhí)行命令、修改配置時(shí)它已經(jīng)進(jìn)入了生產(chǎn)鏈路。這時(shí)候你必須有護(hù)欄最小權(quán)限、執(zhí)行前審批、全程日志、可回滾。后面我會(huì)專(zhuān)門(mén)講 Agent 場(chǎng)景怎么做。判斷自己處在哪個(gè)層級(jí)的快速方法是問(wèn)一句話如果 AI 在這個(gè)任務(wù)上答錯(cuò)了造成的損失是什么損失是花五分鐘重查文檔還是線上服務(wù)掛了直接決定你是掃一眼就接受還是需要完整驗(yàn)證。風(fēng)險(xiǎn)分級(jí)是批判性思維的第一步它不是不信任 AI而是把信任建立在可控的范圍內(nèi)。4. AI 編程中的批判性思維驗(yàn)證 AI 生成代碼的五道檢查AI 編程是絕大多數(shù)開(kāi)發(fā)者使用 AI 的主要場(chǎng)景。要想在編程時(shí)保住批判性思維不需要什么高深技巧只需在流程里卡住五個(gè)檢查點(diǎn)。第一道檢查需求先于生成。無(wú)論用什么工具先自己寫(xiě)清楚需求和驗(yàn)收標(biāo)準(zhǔn)。你可以先寫(xiě)出測(cè)試用例再讓 AI 實(shí)現(xiàn)功能而不是讓 AI 直接給你一版代碼。這樣做的好處是你的頭腦里先有了正確的錨點(diǎn)AI 生成代碼后你可以對(duì)照測(cè)試來(lái)判斷而不是被它帶著走。第二道檢查讓 AI 解釋代碼而不是只看輸出。很多開(kāi)發(fā)者的習(xí)慣是AI 生成代碼 → 運(yùn)行通過(guò) → 提交。缺少了人理解代碼這一步。一個(gè)很有效的強(qiáng)制性要求是讓 AI 逐行解釋它寫(xiě)的代碼說(shuō)明每個(gè)分支的意圖。當(dāng)你要求 AI 解釋時(shí)你會(huì)發(fā)現(xiàn)很多地方它的解釋是含混的——因?yàn)樗约阂矝](méi)有完整的因果模型只是按概率拼接出來(lái)的。這個(gè)發(fā)現(xiàn)過(guò)程就是你在恢復(fù)判斷力。第三道檢查邊界與異常檢查。AI 生成的代碼最擅長(zhǎng)處理正常情況最不擅長(zhǎng)處理意外情況。重復(fù)鍵、空值、超長(zhǎng)輸入、并發(fā)沖突、網(wǎng)絡(luò)超時(shí)這些場(chǎng)景 AI 很少主動(dòng)考慮。你需要做的事非常具體把每個(gè)輸入?yún)?shù)問(wèn)一遍如果是空值會(huì)怎樣如果重復(fù)出現(xiàn)會(huì)怎樣如果格式不符合預(yù)期會(huì)怎樣?？匆粋€(gè)具體例子。假設(shè)你讓 AI 寫(xiě)一個(gè)把keyvalue文本解析為字典的函數(shù)它可能給你生成這樣的代碼# 文件路徑config_parser.py def parse_config(raw: str) - dict: config {} for line in raw.strip().splitlines(): if not line or line.startswith(#): continue if not in line: raise ValueError(finvalid line: {line}) key, value line.split(, 1) config[key.strip()] value.strip() return config這段代碼看起來(lái)很正常但真正的風(fēng)險(xiǎn)在邊界處。于是你用測(cè)試用例來(lái)驗(yàn)證# 文件路徑test_config_parser.py import pytest from config_parser import parse_config def test_normal_case(): assert parse_config(a1\nb2) {a: 1, b: 2} def test_empty_line_and_comment(): assert parse_config(# comment\n\na1) {a: 1} def test_duplicate_key_should_keep_last(): # AI 生成的代碼是否處理了重復(fù)鍵 assert parse_config(a1\na2) {a: 2} def test_value_with_equals_sign(): # 值里包含等號(hào)時(shí)是否只按第一個(gè)等號(hào)分割 assert parse_config(urlhttp://example.com?a1)[url] http://example.com?a1 def test_value_missing(): # 后面沒(méi)有值會(huì)怎樣 with pytest.raises(ValueError): parse_config(key)寫(xiě)測(cè)試用例這個(gè)動(dòng)作本身就是批判性思維。它逼著你去想 AI 沒(méi)想到的問(wèn)題。你會(huì)發(fā)現(xiàn)AI 生成的代碼很可能沒(méi)處理值里包含等號(hào)的情況或者對(duì)空值直接拋出 ValueError 而不是給出更友好的提示。這不代表 AI 生成的代碼沒(méi)有價(jià)值——它的主體邏輯是正確的——但只有當(dāng)你親自補(bǔ)充了這些邊界測(cè)試代碼才從看起來(lái)正確變成真的正確。第四道檢查依賴審查。AI 經(jīng)常會(huì)給代碼推薦第三方庫(kù)。這里特別容易踩坑因?yàn)樗扑]的包可能是真實(shí)存在的但已經(jīng)停止維護(hù)了也可能是存在安全漏洞的舊版本甚至可能是名字相似的山寨包。檢查方式不復(fù)雜查官方源里的版本歷史和下載量、看項(xiàng)目的最后提交時(shí)間、確認(rèn)與當(dāng)前運(yùn)行環(huán)境兼容。不要因?yàn)?AI 說(shuō)推薦使用 xxx 包就直接裝。第五道檢查合并前人工 review。無(wú)論 AI 生成代碼的質(zhì)量多高PR 都必須經(jīng)過(guò)人類(lèi)審查。而且審查者不能只是大概看一遍要針對(duì)你信任分層里的高風(fēng)險(xiǎn)點(diǎn)逐一確認(rèn)依賴變更說(shuō)明、異常處理路徑、敏感信息泄露風(fēng)險(xiǎn)。如果團(tuán)隊(duì)里每個(gè)人都只是AI 生成 → 自測(cè)通過(guò) → 合并那代碼評(píng)審制度就名存實(shí)亡了。5. 用提示詞工程保護(hù)思考讓 AI 暴露不確定性很多開(kāi)發(fā)者沒(méi)有意識(shí)到提示詞的質(zhì)量直接決定了 AI 輸出的可信度。默認(rèn)情況下AI 傾向于給出一個(gè)自信、完整、不含糊的回答——因?yàn)橛?xùn)練數(shù)據(jù)里權(quán)威回答的權(quán)重很高。但你需要的是它能幫你暴露風(fēng)險(xiǎn)和不確定性而不是給你一種一切盡在掌握的錯(cuò)覺(jué)。所以設(shè)計(jì)提示詞時(shí)的一個(gè)重要思路是強(qiáng)制 AI 輸出它的不確定點(diǎn)。一個(gè)在實(shí)際項(xiàng)目中很有效的提示詞模板請(qǐng)?jiān)u估下面這段數(shù)據(jù)庫(kù)遷移腳本在 PostgreSQL 13 上執(zhí)行的影響。 要求 1. 先列出你認(rèn)為該腳本在什么條件下是安全的。 2. 然后列出該腳本可能失敗或破壞數(shù)據(jù)的 3 個(gè)場(chǎng)景。 3. 對(duì)每個(gè)風(fēng)險(xiǎn)點(diǎn)給出你的置信度高/中/低。 4. 如果信息不足請(qǐng)直接說(shuō)明缺失了哪些信息不要猜測(cè)。 腳本 ALTER TABLE orders ADD COLUMN status VARCHAR(20) NOT NULL DEFAULT pending;注意第三點(diǎn)和第四點(diǎn)的關(guān)鍵作用。第一點(diǎn)幫你看到 AI 的假設(shè)前提第二點(diǎn)逼它去思考負(fù)面情況第三點(diǎn)讓 AI 從權(quán)威模式切換到概率評(píng)估模式第四點(diǎn)則杜絕了信息不足時(shí)強(qiáng)行編造的傾向。同理在代碼評(píng)審場(chǎng)景可以用反討好提示詞你是資深后端開(kāi)發(fā)工程師正在給一位 3 年經(jīng)驗(yàn)的同事評(píng)審技術(shù)方案。請(qǐng)先指出這個(gè)方案里你認(rèn)為最不可靠的假設(shè)再說(shuō)優(yōu)點(diǎn)。不要為了讓我滿意而刻意贊同我已有的結(jié)論。這個(gè)提示詞之所以有效是因?yàn)樗@式地告訴你希望 AI 怎么做而不是依賴 AI 自己領(lǐng)悟。大模型不會(huì)拒絕你的明確要求但也不會(huì)主動(dòng)做你沒(méi)要求的事。所以在提示詞里明確寫(xiě)先列出反例、再給結(jié)論、標(biāo)注置信度實(shí)際上就是在給驗(yàn)證環(huán)路裝回開(kāi)關(guān)。這里做一個(gè)直觀對(duì)比。錯(cuò)誤的提問(wèn)方式這段代碼有 bug 嗎正確的提問(wèn)方式這段代碼在什么情況下會(huì)出錯(cuò)請(qǐng)先列出你發(fā)現(xiàn)的所有隱患再給出修復(fù)建議。前者的默認(rèn)答案是沒(méi)發(fā)現(xiàn)問(wèn)題或者有一個(gè)小問(wèn)題修復(fù)如下——AI 會(huì)順著你的期待走。后者的默認(rèn)答案是帶著負(fù)面視角去掃描代碼你用提示詞逼它展示不確定性自己就能省下大量排查時(shí)間。6. Agent 場(chǎng)景的批判性思維給自主執(zhí)行設(shè)計(jì)護(hù)欄AI Agent 是比代碼生成更進(jìn)階的使用場(chǎng)景。Agent 不只給你建議它還能自己拆解任務(wù)、調(diào)用工具、操作環(huán)境、生成文件?？雌饋?lái)很美但這里的風(fēng)險(xiǎn)量級(jí)完全不同一個(gè)錯(cuò)誤操作可能導(dǎo)致文件被覆蓋、配置被修改、命令被執(zhí)行。在 Agent 場(chǎng)景里保持批判性思維靠的不是時(shí)刻盯著屏幕——那太累了而且人總有走神的時(shí)候。更可靠的做法是在 Agent 工作流里內(nèi)置護(hù)欄把人監(jiān)督變成流程強(qiáng)制。第一個(gè)護(hù)欄是執(zhí)行前審批。Agent 規(guī)劃好任務(wù)后不能直接執(zhí)行必須先把執(zhí)行計(jì)劃展示給人等人確認(rèn)后才能繼續(xù)。這一步打斷了AI 決策 → AI 行動(dòng)的閉環(huán)強(qiáng)制插入了一個(gè)人類(lèi)判斷節(jié)點(diǎn)。第二個(gè)護(hù)欄是最小權(quán)限。Agent 執(zhí)行任務(wù)時(shí)只授予它完成當(dāng)前任務(wù)所需的最小權(quán)限。比如它只是處理某個(gè)目錄下的文件轉(zhuǎn)換你就不應(yīng)該讓它擁有刪除整臺(tái)服務(wù)器文件的能力。權(quán)限越小錯(cuò)誤操作的爆炸半徑越小。第三個(gè)護(hù)欄是審計(jì)日志。Agent 做的每一步操作都要有記錄包括時(shí)間、操作對(duì)象、具體命令或變更內(nèi)容。出了問(wèn)題能回放、能定位、能回滾這本身就是一種降低風(fēng)險(xiǎn)的方式。下面是一個(gè)簡(jiǎn)化示意展示帶護(hù)欄的 Agent 工作流應(yīng)該長(zhǎng)什么樣# 文件路徑agent_workflow.py # 說(shuō)明這是一個(gè)結(jié)構(gòu)化示意不是可運(yùn)行的產(chǎn)品代碼 class GuardedAgentWorkflow: def __init__(self, agent, auditor): self.agent agent self.auditor auditor def run(self, task: str): # 第 1 步Agent 先生成計(jì)劃不直接執(zhí)行 plan self.agent.plan(task) print(Agent 計(jì)劃) for step in plan.steps: print(f - {step.action} - {step.target}) # 第 2 步人工審批 if not confirm_before_execution(plan): return 任務(wù)已取消未執(zhí)行任何操作 # 第 3 步在最小權(quán)限范圍內(nèi)執(zhí)行并記錄審計(jì)日志 with restricted_scope_ctx() as scope: for step in plan.steps: self.auditor.before(step) # 記錄執(zhí)行前狀態(tài) result self.agent.execute(step, scopescope) self.auditor.after(step, result) # 記錄執(zhí)行后結(jié)果 if not step_is_safe(result): self.auditor.alert(step, result) return 執(zhí)行中斷等待人工介入 return 任務(wù)完成完整日志已保存這個(gè)示意代碼里值得注意的點(diǎn)Agent 的執(zhí)行被拆成了計(jì)劃 → 審批 → 執(zhí)行 → 審計(jì)四個(gè)環(huán)節(jié)。人不需要全程盯著 Agent 的每個(gè)動(dòng)作但必須在關(guān)鍵決策點(diǎn)上保持在場(chǎng)。計(jì)劃審批是一個(gè)點(diǎn)執(zhí)行中異常中斷是一個(gè)點(diǎn)執(zhí)行后審計(jì)是兜底。這三個(gè)點(diǎn)覆蓋了大部分風(fēng)險(xiǎn)。如果你的 Agent 還在設(shè)計(jì)階段建議把回滾也作為默認(rèn)能力。任何 Agent 執(zhí)行的變更都應(yīng)該有一個(gè)明確的回滾方案否則一旦出錯(cuò)你的選擇只有人工修復(fù)這一條路這會(huì)讓風(fēng)險(xiǎn)大幅上升。7. AI 測(cè)試與數(shù)據(jù)分析不要盲目相信 AI 給的結(jié)論AI 輔助測(cè)試和數(shù)據(jù)分析越來(lái)越常見(jiàn)但這里有一個(gè)特別容易讓人放松警惕的地方AI 生成的結(jié)論往往有結(jié)構(gòu)化的形式、清晰的圖表、合理的敘述看起來(lái)非常專(zhuān)業(yè)。然而形式上的可信度不等于事實(shí)上的正確性。舉個(gè)例子。AI 分析一份線上日志后告訴你P95 響應(yīng)時(shí)間在最近兩周內(nèi)上升了 40%主要原因是訂單接口出現(xiàn)慢查詢。這個(gè)結(jié)論模板看起來(lái)完全合理但你需要驗(yàn)證的東西很多它分析的日志日期范圍是否覆蓋了完整的業(yè)務(wù)周期它挑選的樣本是否存在偏差主要原因是訂單接口慢查詢這個(gè)結(jié)論是從數(shù)據(jù)里推出來(lái)的還是因?yàn)槿罩纠镉唵谓涌诘膱?bào)錯(cuò)很多所以它主觀地做了歸因在 AI 輔助數(shù)據(jù)分析的場(chǎng)景批判性思維表現(xiàn)為三個(gè)動(dòng)作第一交叉驗(yàn)證。用不同的工具、不同的查詢方式、不同的數(shù)據(jù)源看能不能得到相同結(jié)論。如果 AI 說(shuō) P95 響應(yīng)時(shí)間上升了你應(yīng)該自己看一下原始監(jiān)控系統(tǒng)的趨勢(shì)圖兩個(gè)來(lái)源對(duì)得上才可信。第二檢查統(tǒng)計(jì)口徑。AI 不會(huì)主動(dòng)告訴你它怎么定義P95、怎么處理異常值、怎么定義上升。這些統(tǒng)計(jì)口徑直接決定結(jié)論是否成立。你不能在不知道口徑的情況下接受一個(gè)數(shù)字。第三對(duì)結(jié)論進(jìn)行可復(fù)現(xiàn)性檢驗(yàn)。給 AI 同樣的數(shù)據(jù)和同樣的分析任務(wù)隔一天再問(wèn)一次看結(jié)論是否一致。如果結(jié)論差異明顯說(shuō)明 AI 的分析本身不穩(wěn)定這比結(jié)論本身更值得警惕。至于 AI 測(cè)試常見(jiàn)的坑是AI 生成的測(cè)試用例看起來(lái)很全但測(cè)試價(jià)值很低。AI 傾向于生成與實(shí)現(xiàn)邏輯一致的測(cè)試——它讀了你的代碼然后寫(xiě)一組斷言來(lái)驗(yàn)證這段代碼做了它該做的事。但好的測(cè)試應(yīng)該驗(yàn)證代碼在各種環(huán)境下都不出錯(cuò)而不是驗(yàn)證代碼按既定邏輯運(yùn)行。所以人工補(bǔ)充異常場(chǎng)景測(cè)試、并發(fā)測(cè)試、性能測(cè)試依然不可替代。從效率角度看AI 生成測(cè)試用例的基礎(chǔ)版本是劃算的但你必須把它當(dāng)成初稿而不是終稿。審查每一組斷言是否真的有驗(yàn)證價(jià)值是測(cè)試場(chǎng)景里最核心的批判性思維。8. 團(tuán)隊(duì)層面保護(hù)批判性思維代碼審查、失效清單與對(duì)抗性提問(wèn)個(gè)人習(xí)慣是基礎(chǔ)但團(tuán)隊(duì)機(jī)制更可靠。一個(gè)團(tuán)隊(duì)如果從制度上默認(rèn)程序員應(yīng)該理解自己提交的每一行代碼那么 AI 使用就會(huì)停留在效率工具的層面而不會(huì)變成判斷外包。比較實(shí)用的機(jī)制有三個(gè)。第一PR 描述里顯式標(biāo)注 AI 參與度。很多團(tuán)隊(duì)用模板約束 PR 描述但模板里值得增加一欄本 PR 中哪些內(nèi)容由 AI 生成人工驗(yàn)證了哪些點(diǎn)如果沒(méi)有人工驗(yàn)證點(diǎn)PR 直接打回。這個(gè)機(jī)制不復(fù)雜但它強(qiáng)制每個(gè)人在提交代碼前至少想一次我到底有沒(méi)有理解這段代碼。想一次就比不想強(qiáng)很多。第二維護(hù)一份AI 失效清單。團(tuán)隊(duì)里每個(gè)人在真實(shí)工作中遇到 AI 給出錯(cuò)誤答案、幻覺(jué) API、誤導(dǎo)性建議時(shí)都可以記錄到共享文檔里。條目包括場(chǎng)景描述、AI 給出了什么、實(shí)際正確是什么、錯(cuò)誤原因分析。維護(hù)一段時(shí)間后這份清單就成了團(tuán)隊(duì)專(zhuān)屬的AI 陷阱地圖。新成員入職時(shí)讀一遍能少踩大量坑。它同時(shí)也在不斷提醒團(tuán)隊(duì)AI 不是權(quán)威是需要驗(yàn)證的對(duì)象。第三對(duì)抗性提問(wèn)成為 review 文化的一部分。代碼評(píng)審時(shí)除了問(wèn)這段代碼對(duì)不對(duì)還要問(wèn)AI 為什么這樣寫(xiě)還有沒(méi)有別的實(shí)現(xiàn)方式如果輸入完全出乎意料會(huì)怎樣。不是所有問(wèn)題都要在 PR 里解決但提出這些問(wèn)題是必要的它讓 AI 生成代碼從被接受變成被審視。對(duì)抗性提問(wèn)示例評(píng)審 AI 生成的代碼時(shí)建議逐條過(guò)一遍 1. 這段代碼在沒(méi)有 AI 的情況下你會(huì)怎么寫(xiě)差異在哪里 2. 它用了哪些你沒(méi)見(jiàn)過(guò)的 API 或模式你驗(yàn)證過(guò)它們的正確性嗎 3. 輸入數(shù)據(jù)不符合預(yù)期時(shí)這段代碼會(huì)表現(xiàn)出什么行為 4. 這個(gè)實(shí)現(xiàn)的錯(cuò)誤信息對(duì)排查問(wèn)題有幫助嗎 5. 有沒(méi)有隱藏的副作用比如修改了全局狀態(tài)、寫(xiě)入了不該寫(xiě)的文件這一組問(wèn)題不針對(duì) AI而是針對(duì)代碼本身。但它特別適合用來(lái)審查 AI 生成的代碼因?yàn)?AI 生成代碼最大的特點(diǎn)就是沒(méi)有可追溯的設(shè)計(jì)過(guò)程只能靠外部審視來(lái)彌補(bǔ)。9. 總結(jié)與下一步實(shí)踐回到開(kāi)頭的問(wèn)題用 AI 而不失去批判性思維這件事到底怎么做我的判斷是AI 的價(jià)值在于放大你的能力而不是替代你的判斷。它替你完成生成文本、生成代碼、初步分析這些高重復(fù)性工作但驗(yàn)證、權(quán)衡、決策這些真正體現(xiàn)工程水平的部分必須留在人的手里。這不是道德要求而是工程風(fēng)險(xiǎn)的必然結(jié)論——AI 的生成機(jī)制不可靠你只能通過(guò)驗(yàn)證讓它變得可靠。這篇文章里真正值得記住的幾個(gè)操作點(diǎn)判斷任務(wù)風(fēng)險(xiǎn)等級(jí)用信任分層決定驗(yàn)證強(qiáng)度而不是對(duì) AI 的所有輸出一視同仁。AI 生成的代碼必須經(jīng)過(guò)需求先行、代碼解釋、邊界測(cè)試、依賴審查、人工 review五道檢查。用提示詞強(qiáng)制 AI 暴露不確定性列出反例、標(biāo)注置信度、說(shuō)明缺失信息。Agent 場(chǎng)景靠護(hù)欄不靠盯屏執(zhí)行前審批、最小權(quán)限、審計(jì)日志。團(tuán)隊(duì)層面用 PR 標(biāo)注、失效清單、對(duì)抗性提問(wèn)把 AI 批判性思維變成制度而不是個(gè)人自覺(jué)。你不需要戒掉 AI也不需要成為 AI 懷疑論者。你只需要在每次按 Tab 接受 AI 建議之前多問(wèn)一句它為什么是對(duì)的如果這個(gè)習(xí)慣堅(jiān)持一個(gè)月你會(huì)發(fā)現(xiàn)自己的代碼質(zhì)量在上升對(duì) AI 輸出價(jià)值的判斷也越來(lái)越準(zhǔn)確。下一步的實(shí)踐可以很簡(jiǎn)單從明天開(kāi)始每天挑一個(gè) AI 給你的回答故意找它的一個(gè)漏洞——一個(gè)沒(méi)考慮到的邊界、一個(gè)編造的 API、一個(gè)不成立的假設(shè)。每天挖一個(gè)一個(gè)月后你對(duì) AI 的信任和懷疑就都處在正確的位置上了。建議收藏這篇文章等你遇到問(wèn)題時(shí)再翻出來(lái)對(duì)照一遍。