AI 能写代码、修 bug，但不懂潜规则

AI 能写代码、修 bug，但不懂潜规则

上周我们技术管理群里聊了一件事，挺有意思，聊到最后所有人的结论都指向同一个地方。

事情是这样的：一个团队的 AI 代码评审通过了某个 PR，结果人类大神一看，发现这个 bugfix 的方式虽然修了问题，但破坏了原有的架构思想。

一场讨论就这么开始了。

1 01 导火索：AI 修 bug 破坏了架构

工程师 tony：「昨天 merge 了个 PR，大模型 review 没问题，然后有个大神发现了 PR 做 bugfix 的方式会破坏原有的架构思想。说白了，队形没对齐。」

工程师 leo：「这个我也遇到过很多次。加项目专属的历史修改过的 bug 的 skills，主要就是为了让踩过的坑大家别重复踩。」

产品经理 sarah 插了一句很实在的观察：「等总结好了，可能大模型迭代一版，发现自己总结的好些问题已经解决了。所以可能需要总结项目个性问题，共性问题就让模型能力去解决吧。」

这话说到点子上了。项目特有的上下文，才是 AI 怎么也学不会的东西。

2 02 AI 没思想，代码像施工现场

工程师 carl 说了一句让我印象很深的话：

「AI 能解决问题，但是没有什么思想。这种感觉说不上来。以前读好的代码像是读一首诗，现在就好像看一个施工现场……你也不能说不能住人，但是就是不够舒服。」

这个比喻很准。代码能跑，但读起来不对劲。就像一碗面，盐没少、醋没缺，但就是不对味。少的那味是什么？是经验，是风格，是团队里大家心照不宣的默契。

3 03 规矩之争：是规矩不清晰，不是规矩本身

架构师 witon 提出了一个更棘手的问题：就算定好了规矩，AI 不照做，白搭。需求一直在变，AI 也懵逼了，不知道哪个是对的。

工程师 tony 的回应很关键：「我感觉不是规矩的问题，主要是规矩不清晰的问题。」

架构师 witon 追问：「规矩定到多细算清晰？」

tony 回了一句：「人就有邪念，保留了潜规则，这个就留下了比较大的开口。」

潜规则——这个词一出来，大家就都知道问题在哪了。

4 04 AI 不懂潜规则

工程师 tony 举了个例子：「比如我遇到的那个分层的规矩，其实没有明文写出来，而是人们之间默认的一种规矩，而且是可变的。目前的 AI 是不懂潜规则的，比如要先给坐在主宾位置的领导敬酒；上菜要把鱼头对着领导。`」

架构师 witon 接了一句：「人类是有默契的，看一眼就知道应该怎么做。可是AI` 可没有。」

AI 没有默契。它像是一个统招清华毕业的本科生，学霸，没有任何经验，能力完爆一众同样没经验的人群。只要 leader 带得靠谱，它还是靠谱的。但问题就在于：谁带？

5 05 按下葫芦起来瓢

架构师 witon 讲了一个更头疼的现象：「让 AI 去改东西，按下葫芦起来瓢。一说不对，他就改，下次还犯这样的问题。写到记忆里，这个问题不犯了，其他的奇怪问题继续作死。」

工程师 tony 说：「还是驾驭的人的事。说实话，我以前带过的人，大多数不如 AI。」

然后他做了个比喻：「AI 就像赤兔马，在关羽和吕布手里，那就是名马；在小兵手里，可能就是过几天被吃的马肉。」

这个比喻我反复看了两遍。AI 的能力上限不是由模型决定的，是由使用它的人决定的。

6 06 最终归因：都是人的问题

讨论到最后，大家发现所有问题都指向同一个方向。

架构师 witon 说：「工具类软件一般不带业务上下文，但是很多应用软件或者 2B 业务，是需要这些数据的。人类不可能把所有的数据的规则都枚举出来。」

工程师 tony 总结了一句：「项目管理越标准，数据积累越全面，AI 准确率原则上应该是越趋于靠谱的。因为不是人的问题我没遇到过，我遇到过的都是人的问题。」

都是人的问题。

这句话是整场讨论的答案。AI 不懂潜规则，是因为我们自己没把潜规则写出来；AI 按下葫芦起来瓢，是因为我们没把数据管好；AI 写代码像施工现场，是因为我们没给它一个清晰的「建筑图纸」。

7 写在最后

这场讨论给我的启发不在于 AI 有什么缺陷，而在于：AI 就像一面镜子，照出的是我们自己的管理水平。

你的项目管理够不够标准？你的数据积累够不够全面？你的潜规则有没有被写下来？如果答案是否定的，那 AI 出问题的时候，别怪 AI。

怪我。