AI 把代码写完了,责任却甩锅给你!

AI 能帮一个不熟悉技术栈的人把想法做成程序，这是一件好事。过去连第一步都难迈出的项目，可以先跑起来、让用户试、再决定值不值得继续。可当程序被别人依赖，另一个问题就出现了：出错时谁能说明发生了什么、该怎么处理？

这不是要求你徒手重写框架、数据库或每一个依赖。现代软件本来依靠分工。最低限度的理解，应当与自己承担的决定相匹配：知道系统承诺什么，哪些失效会伤害用户，怎样观察失效，以及修改后凭什么相信结果。

设想一个假设情境：读取文件失败后，Agent 为了“让页面别报错”，把异常变成空列表。界面重新正常了，却把“原本没有数据”和“数据读取失败”混成同一种状态。用户可能误以为记录为空，继续作决定。

尤其不能把没有报错等同于结果正确。错误被隐藏时，表面平静反而会耽误发现问题。

真正需要判断的并不只是某行语法对不对，而是这项行为是否符合使用承诺。原始记录可不可以丢？失败要不要提示？能否重试？谁能看到缺口？如果负责人没弄清这组问题，反复让模型“继续修”只是在随机寻找一个看似平静的界面。

正常为空与读取失败的区别

理解可以分层。使用者需要知道工作流程与错误提示；模块负责人还要知道主要状态、数据流、资源生命周期与验证入口；处理安全、并发或数据迁移的人，往往还需更深的技术知识。并非每个人都要读懂全部代码，但关键决定不能永远只存在于一次聊天里。

“让 AI 解释一遍”是很好的起点，却不是理解已经建立的证明。流畅的解释会让陌生概念变得熟悉，但熟悉感不等于遇到异常时能做判断。更可靠的练习是先预测、再运行、最后解释差异。

例如，断开网络前先写下预期：哪些任务应该暂停，哪些数据仍应保留，恢复后是否会补传。然后观察程序、日志和保存结果。若实际行为与预测不同，差异就是学习入口。再用一个可以手算的小样例检查计算逻辑，也比只阅读“算法正确”的说明更容易发现误解。

Agent 可以帮忙列出反例、找调用链、生成最小复现、解释错误消息。人需要把关键结论连接到可以检查的代码和运行证据。另一段更自信的模型回答，并不会自动提供第二份独立证据。

预测、运行、比较、解释的学习循环

试着换一个干净会话，让新的 Agent 只依据仓库说明完成小改动。它要追问多少隐含条件？再让没有参与最初开发的人操作一次：能否构建、定位错误、解释改动影响？可以继续使用 AI 辅助，因为真实维护也会使用工具。考察的是人和团队能否控制方向、识别不确定性、承担结果。

如果交接失败，先看失败发生在哪层。运行不起来，补环境与依赖说明；不知道为何选当前策略，补决策记录；无法定位问题，补状态与日志；改了以后不敢合并，补验收样例和回归检查。把“我还不懂”拆成这些具体缺口，学习才不会变成无边无际的补课。

同样，也不能从“经常用 AI”直接推断一个人会失去能力。有人用它反复比较方案、设计实验和复盘失败，理解可能更深；也有人只复制输出，遇到问题就重新抽一次答案。差别要看实际定位、判断和修改能力，而不是看输入了多少提示词。

项目负责人至少应能说清四件事：第一，关键行为的正确结果依据是什么；第二，什么情况会失败，失败怎样被发现；第三，变更可能影响哪些数据或用户；第四，如果证据不够，应该请谁帮助。回答不必来自一位全知的人，但团队里需要有明确的负责关系和可找到的材料。

可以把风险分成几档来安排学习。样式微调、可随时撤销的展示变化，负责人主要需要确认效果；影响账单、历史数据或访问权限的逻辑，则要理解输入、输出、异常和恢复办法；直接操作真实设备或生产数据的自动化，可能还需要领域专家与隔离验证。这样安排不是给 AI 使用设一道统一门槛，而是让理解深度跟结果的影响一起增加。

在交接材料里，最值得保存的通常不是代码的逐行释义，而是选择当前实现的原因。比如“读取失败必须显示为错误，不得当成空结果”，一句话就记录了业务边界；“旧格式仍需读取六个月”，明确了兼容范围。后续的 Agent 能利用这些约束，人也能判断修改是否越界。如果决定改了，记录同样要更新，否则旧说明会反过来误导接手者。

当自己答不上关键问题时，合理做法不是假装已经掌握，也不是立刻停止使用工具。可以先缩小影响范围，在测试数据上复现，请熟悉领域的人确认标准，再决定是否上线。懂得识别自己无法独立判断的地方，本身就是负责能力的一部分。AI 能提供候选方案，但谁来确认“允许这样做”，仍应与实际承担后果的人对应。

学习还可以直接围绕最近一次失误展开：哪一个预测错了，为什么原有检查没发现，今后用什么证据能更早看见？把答案写成小样例、测试或运行说明，下次更换模型也能复用。这样的知识不会因为一段聊天结束就消失。

这种练习不求一次掌握全部系统，每次补上一个真正影响判断的缺口即可。

如果明天换模型、换会话或换维护者，项目仍能继续推进，说明知识已经有一部分留在系统里。若只有原聊天能解释为何如此实现，程序虽然能运行，责任却还没有落地。现在就选一个最重要的模块，试着在不翻旧对话的情况下回答上述四个问题。