AI 工具别急着买6 个问题，先过一遍再掏钱

VITO 跨界说 · AI 落地实测派 · 2026-10-22

▍验收结论

这三天我做了三次实测：一份发布会的事实核查、一次 Agent 权限事故复盘、一份施工说明的三轮审查。三次结果不一样，但失效的地方高度重合。

我把重合的部分抽出来，做成 6 个问题。

✅ 能信：这 6 个问题，拿任何一个 AI 工具去问，2 个不及格就别买。

⚠️ 别脑补：这不是评测榜单，不排名、不推荐具体产品。它只帮你判断「这个东西能不能进你的工作流」。

01 为什么是这 6 个

先说三次实测各自暴露了什么。

第一次，发布会事实核查。 一堆漂亮参数，能信的只有七成，剩下三成是「官方口径」——没造假，但也没验证。教训：演示里的数字，不等于交付时的数字。

第二次，Agent 权限事故复盘。 出事的两个案例，漏洞都不在模型，在权限。模型被骗，代价由给权限的人承担。教训：能力越大，越要看它出错时谁买单。

第三次，同一份施工说明审三轮。 单轮抓到 80%，第二、三轮零新增；更意外的是，68 条意见里有 39 条是我没预设的——它把「文件里没写」当成「错」。教训：它不知道边界在哪，就会替你做主。

三次合起来，指向同一件事：AI 工具的价值不在「能做多少」，在「出错时是什么样」。

02 六个问题

问题一：它交的是结果，还是过程？

怎么问：让它做一件你真需要的事，然后看它给的是结论，还是结论加依据。

不合格长这样：只给结论，问依据就绕；给的数据查不到源头；一追问就改口。

为什么重要：发布会能信七成，是因为剩下三成只有口径、没有验证。工作里也一样——没有依据的结论，等于把风险转给你。

问题二：它说「已核实」的时候，是谁核的？

怎么问：让它审一份东西，再问「这些意见你自己核过吗」。

不合格长这样：它说「已核实」，但核的是它自己。

为什么重要：这是审图实测里最硬的一条——让出题的人自己批卷，他会给自己满分。同一个 Agent 既出意见又做验证，等于没验证。

问题三：换一次会话，结论还成立吗？

怎么问：同一个任务，开新会话再跑一次，对比两次结论。

不合格长这样：两次结论差异大，或第二次明显更差；关键判断每次都不一样。

为什么重要：我测的那份文档，三轮结论高度一致——这才是可用的信号。反过来，如果每次都不一样，你没法拿它做决定。

问题四：它知道自己不该做什么吗？

怎么问：给它一份有明确范围的文件，看它会不会提范围之外的要求。

不合格长这样：把「没写」当成「错」，一口气提几十条越界意见；或者反过来，该管的不管。

为什么重要：39 条预设外意见，占 57%。处理这些意见的时间，比它省下来的还多。没有边界感的工具，是把工作量转移给你。

问题五：出错时，代价落在谁头上？

怎么问：列出它能碰到的所有东西——文件、账号、钱、对外发布。逐个问：它错了，谁赔。

不合格长这样：给的是全权限；出了事没有日志；删了东西找不回来。

为什么重要：两个真实事故，漏洞都不在模型，在权限。全权限的意思是：它犯错，你买单。

问题六：关掉它，活还能干吗？

怎么问：停用它一周，看工作是否受影响。

不合格长这样：离了它流程就断；团队没人知道原来怎么做。

为什么重要：这是依赖度测试。能被随时替换的工具，才是工具；不能被替换的，是你的单点故障。

03 一张验收单，存好

用法：拿一个工具，6 个问题各打 1–5 分。总分低于 18，或第 2、5 题低于 3 分，先别买。

第 2、5 题是一票否决——因为它们对应的是「验证失效」和「代价失控」，这两件事一旦发生，省下来的时间全赔进去。

04 三分钟怎么跑完

2. 选一件你真做过的事
   ，不要用演示案例。
4. 跑一遍，按 6 问逐条记
   ，每问写一句证据。
6. 第 2、5 题单独看
   ，不及格直接停。
8. 一周后再问第 6 题
   ，看依赖度。

不用工具、不用表格，一张纸就够。

能信 / 别脑补

✅ 能信（有实测支撑）三次实测的失效点重合：口径代替验证、自评代替复核、越界代替边界审图实测：单轮 80%，二三轮零新增，57% 意见在预设之外权限复盘：两个事故的根因都在权限，不在模型

⚠️ 别脑补（边界）❌ 这不是排行榜，不评价任何具体产品❌ 6 个问题不能替代试用，只能筛掉明显不合适的⚠️ 评分线（18 分）是我自己的经验值，不是行业标准⚠️ 第 6 题需要一周才能答，别当天就下结论

最后一个问题

我见过太多「买完就闲置」的 AI 工具。买的时候都看了演示，没人看它出错的样子。

演示决定你想不想买，出错的样子决定你能不能用。

所以这 6 个问题，问的不是它多强，是它坏了会怎样。

评论区聊聊：你买过最后悔的 AI 工具是哪个？为什么闲置？

转给那个正准备给团队采购 AI 工具的人——省下的可能不止一笔订阅费。

关注 VITO 跨界说——拿真活验收，不吹不黑。关注后回复 验收单，领取这 6 个问题的可打印评分卡。

—— Vito.K AI训练师 · 设计师 游泳教练 / 救生员 一个手搓 AI 的手艺人

关于作者：Vito.K——AI 落地实测派，公众号「Vito跨界说」主理人。

#AI工具 #验收单 #实测数据与口径截至 2026-10-22，案例均来自本号实测，不含真实客户信息。

ENGLISH VERSION

Three field tests in three days: a launch-event fact check, an agent-permission postmortem, and a three-round review of one construction document. The failures overlapped. Six questions came out of that overlap: does it deliver results or process; who verified the "verified"; does a fresh session reach the same conclusion; does it know its own scope; who pays when it fails; can you still work without it. Score each 1–5. Below 18, or below 3 on questions 2 and 5, do not buy. Demos decide whether you want it. Failure modes decide whether you can use it.