夜雨聆风做过两个工具之后，自动化 Excel 核对系统和固定资产折旧测算工具，我发现自己反复掉进同样三个坑里。
写的工具代码不一样，但困难背后的本质是一样的。
01
设想的需求十分笼统
核对系统那次，我一开口就是“帮我做一个自动化 Excel 核对系统”，AI 很快写出一堆代码，很华丽，但跑出来的东西完全不是我要的：数据写成了固定值，链接丢了，区域错位，附注表压根没匹配上。
后来把需求拆成先让数据正确写进去、保留链接这个最小动作才解决，此时，别的逻辑都先不管，后面再逐渐加码实现。
这个坑背后的问题，不是 AI 理解力不够，是我在用“系统”这个词时，本身就在邀请 AI 往大了想。
人脑子里冒出的工作念头，可能一团模糊的诉求，在工作的同时，我们的大脑会自动整理、自动核对、自动生成，然而这些念头一旦说出口，很容易用“系统”“平台”“智能助手”这类大词去包装它。
词一变大，AI 没有别的办法，只能顺着词去猜你想要的范围，猜出来的东西，往往比你真正需要的偏离许多，也比你真正需要的更难判断对错。
把需求说小，本质上是把“我能验证的范围”和“AI 要做的范围”对齐。
反过来想，“最小可用动作”其实是一种自我保护。动作越小，越容易在一次反馈里就把对错说清楚；系统越大，出错的地方越多，但你反而越没办法一次指出问题出在哪。
02
数据的具体内涵和规则没设置清晰
折旧测算工具里，“已折旧月份”这个字段的理解失误让我反复在找局部测算偏差原因。
因为我按照惯常理解设置规则。结果就是总有部分资产的折旧差异在一个月折旧额上下浮动，查了很久才发现，这个字段本身就含了本年已过月份，直接用等于把折旧重复算了一遍。
核对系统里也有类似的事，我说“自动取数”，但没说清楚数据要以值的形式还是公式的形式留在底稿里，第一版就把该保留链接的地方写成了固定的数字。
这个卡点很隐蔽，因为它不是说得“太大”，是说得“看似完整，其实漏了一层”。
“已折旧月份”这种字段名字本身就在误导人，名字越像常识，越容易让人跳过追问它到底是什么口径。
说需求的时候，最容易漏掉的往往不是陌生的东西，是看起来不需要解释的东西。
任何一个字段、任何一个动作，只要它在不同场景下可能有不同含义，就值得多问一句“这次具体指什么”。
审计里这种字段特别多，因为不同公司的系统、不同的业务习惯，会让同一个名字装进不同的东西。这不是 AI 的责任范围，AI 只能按它见过的最常见的版本去猜，猜错了也不会主动告诉你它猜的是哪个版本。
03
从正常情况出发，没想到存在异常
核对系统里，项目名称写法千奇百怪，“1年”和“一年”，“应收股利”和“应收股利-母公司”，全角半角混在一起。
折旧工具里，资本化日期缺失、残值率为空、原值带千分位逗号变成文本，这些情况一开始都没在需求里出现过。
AI 写出来的第一版，永远是假设数据是干净的。
这个卡点的本质，是人在描述需求的时候，脑子里默认想的是“正常跑起来该是什么样”，而不是“哪里可能跑不起来”。
这其实是一种很自然的思维习惯，正常路径容易想，异常路径需要主动去回忆那些“曾经踩过的坑”才能想起来。
AI 不会替你想异常情况，因为它没有你那些真实数据里翻车的记忆。
更深一层的问题是，工具到底该怎么处理异常，这本身是一个需要人思考可能存在的异常情况后，设置清晰规则，告诉 AI 在写代码时遇到此类情况该如何处理。
例如，匹配不上的项目不要硬凑一个结果，要记录下来等人复核。这些判断背后是我们对多种复杂情况的汇总梳理与指定，AI 没有这个判断力，无法告诉代码应该怎么做。
写在最后
这三个坑说到底是一件事：AI 能精确执行规则，但它无法替你定义规则。
说系统太大，是没分清“我要验证的”和“AI 要做的”；数据内涵和规则没说清，是把看似清楚的东西当成了真的清楚；没想异常情况，是把“不该自动决定”这件事悄悄交给了 AI。
