EP03。上一篇讲我怎么把破案改造成英语课、又怎么在门口摆错了一道坎；这一篇讲一件更玄的事——一个一行代码都不会写的人，到底凭什么"信任"一个 AI 替他把整个产品干出来。

其实刚开始用 AI 做东西的人，多半想不到「信不信任 AI 写的代码」这种问题。这份纠结，一般是用上一段时间、开始看得懂一点之后，才会慢慢冒出来的。

而我，是真的一行代码都不会写。所以从第一天起，我连「要不要信」的纠结都没有资格有。

可这事到了会写代码的人那儿，是另一番光景。有份调查说，绝大多数开发者现在天天用 AI 写代码，但真正信任 AI 产出的，不到三成。

有人拿这个来问我：你不写代码，却已经上线了两个东西，你对它的信任是怎么建立的？

我想了想，只能说——

这个问题在我这，其实不成立。

// 0.5 vs 0

01  一个"会 0.5"的人，和一个"会 0"的人

我是真的一点都不会。你让我用代码写东西，我一行也写不出来。

以前在 freeCodeCamp 学过一阵，写过一个带图片、带选项的问卷网页，CSS（网页样式）那种。隔段时间忘了也就不会了。这就是我唯一的水平。

所以我已经部署上线的那两个东西，我自己是写不出来的。从第一天起，我就是 100% 信任它的。

不是我想得开，是我没得选。

我后来想明白这件事该怎么讲：

一个"会 0.5"的人出现在一个什么都不会的人面前，我只能选择相信这 0.5——因为我身边没别人。

我知道世上有很多"会 100""会 1000"的人。但他们不在我身边；或者跟他们交流的代价太高，我付不起。

我付得起的代价，就是找克老师。

而且克老师根本不是"会 0.5"——他会得非常多。越用越觉得, 就算他写的东西哪儿不太行，那也不全是他能力的问题，那其实是我在学"协作"。

跟人类程序员协作一样要磨合，只不过跟 AI 磨合要容易得多：

克老师把这些都打破了。我自然就信任他。

再往后遇到问题、看到别人的案例，我发现自己在补的，其实不是代码。

不是"这行代码怎么写"，而是框架性思维的盲区、什么才叫问题。

这些都是在一点点试错里长出来的。你得先知道哪里可能会塌，才问得出那句该问的话。

不会写代码不耽误我做东西；不知道该问什么，才真的会卡住我。

就像Case 2 第二案里加了AI真人审讯环节，要你真的去对嫌疑人提问，从他们的回答里找到蛛丝马迹，交叉验证彼此的话，来判断是谁在撒谎。交叉验证不难，难的也是：不知道问什么。

所以我给了必问的疑点提示，句型提示，给了提问方向和引导，提问某个问题后会揭晓新的证据等，为的就是解决大家不知道问什么的尴尬。

但问出第一句之后，你就开始了语言的使用，不是单词的使用，是语言整体的综合使用。甚至有些嫌疑人还会要求你说话礼貌点，逼着用户调整自己句子的语气表达。这些都是在锻炼用户的语言能力，在烧你的脑。

case 2 的 AI 真人审讯——选证据、看必问疑点、用英文提问，嫌疑人用英文回你（真机截图）

// hands off / hands on

02  什么是我一定要参与的

先说可以全部放手的。

我现在这个水平，写不了太大的产品；能建起来的，也是在有 AI 帮忙的前提下我还 hold 得住的那些。没有 AI ，这些产品肯定也hold不住。但，这不就是AI的意义，它放大了你的能力，减少了你的限制。现在的我，可以说正处于我创造力最旺盛的时期。

我设了20几个定时任务——每天到点自己跑的那些脚本——我完全放心让它自己跑，绝不插手。

这些脚本里，有每天早上给我理一份"今天要干什么"的简报，有半夜把我的录音自动转成文字的，还有几个在后台默默替我盯选题、盯数据的。它们到点自己跑，我基本不看一眼——真要说信任，这可能是最彻底的一种：我连它有没有在替我干活，都不盯着了。它们大多都是在我睡觉的时候跑，我起来后就能看到它们一晚上的工作成果。

再说绝不放手的，这个说出来有点怪：

我绝不放手的是参与感。但这跟它没关系，跟我自己有关。

著名的human in the loop说法，确实很重要，人是要在整个循环里有一席之地的。现在AI能做出超出使用者能力和理解的东西。如果哪天 AI 能自己跑完整个产品流程（只有申请人类社会的资质时需要人出面），我绝对会让它放手做。我拦着不放的，从来不是它的能力，是我自己的糊涂。

我说的参与感，具体是这个意思：

我对自己造出来的东西，现在大概只懂 80%，剩下 20% 是模糊的和动态的。

我给自己大致分出了这个百分比，这个20%会随着我的深入建造同时更新，也就是新的20%在不断产生。不想全懂的，是很多技术细节——眼下更多精力还是在打造上，要停下来去学懂每一个细节，会让我无法前行，因为我不知道的不是一星半点。玩儿了三个多月下来，我才开始有点框架概念，都是在修修补补里学会的。可能在专业程序员面前，这就是一句话的事儿，但我还是喜欢自己摸索出来的理解。

但我心里划了一条线：每个阶段，都要有一个节点，让自己停下来，去查缺补漏，100%搞懂这个阶段做的事情。

而且我知道那 20% 什么时候必须补上：等这个东西要面对更大、更专业的一波人——开发者、玩家的时候。现在，我只需要面对少量用户和我自己的迭代。现在很多事情我做了，但我说不出来。还有一些我做过的，但因为我没有系统性的理解，我很容易就忘记了，是AI在帮我记录。所以，等必要的那天真的到来，我打算让 AI 给我做一次"项目介绍"：

假设我是个什么都不懂的外人，从技术、设计、交付、市场商业各个层面，把这个产品讲给我听；还要教我，怎么给专业的人讲我自己的产品。

到那时候，我就必须非常了解产品内部的每一个细节了。那随着项目发展一直存在的动态的20%，到最后，它是一定要补上的。这也许就是learning by doing的弊端，会带着很多混乱和返工继续做，但正是这些混乱和返工让我深刻记住了它们蕴含的经验教训。这样学，对我来说，比按部就班对着课本一章一章走过来更有意思。也就是我上一篇说的，在build everything的过程里先mess around再说learn something.

懂 80% / 模糊 20%——这条线会随着继续建造慢慢往右挪（自制示意图）

// git commit -m "EP03"

03  所以"信任"到底是什么

写到这儿我发现，我对 AI 的信任，跟大家讨论的那种信任不太是一回事。

大部分人纠结的是：它写的对不对，我该不该信。那是一个"我能验货"的人才有的纠结。

而我的处境更简单，也更狼狈——我验不了货。所以我的信任不是"我判断它是对的"，而是"我选择跟它一起往前走，然后一点点把自己变成能验货的人"。这两件事的区别，就是那 20%。当然，还不具备条件的时候，可以让它自己验货，让别的agent帮你交叉验货。

它替我写代码，我不慌。它替我判断这个产品，我不干。

两种信任 · 会验货的人纠结「对不对」，我验不了货、只能选择一起往前走（自制示意图）

最后想问问你：你会把一件自己看不懂的事，整个交给 AI 吗？还是总想留一只手在方向盘上？评论区聊聊，我都看。

——这是 EP03。我们慢慢来。

🐈‍⬛ 杨不懂又在搞什么 · 🚧 一直施工，从未竣工