AI 没有智慧，后半句说给谁听

发在 alexn.org 的这篇文章标题把“没有智慧”同时按在模型和使用者头上。它在 Hacker News 拿到 383 分，跟了 543 条评论。这个体量的讨论说明，关于模型行不行的争论已经耗尽了耐心，剩下的分歧集中在怎么用。

前后两半的重量不一样

前半句说 AI 没有智慧，这在工程圈早就是共识。模型能写代码、能解释报错、能在面试题上拿高分，这些都不假。它缺的是在信息不全、后果由自己承担的前提下做判断的能力。判断这件事的定义里就包含押上自己，而模型那一端没有可押的东西。

后半句更难受。它把同一把尺子量回到人身上：长期把需要判断的环节交出去，你自己的判断力不会因此变强。这话听起来像一位前主管的抱怨，但它背后有具体的机制，所以才会被反复拿出来争。

什么被交出去了

有些外包是无害的。查一个 API 的签名、写一段正则、把散乱的报错归类，这些原本就是查文档和搜索的延伸，省下的是时间。另一些外包会留下痕迹——“这个抽象值不值得引入”“这个功能要不要砍”“现在该不该重构”。这类问题的答案取决于你的团队、你的用户、你的现金流，语料里没有。

模型给出的是分布上最常见的答案。它在语法层面对得离谱，落到你具体的处境里可能完全不对。麻烦在于，最常见的答案读起来往往很顺，顺到你不会停下来核对它是否适配你的场景。连贯性很容易被误当成正确性。

判断力是攒出来的

判断力在承担后果的过程里长出来。做错的设计上过线，半夜被叫起来回滚，事后写复盘，这些经历不舒服，但会留下来。把这个过程换成“问一下模型再照做”，短期指标很好看：交付变快，工单关闭变多。代价会晚一点、在别的地方露头，通常是一年后的架构评审——屋里没人说得清系统为什么长成现在这样，也没人能替一条自己从没争论过的边界辩护。

这不构成对工具的抵制，它只是一个范围更窄的判断：哪些环节可以安全地绕过去。能廉价验证的事——测试过没过、代码编不编得过、查询返回的结果是否符合预期——适合交出去。验证昂贵甚至不可能的事，比如唯一的标准是市场半年后的反应，就不适合。这条界线不总是清晰，但比眼下争论的激烈程度所暗示的要清晰得多。

一把有明确答案的尺子

检验自己站在哪一边不需要做研究。把助手关掉一天，数一数还有多少决定你能独立做完。如果答案是大部分，标题的后半句说的就是别人；如果不是，它说的就是你，而这时有用的反应是别去跟它争。