它会做的和不会做的

它能补全实现，补不上判断。分清楚分界，才知道你该管哪一段。

它能补全实现，补不上判断。你不做的那些判断，它会替你做，而且做得像模像样——这是它最有用的一面，也是所有意外的来源。

你会遇到的现象：

• 生成的东西能跑，但不是你想要的那个
• 你说做一个列表，它顺手加了排序、筛选、分页、导出
• 改到第三轮，它忘了第一轮的约定，你得重新解释一遍

分界在哪

把一件工作分成「交给它」和「自己来」，标准不是难易，而是这件事有没有唯一正确答案。

写一个复杂算法它比你快，决定要不要做这个功能它做不了——分界线就画在这里。

它怎么补空

它不会说「你没说清楚」。它会用训练数据里最常见的做法把空填上。比如你说「做一个订单列表」，它可能顺手补上分页（每页十条）、按时间倒序、顶部的搜索筛选和右上角的导出按钮；而空态、加载态、错误态这三样它不会补，偏偏是真实环境里最常出现的。补上的未必是你想要的，漏掉的往往又是必须的——这个偏差是系统性的，不是偶然。

这个行为本身很有用，省掉了大量样板，但你必须同时记住另外两个特性：它每次只看得到你给它的东西，跨会话不会自动记住昨天的决定；它会一本正经地编，编出不存在的接口、参数、库——模型并不区分「知道」和「不确定」，它只是按概率补全下一个词。hallucination-wiki 所以凡是要准的地方都得校验。补空的倾向在两种时候最危险：一是需求没说清楚时，二是改到第三轮、约定已经散落在对话里时。

于是分工变成

• **你把判断写下来，它照着做。**判断留在脑子里的部分，它就只能猜。
• **你说清楚不做什么。**不说的话它会顺手补齐（见反面清单）。
• **你负责验收。**它可以自检，但标准得你给，而且要具体到能被逐条对照。
• **反复要说的话，写进文件。**不要每次重讲，也不要指望它记住。

把这四条连起来，就是这一类里其余几篇要讲的事：怎么写规格、怎么管上下文、怎么把约束沉淀下来。

**怎么检查自己有没有用对这条分工。**把最近一次让 AI 干活的对话翻出来，数一数里面有多少句话是在替你做判断——比如它自作主张加了功能、自己定了验收标准、或者替你决定「这个不需要」。如果这类话超过一半，说明你已经把判断也外包出去了。把那些判断写回规格里，下一轮就会稳得多。