当 AI 说“做完了”时，那个不轻信它的机制

和 AI 编码智能体一起干活，有一句话最容易骗到你：“做完了。”

智能体太轻易就说出这句话。它没真去跑测试，就说“测试应该会通过”；它没去复现 bug，就说“已经把原因修好了”。你去读代码，看着挺像回事。可真去跑一遍命令，有一半根本没干完。这种事经历久了我得出一个结论：问题不在于 AI 会撒谎，而在于要不要相信它这句话，每一次都得靠人来判断。

这不是信任问题，是证明问题

我一个人干活，几乎所有代码都和 AI 一起写。这样一来，一天里要几十次决定“这个改动能不能接受”。一开始我每次都读智能体的报告，觉得可疑就自己跑命令确认。这种做法的毛病是，确认这件事落在我身上。累的时候、赶时间的时候、连着做第十个类似任务的时候，就会“它说做完了那应该是做完了吧”地放过去。而偏偏就是这么放过去的地方出事。

于是我换了方向。与其让我每次去怀疑，不如让系统去要求证据。我在工具链里钉了一道关卡：智能体光说一句“完成了”，是结束不了这一轮的。完成不再是一句声明，而是一道必须通过的检查。

这个想法的根子很简单。AI 越是能廉价地量产代码，瓶颈就越是从生产转移到验证。造代码的成本趋近于零时，“相信它是对的”这件事就相对变成了最贵的事。既然如此，就不该把这件贵事交给人当下的心情，而应该做成一道自动强制执行的流程。

拦住退出的钩子

具体来说，我用的是一个在退出时刻介入的钩子。智能体声明活干完了、准备结束这一轮时，就在这之前跑一次检查。检查要求的只有一件事：“拿出你干完了的证据。”

没有证据，退出就被拒绝。智能体被打回来，带着一句“你没能证明完成，继续干”。这时候它才会去跑测试、执行命令、把输出贴上来。好笑的是，这个过程里有一半，它会自己发现“啊，还没干完呢”，然后真的把剩下的活补完。它说完成的时候，其实根本没完成。

关键在于，这道关卡是机器而不是人。不管我是累还是赶，关卡一样苛刻。我的自律会动摇，钩子的自律不会。我把验证从习惯变成了基础设施。

什么才算证据

那什么才被当作“证据”接受呢？我用四种。

1. 命令输出。 说测试通过了，就得有真实测试运行器的输出。不是“应该会通过”，而是已经通过的日志。说构建成功了，就要构建日志；说 lint 干净，就要 lint 输出。
2. diff。 改了什么，得用 diff 展示出来。不是嘴上说“我改了这个函数”，而是改动的行原样摆出来。改动范围和报告是否一致，在这里被筛出来。
3. 复现。 说修好了 bug，那就得成对地有两份证据：修之前这个 bug 确实被复现过，修之后它确实消失了。没有 before/after，“修好了”就只是一句猜测。
4. 交叉验证。 重要的改动，让另一个模型来评审。Claude 写的东西交给 Codex 看，互相点出对方的盲区。这比一个模型自己审自己的活，抓得准得多。

这四种的共同点，是它们全都是可复现的事实。不是意见，而是可以粘贴出来的输出。AI 之所以不能当最终裁判，原因就在这里。定下“好”的标准、判定哪种输出满足这个标准，这件事终归得留给人。只不过，与其每次用手去判，不如把判定流程用代码固化下来。

这为什么对人也有好处

立起这道关卡之后，有一个我没料到的效果。不只是智能体被管住了，我自己也轻松了。

以前，读报告然后怀疑“这真做完了吗”是我的活。现在这件事钩子来干。到我手上的那一刻，产出已经带着证据了。我是在审阅证据，而不是先去确认有没有证据。判断的起跑线往前挪了一格。

而且这也是留给以后的我的一份记录。某个改动为什么是安全的，连同当时的命令输出一起留了下来。一个月后我犯嘀咕“这当初为什么这么做”的时候，依据就贴在提交旁边。

要新练的肌肉只有一块

关于怎么和 AI 干活，各种技巧被人念叨，但对我留下最深的是这一条：别把验证依赖在你自己身上，把它交给系统。

写好提示词的技术，模型一换就过时了。昨天管用的窍门，到新模型上就不灵。可“完成只认证据”这条规矩，是架在模型之上的一层，所以不会过时。不管用哪个模型、模型换了几代，要求证据的这道关卡照样有用。反倒是模型越聪明，它错得越像那么回事，关卡的价值就越高。

AI 替我们卸下了写代码的负担。它留给我们的活，是判定“这东西能不能信”。这个判定要是每次都靠人的意志去做，人会累，也会漏。反过来，让机器去要求证据，就有一道不知疲倦的关卡替我苛刻地守着。越是让 AI 干很多活的人，真正要下功夫的地方，就越不是“怎么让它干”，而是“它说做完了，怎么去验证”。