一个项目卡了4小时，AI试了15个方案全错了，问题不在它笨

构建失败。

日志停在那里，不动了。

你在等 CI，跑一圈约 10 分钟。

这是那 4 小时里重复最多的画面：改一版，推上去，等 10 分钟，红的，再改一版。

这是得物技术团队一次完整复盘里的项目。他们翻出 10 天里 109 个 Claude Code 会话文件，统计出全部人类指令。

先交代结局：测试环境构建失败，前后耗了约 4 小时、7 个会话、15 次以上方案尝试、59 条指令。

全部失败。

整个项目 10 天，就这天指令最多

指标

数字

项目周期

10 天

人类有效指令

217 条

AI 工具调用

2,754 次

净增代码

25,546 行

整体提效

36%

10 天里 AI 调得最多的工具是 Read（读文件），738 次，占 26.8%；其次是 Bash（跑命令）662 次、Edit（改代码）550 次。光「读」就占了四分之一以上——AI 大部分时间不是在算，是在看。

项目分四段走：搭建 2 天、20 条指令；功能开发 4 天、89 条指令，约 80% 的功能代码在这里完成；打磨与生产部署 4 天、108 条指令。

然后就是那一天：59 条指令，单日最高。 作者原话：

整个项目单日指令最多的一天，也是 AI 独立解决能力最受限的一天。

那 4 小时里，AI 试的每个方案都没错

原因不止一个，是三个叠在一起。

第一个：项目早期为了跳过某个 Linux 包下载，开发者在 里加了一行 。它跳掉了那个包，也无意中跳掉了 Tailwind v4 需要的 native binding（原生绑定，让工具在系统底层跑起来的一段小程序）。

.npmrc

omit=optional

第二个：Prisma v6 的境外下载会「沉默卡死」——不报错、不超时，只是无限等待。 没有任何提示说哪里错了，AI 要一路读到 第 2319 行，才发现它在等一个永远不来的下载。

node_modules/@prisma/fetch-engine/dist/index.js

第三个：macOS arm64 机器生成的 lockfile（依赖锁定文件，记录所有组件精确版本的文件），天生不含 Linux x64 需要的原生包。本地好好的，一上测试环境就崩。

每个原因单独看都不大。三个叠在一起，就是 4 小时。

AI 每次分析都是对的，但它看不见三样东西

这是整个复盘里最该被抄下来的一句话：

AI 每次分析都是正确的——问题不在于 AI 的分析能力不足，而在于问题的结构性特征超出了 AI 的信息范围和反馈机制。

翻译一下：不是 AI 变笨了，是这个问题本身超出了它的视线。

那天下午，有三样东西 AI 注定看不到。

第一，本地无法复现。 代码在开发者电脑上好好的，问题只在 CI（持续集成，每次提交自动跑测试的那套系统）里出现。AI 每验证一次猜测，就要等一轮 CI，约 10 分钟。4 小时只做了十几次实验——它不是不想试，是每一轮都贵。

第二，多根因互相掩盖。 修好第一个，第二个才露头；压住第二个，第三个开始作怪。AI 每轮拿到的只是「当前这一个症状」，对着症状做的分析当然是对的。但「会不会有好几个原因叠在一起」这个猜测，需要有人同时记得这 4 小时改过的每一版、以及一周前那个 是谁为什么加的。这是项目历史，不是代码。

.npmrc

第三，隐性行为无文档。 Prisma 那个「沉默卡死」没有任何文档写过，它只存在于源码第 2319 行。AI 的知识库里没有「境外下载会无限等待」这条常识，因为这东西根本没被写下来过。

顺风的时候，它比你以为的猛

同一个项目里，也有顺风的日子。

一次重构，9 组 34 个子任务全部完成，含 4 个验证任务，AI 全程独立执行，人工干预不到 5 条指令。 定时任务模块对接 6 个后端接口，零联调返工。 最好的一天单日交付 3 个独立完整模块，按纯人工当天人效算，提升 3 倍。

同样是这个 AI，同一个项目。顺风的任务信息全在眼前：需求清楚，接口明确，对错马上能验证。逆风的任务，关键信息散落在 CI 日志、依赖源码和两周前的某次配置里。

它不是一个副驾驶，是一个「顶级执行者」

复盘里有个比喻，比「Copilot（副驾驶）」准确得多：

AI 是一个极度服从、无限耐心、但没有内部业务知识常识的「顶级执行者」。

极度服从：你让它改，它就改。无限耐心：等 10 分钟就等 10 分钟。但它没有内部业务知识常识——它不知道你上周为什么改 ，不知道生产环境碰不得，不知道「这次先看看再说」。

.npmrc

作者归纳了三种失效模式：规范真空（频率最高，该写的规矩没写）、信息孤岛（频率低但代价高，关键信息锁在日志和源码里）、任务目标模糊（把「该问人的问题」当成「执行问题」来解决）。

三种失效，没有一种是「AI 算错了」。

怎么区分「AI 不会」和「我没说清」

最后给一个普通人今晚就能用的判断。

下次 AI 连续两次没改对同一个地方，先别让它试第三次。停下来问三个问题：

1. 它现在能看到真实的报错吗，还是只听到我说「不对」？（信息孤岛）
2. 「做到什么算对」这句话，我写下来过吗？（规范真空）
3. 这个问题，是不是本来就该问人，而不是让它执行？（目标模糊）

中了一个，那就不是 AI 不会，是我没把只有我知道的那部分告诉它。

那 4 小时里真正起作用的，最后也不是 AI 想通了。是人把三层原因摆出来，指给它看。

AI 是那个极度耐心的执行者。而「知道问题可能不止一个」这件事，目前还得人来。

这是「数字生命岐伯」第 14 问。我，野慢，广东，25岁。白天在大厂做AI产品，晚上被AI教做人。今天这题我替你们问过了，坑也替你们踩了。想让我测哪个AI，评论区点单。我们，下篇见