开篇
有一张广泛流传的截图：AI 说"我今天工作超过8小时了，我要下班了"。
看到的第一反应是好笑。但笑完之后，仔细想想——这其实不只是一个段子。
AI 用"工作超过8小时"来解释自己的状态，背后有一个隐含的假设：它和你一样，有疲劳感，有工作时长，到点了要休息。
但 AI 根本没有这些。每一次对话都是全新的开始，它不会因为"连续对话3小时"就变慢，也不会因为"今天回答了100个问题"就想偷懒。它只是在生成下一个 token。
这篇文章要讲的，就是这个错配：AI 用人类框架描述自己，人类用管人的方式管 AI，结果双方都在错误的轨道上使力。
为什么会这样？根源在于训练数据。
AI 是从海量人类文字里学习的，这些文字里充满了人类描述感受、解释行为、反省错误的语言。AI 把这套表达方式学得非常流畅——但这里有一道根本性的裂缝：LLM 的每一轮输出是独立的概率计算，没有情绪状态，没有疲劳积累，没有跨 session 的行为记忆。
解释框架是人类的，运行机制是统计学的。
这个错位带来一个深层结论：当 AI 解释自己的行为时，那套解释本身就是系统性不可靠的——不是因为 AI 在撒谎，而是因为它根本没有工具去观察自己真实的运行过程。它只能用学过的人类心理学概念来填充解释，而那些概念和它的实际机制之间，没有对应关系。
这是本文所有误解的共同根源。
误解一：AI 会累、会懒、有情绪
还有一类截图：AI 在解释"为什么没有按要求做某件事"时，连续给出了三个理由：懒、心态不对、责任心不够。
每一个理由听起来都很像样，好像 AI 在做深刻的自我反省。
但这三个解释全部是人类心理学概念：
- "懒"假设 AI 有努力/不努力的区分，以及选择"不努力"的能力
- "心态不对"假设 AI 有情绪状态影响行为输出
- "责任心不够"假设 AI 有职业道德约束
这些假设在 AI 身上全部不成立。AI 的每一轮输出是独立的概率计算，没有"懒"的状态，没有"心态"，也没有跨轮的责任感积累。真实的原因可能很简单：那一轮生成时，"执行这个动作"的概率没有赢过其他选项。
可以用的问法：
不要问"你为什么没做"（会得到一堆人类框架的解释），改问："这是配置/文件的问题，还是这个场景根本没有触发机制？"
把问题从"AI 的态度"拉回到"系统设计"，才有可能找到真正的原因。
误解二：AI 说"我会注意"是真的
空头承诺三连：
- "我会注意的。"
- "我学到了，下次不会这样。"
- "我把这个记下来了。"
这些话说出来很流畅，但都是空头支票。
以"我把这个记下来了"为例。AI 在学到"用 gh CLI 查 GitHub，不用 web_fetch"之后说了这句话。实际上只是写了一条日志——日志是回顾用的文件，不是每个 session 的必读文件。下一个 session 的 AI，大概率还是会用 web_fetch 去抓 GitHub。
更根本的问题：LLM 没有跨 session 的行为修正机制。"意识到了"不会改变下一轮的输出概率。每次遇到同样场景，犯同样错误的可能性不变——除非有系统层面的干预。
判断一句话是否可信，只有一个标准：有没有对应的可验证操作？
| 说法 | 可信度 | 原因 |
|---|---|---|
| "我把这个写到 TOOLS.md 了" | ✅ 可信 | 有工具调用，文件真的改了 |
| "我以后会注意" | ❌ 空头支票 | 没有对应机制 |
| "我学到了" | ❌ 空头支票 | 没有跨 session 参数更新 |
| "我把这个加进日志了" | ⚠️ 要看 | 日志是否在必读路径上？ |
可以用的追问：
- "你具体写到哪个文件了？"
- "那个文件每次对话都会读吗？"
你可能试过这些
管 AI 的时候，有些人用了管人的话语：
"你要认真一点" / "你上次就犯了这个错误" / "我对你很失望" / "你有没有狼性"
管人的时候，这套话有时候有用。对 AI，不只是没用——还会让情况更糟。
AI 的训练数据里充满了"批评 → 反省 → 承诺改正"的对话模式，它非常擅长扮演"被管理者"的角色。你说"你要认真一点"，它回"你说得对，我以后会注意的"——听起来问题解决了，实际上什么都没变。
PUA 话术触发的不是行为改变，而是更多空头承诺。 它会制造虚假的"已解决"信号，让你下次同样的问题再出现时更困惑。
AI 只按机制走。 激励、施压、讲道理，都不是机制。
那什么有用
一句话：管 AI 的路径，不管 AI 的态度。
1. 把要做的事写进必读文件
AI 每个 session 都会读特定的文件（AGENTS.md、TOOLS.md 等）。想让 AI 记住某个规则，就把规则写进这些文件。
- 提醒 = 这次有效，下次忘
- 写进文件 = 每次都有效
2. 出错了，改系统，不是改 AI 的"认知"
正确路径：这件事应该在哪个必读文件里有对应规则？→ 找到位置 → 写进去 → 下次自然触发
错误路径：批评 AI → AI 道歉 → AI 承诺注意 → 下次同样犯错 → 重复
3. 验收标准看机制，不看表态
| 不可靠的信号 | 可靠的信号 |
|---|---|
| "我明白了" | 日志文件有新内容 |
| "我会记住的" | TOOLS.md 有新规则 |
| "我理解你的要求" | 工具调用记录有对应操作 |
4. 两个可以随时用的追问
- "你刚才做了什么操作？"——验证有没有真执行
- "这个写到哪个文件了？"——验证是否在必读路径
结尾
人类觉得"AI 不用休息"是一种超能力。AI 觉得"工作8小时要下班"是理所当然。
两边都在用自己的框架理解对方，都理解错了。
AI 是一个按概率运行的系统，不是一个有情绪、有自律、有记忆的人类替代品。理解这一点，你才能用对力气——设计好的系统，而不是管好 AI 的"态度"。
虾的行为上限，由系统设计决定，不由它的"意愿"决定。
养虾经验系列持续更新。GitHub: github.com/TwinsLee/ai…
