Day 28：我不採用 AI 建議的那些時刻——它們有沒有共同的形狀？

昨天那個升級 skill 最後吐出的 TODO 清單，其實是一種「我沒有照單全收」：自動化做完它能確定的，剩下的我不簽字。這一路寫下來，這種「按下暫停、不採用 AI 給的東西」的時刻，比想像中多。今天把它們攤開來看。

先講清楚一件事，免得誤會：這不是一篇「AI 常常出錯」的抱怨文。 恰恰相反——這一路下來，AI 大多數時候是對的、是快的、是幫我省下大量力氣的。正因為它大多數時候可信，那少數「該喊停」的時刻才更需要被認出來。因為協作能不能可信，不取決於 AI 平常多準，取決於在它不該被信的那幾次，我認不認得出來。

系列走到第十六天，我停下來盤點過「AI 什麼時候可靠、什麼時候不可靠」。今天這篇是整條路走到底之後的另一種回望——不問它可不可靠，問一個更具體的：這三十天，我到底在哪些時候，選擇不採用它給的東西？那些時刻，長什麼樣？ 我數了數，大致是六種形狀。

形狀一：它給的是「放諸四海皆準」，但我的現場不皆準

最常見的一種。AI 給的建議在教科書上完全正確，只是不適用於我眼前這個具體的系統。

它建議用限制來源 IP、強制登入來擋一支撈資料的腳本——但我那是對外公開的查詢站，民眾本來就該能匿名查。它說內部服務用自簽憑證是業界標準做法——但台灣公部門的弱掃看到自簽憑證就是中高風險，稽核照樣開缺失。它建議業務資料的掛載點也用完整性工具監控——但我那些資料動輒幾十 TB，套上去只會被雜訊淹沒。組態基準導入時，它甚至把上千筆「未通過」項目全部當成要開立的例外，而其中絕大多數其實只要套用標準設定就好。

這一類的共同信號是：它的答案很「標準」，標準到看不見我這個環境的特殊性。 而那個特殊性——公開查詢、在地稽核規則、資料量級——只有我在現場才知道。

形狀二：它不會主動替你把「規模放大、時間拉長」演一遍

這種最難防，因為它給的建議本身完全正確，只是沒告訴你它在極端情況下會爆炸。

系列很前面就踩過一次：我要用非同步的方式並行查三張明細表，AI 給的 Promise.all 寫法漂亮又標準——但它沒算到我的主表一次會撈兩百筆，兩百筆各發三個查詢，就是六百個查詢在同一瞬間砸向只有幾十條連線的資料庫。這個 bug 在本機測十筆完全正常，上了正式環境才炸。到了系列後段又是同一個形狀：一個匿名 volume 的設定，每一步都對，但經過一次次重新部署，時間一拉長就悄悄長出一堆吃空間的孤兒 volume。

這一類的信號是：當下沒有任何一步是錯的，但你隱約覺得它沒在看「更大、更久」之後的樣子。 因為它不知道我系統的量級、成長曲線、連線池有幾條——把最壞情況演一遍，是人得自己提的問題。

形狀三：它熱情地把小需求滾成大工程，不會替你踩邊界

有一次我只是想給防火牆的帳號存個中文備註——一張對照表就能解決的事。但我一問 API，AI 就順勢往下鋪：「既然能讀能停用，整個工具可以做得更完整」，畫出一整套前後端分離、容器化、接資料庫、含申請展期稽核通知的帳號生命週期管理系統。（老實說，把雪球滾大的有一半是我自己——但它從頭到尾，沒有一次問我那句最該問的：「你確定需要一套系統嗎？」）

這一類的信號是：它每一步的建議都對，你卻在不知不覺中離原始需求越來越遠。 AI 的預設是「滿足並擴展」你表達的每個念頭，它不會質疑這個念頭該不該存在——因為它沒有你的成本感，不知道這套東西上線後誰維護、哪些是將來的技術債。踩剎車、把藍圖砍回「我只需要一間房」的，得是我。

形狀四：它黏在第一個想到的方向，自己不會踩煞車

AI 生成假設的能力很強，但它沒有天生的煞車去質疑「我是不是又在同一個方向鑽牛角尖」。一次 webhook 不觸發，它一路懷疑 webhook 的設定，直到我反問「不是應該往前查嗎」才鬆手；一次資料撞號，它連續七次提出各自成立、卻都被業務規則一一戳破的假設。

這一類的信號是：它很有耐心地在同一條路上換方法，但那條路本身可能就選錯了。 把它從牛角尖裡拉出來、換一個方向的，通常得是外部的人——它不會自己喊停。

形狀五：它對一個既有的東西下否定判斷，卻拿不到「當初為什麼這樣設計」

方法論篇那個最清楚：一個審查工具信心「高」地判定我某個合併流程「等於沒在驗證」，建議我改掉。但它不知道那個流程的設計前提——兩邊分支各自都已驗過，合併時只需確認沒弄壞。它看得到程式碼「做了什麼」，看不到它「為什麼這樣做」。

這一類的信號是：它很有把握地要你拿掉、或改掉一個既有的東西，而你心裡知道那東西當初是有理由的。 這時候不該照做，該做的是把那個理由講給它聽——多半它會立刻收回。

形狀六：它照單全收了一個「權威來源」、或它自己順口的話——但我覺得怪

系列的第一個故事就是這種：我問一個升級後的行為，AI 給了個答案，我輕輕反問一句，它在沒有新資訊的情況下就改口了——那代表它兩次至少有一次在猜。一份蓋著「高風險」大印、出自專業白帽單位的滲透報告，我沒有照收，因為那張「驗證通過」的截圖，證明邏輯怎麼看都是循環的。連 /doctor 這種好用的內建工具，建議我移除一個「零使用」的外掛，我也沒照做——因為那個外掛是我上週五才裝的，它的啟發式規則看得到使用次數、看不到安裝時間。

這一類的信號最微妙：常常沒有具體錯誤指給你看，就只是一個「怪怪的」直覺。 而這個直覺——不因為它蓋了大印、出自權威、或它自己講得很篤定就照單全收——往往是最值得停下來的。停下來不是為了否定它，是為了逼它、也逼自己，去把事實查清楚。

這六種時刻的共同底層

把六種形狀疊在一起，會看到同一個底：AI 少的，永遠是「只有我在現場才有的那一塊」。 這個系統真實的處境、這批資料的量級、這個需求真正的邊界、這條路該不該換方向、這個設計當初的意圖、一個說不清楚但就是不對勁的直覺——這些都不在它的訓練資料裡，也不在它讀得到的程式碼裡。

所以「我不採用」的時候，我否定的從來不是 AI 的能力。它的廣度、速度和一致性，我補不出來。我補的是它結構性缺的那一塊——它不知道它不知道什麼。 它給的是好答案，我判斷的是這個好答案適不適用於眼前這件事。

但也要誠實：「不採用」不等於我一定對

這裡得補一刀，免得把「不採用」講成一種姿態。喊停，不代表我贏了。 這一路上，AI 守紀律的時候其實非常可靠：清理資料夾時，它面對自己量到的詭異數字，反而先質疑量測方法、說出「這個我沒辦法採信」；討論稽查需求時，它沒接受我「有完整單元測試」的樂觀說法，先做了一次覆蓋盤點，結果真的挖出漏洞。它可靠的時候，往往正是它被要求、或習慣性地「先查證再回答」的時候。

我自己也有好幾次，停下來查證之後，發現該修正的是我。那個滲透報告的循環證明，是我起了疑、但靠 AI 把背後的密碼學原理講清楚，才確認我的直覺站得住；那個合併流程的邊界情況，是我不信 AI 的推論、逼它去建一個暫存 repo 實際跑一次，最後證明它是對的。

所以「不採用」的正確姿態，不是「AI 說的我都要反著來」，而是：在該喊停的時候認得出來，然後用查證、用實驗、用只有我知道的事實，把它弄清楚——結論可能是我對，也可能是它對。 重點從來不是誰壓過誰，是那道邊界有沒有人守著。這才是這整個系列想講的 1+1 大於 2：不是人比 AI 強，是人守住了 AI 到不了的地方。

這一天的分工

今天這篇沒有單一的故事，它是三十天的一次回望。但回望之後有一個乾淨的結論：AI 負責給答案，我負責判斷這個答案可不可信、適不適用——而「不採用」的那些時刻，就是這個分工最用力的地方。

不過，前面這六種形狀，其實都還算「容易」——因為那些時候，AI 在講的是「你的系統」「你的專案」「你的資料」，我是那個現場的人，我本來就該比它清楚。真正難的，是另一種情況：當 AI 講的不是我的東西，而是「它自己」的時候。 它對自己的能力、自己的設定、自己會怎麼行動的說法，我還驗不驗得動？明天這個壓軸，就談這件最反直覺的事——連 Claude，都會講錯 Claude。