用AI Debug，最需要小心的三個字是：「應該是」。
「應該是套件版本的問題。」
「應該是編碼造成的。」
「應該是那個服務沒有回傳資料。」
AI講這些話的時候非常有自信，而且聽起來都很合理。
問題是，合理不等於正確。
有一次就是這樣:AI推論問題出在某個外部套件，
前後改口了好幾次，改了好幾輪程式，問題都還在，
最後是拿真實的模組，做了一組「會出錯」跟「不會出錯」的對照，才確診。
問題根本不在別人的套件，而是在自己寫的那一段，一改就好。
那次之後，幫自己和AI都立了一條規矩:推論並不是證據。
每一個「原因」，都要有實際跑出來的結果支持，才算數。
不確定，就直接說不確定，然後提出「要怎麼驗證」。
還有一條更重要:確診之前，不改程式。
因為還沒找到原因就動手改，只會讓現場越來越亂，
最後連原本的問題長什麼樣子都看不出來。
AI讓「改程式」變得毫無成本，也讓「亂改」變得毫無成本，且理所當然。
所以比起教同學怎麼修Bug，現在更想教的是:先停下來，拿證據。
iThome鐵人賽
看影片追技術