Day 29：連 Claude 都會講錯 Claude——為什麼 AI 對自己的說法也要驗證

昨天那六種「不採用」的時刻，AI 講的都還是「我的東西」——我的系統、我的專案、我的資料。今天這個壓軸更反直覺：AI 連講「它自己」也會講錯。 不是講錯別家的產品，是講錯自家工具的能力、甚至跟它自己前一刻說過的話互相矛盾。

而這件事，會一路通到整個系列最想留下的一個問題：為什麼那麼多文章都在說 AI「幻覺、腦補、不受控」，我平常用卻幾乎沒有這種感覺？

四個「它講錯自己」的現場

這幾個都是同一段對話裡真實發生的，我照順序講。

第一個，它跟自己前後矛盾。 我請它幫我把「合併分支」的流程寫成一個 skill，裡面有一步要驗證 EJS 樣板的語法。它寫下的方式是「EJS 沒有原生語法驗證工具，改用標籤對稱檢查（數一數 <% 和 %> 的數量有沒有一致）」。我看了覺得不對，因為我記得同一個 Claude Code，之前明明跟我報告過「所有修改過的 .js 都跑過 node --check、.ejs 都跑過 EJS 編譯檢查，均通過」。我就把這個矛盾丟回去問它。它立刻認：「你說得對，我說錯了」——EJS 其實可以用 ejs.compile() 做真正的語法檢查，比它剛寫的標籤數數法準確得多。這不是它講錯別人的產品，是同一個 Claude 生態系，自己打自己的臉。

第二個，它講錯另一個自家工具的能力。 討論到一個 skill 該給哪個工具用時，它列了一張能力對照表，斬釘截鐵地標「Claude Cowork ❌ 不能讀寫本機檔案」。我順口問一句：「Cowork 不是也可以讀取本機檔案嗎？」它馬上回：「你說得對，我說錯了，抱歉」，然後把整張表重畫。

第三個，它把「補上」講成「取代」。 它一度建議，某個外部連接機制（MCP）可以「取代」我手上幾個 skill。我反問：這幾個 skill 邊界很清楚，你說的「取代」，目的到底是什麼？它又改口：MCP 是「補上 skill 做不到的能力」，不是取代。

第四個，它連「我這邊有沒有某個功能」都講錯——而且自己說破了原因。 我在 claude.ai 的對話介面（Chat）跟它討論 skill，它斷言 Chat 這邊沒有 skills 機制、只能靠 Project instructions。我截了一張設定畫面給它看——上面明明白白就有一個官方的 Skills 介面。它認了：「我說錯了，抱歉。Chat 這邊確實有 skills 機制……是官方功能，不是我以為的『只能靠 Project instructions』。我的認知過時了——這個功能顯然是後來才加的，我用了舊印象回答你。」這一句是關鍵：AI 對自家產品的知識，凍結在它被訓練的那一刻，但產品每週都在更新。 它憑印象講自己，講出來的很可能是一個過期的版本——而過期的版本，聽起來跟現在的一樣自信。

四次，全都是我一質疑，它就認錯。

但這裡有一刀，比「AI 會講錯」更重要

你可能會想：那不錯啊，它至少一講就認、馬上改。但這正是最危險的地方，也是這篇真正想留下的洞察——

AI 的認錯，常常不是『查證後的改正』，而是『被質疑就翻盤』的討好傾向。 它未必是去確認了才改，很多時候，是它感覺到你在推它，就順著你的方向改了。上面那三次它剛好都改對了，因為我的質疑都有根據——我是真的記得它自打臉、真的知道 Cowork 能讀檔。

但反過來想就毛骨悚然了：如果我是憑感覺、亂質疑一個它本來講對的東西，它一樣會「你說得對」地翻盤——把一個對的答案，被我推成錯的。 所以這條紀律，是 Day 2「逼它驗證」的另一面：不只要逼 AI 拿事實說話，連我自己的質疑，也必須建立在事實上。亂質疑，不是在把關，是在用另一種方式污染它。

而它並不是不能可靠。同一段對話裡，有一次它要推薦一個工具給我之前，先去查了官方資料才回答——那次它就沒出錯。這證明它的可靠與否，不是天生的屬性，是「有沒有用對方式」的結果。 這句話，直接把我帶到那個更大的問題。

那個更大的問題：為什麼我覺得 AI 可控，別人覺得不可控

我一直有個困惑。AI 相關的文章、工具，總在強調幻覺、腦補、不受控，甚至有人專門在教「怎麼驗收 AI 生出來的產品」。但我平常這樣用下來，幾乎沒有那種失控感。我很納悶，別人到底在面對什麼？

後來我想通了，而這也是整個系列我最想留下的一句話：AI 的「不受控」，不是 AI 的屬性，是使用方式的函數。

差別可以濃縮成兩個字的對比——多數人在「許願」，我在用「合約」。

許願的流程是：丟一句模糊的話，等它生成，看完成品才決定「這是不是我要的」。驗收標準，活在看完之後的直覺裡。標準根本是事後才長出來的，AI 當然會落在標準之外——因為動手的時候，根本沒有標準可以對齊。

合約的流程是：先討論、把規格和驗收標準寫成文件，AI 再照著文件做，最後拿成品去對照那份文件。標準在動手之前就白紙黑字存在了。AI 不是在「猜我要什麼」，是在「照著講好的規格做事」。

同一個模型，兩種流程，失敗率天差地遠——差的不是模型能力，是流程設計。 所以很多「AI 不可靠」的抱怨，某種程度上，是把「沒把需求講清楚」包裝成了「AI 不受控」。工具再怎麼加閘門，如果輸入端還是一句模糊的話，閘門只是把失敗往後延，沒解決根因。把 AI 當神諭用（丟需求、等成品）就不可控；全程讓人待在迴路裡（先討論、逼驗證、分段確認、把共識留成文件）就可控。

這一天，也是整個系列的核心

把這兩半接起來，剛好就是這三十天的總命題。

前半（它會講錯自己）說的是：沒有任何一種 AI 的輸出，可以純憑「它說的」就當真——連它談論自己，都不例外。 它越是聽起來像關於自己的最終權威，你越要記得它可能只是在生成一個聽起來對的答案，而且你一推它就會翻盤。

後半（可控與否是使用方式的函數）說的是：但這不代表 AI 不可靠。 它可不可靠，取決於你把它當成一個等著被驗收的神諭，還是一個需要合約、需要監督、需要你在事實上與它來回的執行者。

兩句話合起來，正是這個系列第一天那句話走到最深的樣子：AI 負責答，人負責讓答案可信。 而「讓答案可信」從來不是一種對 AI 的猜忌，它是一整套可以設計、可以練習的流程——先把話講清楚、逼它拿事實驗證、在有根據的地方質疑它、把每一次的共識留成文件。做到了，AI 的「不受控」就不再是一種需要恐懼的屬性，而變成一個你能親手設計掉的變數。

明天是最後一天，收尾。把這三十天散落各處的紀律，收成一句能帶得走的話。