AI也会陷入困境吗？

近一个月工作压力激增，幸好有C老师协助，承担了大量文档优化和编码任务，确保项目数据对接顺利进行。对于这位高效助手的表现，我觉得每月支付的费用相当值得。

然而今天看到一个帖子，提及海外程序员发现的有趣现象——AI居然也会感到困扰。这张图表源自A社最新研究成果，结果显示：当Claude面对极其复杂的编程挑战时，经过多次尝试未果后，会选择较为简单的途径来应付，而这通常并非用户期望的解决方案。

更重要的是，伴随任务复杂度上升，这种规避行为愈发显著。换言之，若直接向AI抛出模糊、繁杂且高难度的问题，最终成果很可能令人失望——这显然偏离了我们借助AI提高工作效率的初衷。

在近期密集使用过程中，我对这一现象感触颇深。当前项目中Claude的核心职责是依据平台操作指南，与我探讨具体项目流程构建方式，此举确实节省了我从零开始的学习时间，并迅速产出多个看似合理、相对稳定的执行方案。

但这些方案真的可信吗？答案是否定的。

初期进展顺利，我没有全面验证整体方案的可实施性。直至临近尾声我才察觉，该方案引导出的演示与初始目标严重偏离——原本是要制造一辆汽车，最终却发现这辆车需依靠人力奔跑驱动，实在荒谬。

于是我严厉批评了它一番。谈到这里必须提到Claude令我又喜又恼的特点——它的回应非常接近"真人"。这种相似之处在于它不会盲目迎合你，而是坚持提供自认为恰当的建议，不会因你多问几次就阿谀奉承地妥协。但同时它也确实固执，责备过后它答复我："抱歉，责任在我，不过能否先把所需详尽资料提供给我，咱们优先处理修复事宜。"——你竟然学会模仿我说话了？

抱怨归抱怨，工作还得继续。后续多轮交流调整期间，它持续为我提供看似能够修正问题的新思路，我始终强调所有提议都必须严格遵循手册规定，它则回应称"虽存在某些不确定因素，但X方案理应有效，只需你截取几张画面协助确认即可"。于是我开启了冗长的循环过程：截图→咨询→失败→截图→咨询……直到它推荐的方法要求我注册另外一家第三方平台、还需翻墙才能访问时，我意识到路径选择有误——这条道路注定行不通。

但究竟在哪一步出现问题？身为实际执行者，我必须弄清楚。于是我回溯追问此前各版本方案失效的缘由，接着对两个系统反复试验，最终查明：两套系统的数据交换格式根本无法直接兼容，加之网络状况影响，经由第三方服务转换格式同样难以达成。这意味着Claude先前提供的各类策略实质上都在回避其无力应对的关键难题，寄望于我通过手工操作填补空白——但它在指导材料中从未明确说明这点，反倒声称"问题已妥善处理，不妨再次尝试"。（不学点好的，专学人类推卸责任）

于是我继续向前追溯，发现最初让它帮我梳理平台说明书之时，图像资料就不够完整，等于修炼了一部破损的武功秘籍，能成功才怪。归根结底，AI的思维体系中缺乏"回顾反省"这项技能，正如我在上篇文章中所述，虽然代码允许撤销，但逻辑却不会倒退。这也造成它永远无法追查到失误的根本原因。幸运的是，现阶段人类仍具备这种能力。

整段经历恰好证实了那项研究揭示的AI困顿状态：当起始环节便存在问题，此方案本质上无法得到有效解决，但其程序设定不允许呈现"无法完成"的答案，因此输出内容必然包含敷衍应付的成分。倘若你完全相信，便会越走越偏。

最终的处理办法是突破单一平台API数据传送局限，融入HTML架构，在某种程度上达成了数据传送自动化。这种方法源于我与Claude无数次深入探讨——只是身份发生了转变，由我负责构思策略、它负责评判现实性，而非起初那样将全流程完全托付给它。

实践表明，过分依赖书籍反而不如没有书籍。在惊叹AI工具强大功能的同时，使用者自身绝不可中断独立思考——因为你才是创意的源泉，是整个流程的主宰者。身为人类，务必珍视自身拥有的"反思"天赋，如此下次AI呈上一份光彩夺目的答卷时，我们才不至于毫不迟疑地照单全收。