一个 48 小时工程任务里，我记下了一句话：
“任务到现在，其实花了一半的时间去设计，调研，理解需求，判断边界，扩展训练自己的审美、直觉。没有开始写代码。”
任务起初只是一个有限功能。和 AI 一起继续讨论以后，它很快长出了产品模型、系统边界和一套完整方案。每一步都有理由，彼此也能接上。我明显感觉自己想得更快、更远，能够同时处理的层次也更多。
直到真正准备编码，我又写下：“不敢相信，真正开始写代码现在才开始。”
这次任务没有因为我想不明白而停住。恰好相反，我可以一直想下去。在这次任务里，AI 把继续向上构造的摩擦降得很低，第一段可失败、可暴露错误的代码则晚到。我开始怀疑，前一种顺滑正在推迟后一种反馈。
我变聪明了，现实也被我推迟了。
AI 最擅长补齐的，恰好可能是空白
定义一个问题、列出角色、拆出数据模型、补上自动化、讨论未来扩展——这些工作都很重要。AI 的强处，是让它们在极短时间里获得语言和结构。过去一个模糊念头可能因为表达成本太高而停下，现在只要继续追问，候选系统就会不断生长。
危险也藏在这种生长里。代码还没有运行，流程还没有被人走过，真实对象还没有拒绝我的假设，方案却已经拥有了完整感。框架中的空白会被合理措辞填平，箭头之间会出现听起来顺畅的因果，远期能力也会提前获得名字。
心理学里有一个更早的提醒。Rozenblit 和 Keil 的实验发现，人们对复杂机制的主观理解，常常比自己能够给出的详细解释更深；一旦被要求逐步说明，信心才会下降。他们研究的是日常机械和自然现象，并没有研究生成式 AI。“解释深度错觉”不能诊断我的这次经历 ，却让我更警惕一件事：能够顺畅谈论一个系统，和已经理解它如何工作，仍隔着一次展开、操作与失败。
AI 又把“顺畅谈论”的上限推高了。它能在我卡住之前接上解释，也能在一个局部问题第一次受阻时把视野抬高。向上看经常有价值；视野一旦抬高，面对那个可能让整套解释缩回去的小结果的时刻，也可能继续后移。
我推迟了被现实否定的时刻
回头看，真正晚到的并非敲键盘这个动作，而是外部对象取得否决权的时刻。
写一百行样板代码可以很具体，若它没有触碰关键假设，仍然只是方案的延伸。画一个漂亮原型也可以很具体，若从未有人手动走完那条流程，它同样不会反驳产品模型。反过来，一个很小的失败测试、一位用户在关键步骤停下、一次对真实数据的比较，都可能让大范围设计立刻失效。
我在《我知道什么是 Agent，却说不出它的定义》 里写过：概念要从体感下降到工作定义、eval 和现实反馈。那篇文章强调的是上下移动的能力。这次任务暴露了下一层代价：AI 让上升极其顺滑，下降却不会自动发生。
我也曾把“真实”写成现实能否反抗叙事 。工程任务把这句话变成了一个时间问题：第一个能反抗方案的对象，究竟在第几个小时出现？对我而言，如果它到得太晚，前面每一层合理设计都可能增加方案缩回去的成本。
这里才是我想说的“现实接触能力”。它与忙碌程度无关，也不等于多做体力操作。它要求我更早把判断交给某个不受当前叙事控制的对象，并接受它改写范围、解释或下一步。
抽象和具体没有高低之分
构念层级理论提供了一个有限的解释：当对象在时间、空间、社会关系或可能性上显得更远，人更容易抓住抽象、稳定的特征；对象更近时，表征会包含更多情境细节。这套理论讨论心理距离与表征的关系 ，没有证明 AI 导致了我这次反馈延迟。这里的高低描述表征层级，我不把它解释为能力高低。
它仍然帮我纠正了一个措辞。我缺的不是某种低级于系统思维的“具象思维”。系统设计让我看见局部修改会怎样穿过权限、状态和后续演进，这是真实能力。问题出在单向移动：我能从有限功能迅速上升到系统，却没有同样早地回到一个会报错的调用、一条被人走过的流程或一个可以合并的改动。
我完成过 400 多公里长线徒步，也长期用照片和文字记录旅行。物理世界很少配合完整叙事：路况、天气、疲惫和遗漏都会留下阻力。但这些经历不能替我证明工程现场的判断。徒步时愿意接受脚下的坡度，不代表写系统时就会主动邀请第一个错误出现。
身体也不垄断真实。一个测试失败、一段日志、一份真实数据都可能比“亲手做了很多”更有反驳力。现实接触取决于反馈有没有权力，和媒介是否看起来朴素无关。
AI 也可以把现实拉近
把问题全部归给 AI 很诱人，也不准确。
生成式 AI 同样没有固定方向。我可以让它继续补全架构，也可以让它构造最小复现、生成失败测试、比较样本、找反例，或者把我的判断改写成一个可证伪预测。前一种用法增加候选解释，后一种用法把解释送进反馈回路。
一项规模很小的 CHI 2025 混合方法研究提供了反方向样本。21 名参与者在投资决策任务中都先后使用了两种工具：一种直接给建议，另一种先要求人写出理由，再由 AI 扩展理由；后者更容易进入参与者自己的推理过程，结果也略好。这个特定任务不能证明一种界面普遍优越 ，但它说明 AI 的作用会被交互方式改变：给答案、补模型、提反例、逼近测试，并不是同一种协作。
所以我不想降低 AI 带来的抽象能力。我要改变的是它被接入工作的位置。若 AI 只接在需求之后，系统会扩张得更快；若它也接在测试、复现、比较和失败回流上，现实可能更早抵达。
我先把第一次反驳前移
这次任务后，我提出了一个很小的纠正动作：
“第一个明确问题，完成一个最小单元的 PR；更多设计、更多错误发现放到其他 PR。”
这还不是一套被多次交付证明的方法。我不知道它能否稳定解决我的问题，也不打算把一次收敛提议写成战绩。它目前只做一件事：给继续扩展设置一个更早的到期时间。
“最小”也不按代码行数计算。一个 PR 即使很短，若避开了核心不确定性，反馈仍然没有出现。真正值得提前的是现实接触点：它面对一个独立于当前解释的对象，能在这轮工作里给出可观察结果，并且结果真的有权改变下一步。
回到这次任务，现实接触点可能是复现关键故障，先写一个会失败的测试，或把最窄的一条调用跑通。我需要选的是最早触碰核心不确定性的那个，其余设计先不随对话继续膨胀。
开始前，我还要写清什么结果会让我删掉一层设计、缩小范围，或承认当前问题表征错了。没有改判条件，所谓验证很容易变成给原方案收集素材。
我当时还写了一句：“少一点认知，多一些执行。”
这句话容易显得反智。我真正想削减的，是第一次反馈之前无限增长的解释。设计仍然要做，系统边界仍然要判断；它们需要更早遇见一个有权说“不”的对象。
下一次，先问什么结果能让我改口
我不知道这次 48 小时任务会不会成为一个长期转折。后续方法还没有经过多次真实交付，我也不能从一次经历推断自己有稳定的人格缺陷。
下一次又在短时间里得到一套完整方案时，我想先停下来问：现在，哪个最小结果有权让我改口？
这个问题还不能证明方法有效。它只把第一次被否定的机会前移。至于能否让我更快交付、更少空转，要等下一次、再下一次真实任务回答。
参考资料
- The misunderstood limits of folk science: An illusion of explanatory depth — Leonid Rozenblit, Frank Keil, 2002
- Construal-Level Theory of Psychological Distance — Yaacov Trope, Nira Liberman, 2010
- AI, Help Me Think—but for Myself — Leon Reicherts et al., CHI 2025
读者回响