工具
AI Dependency Check
你的判断里，有多少是模型给的？
代码能跑会被误当成「我懂了」。这个缺口不会立刻暴露，要等到某个模型也答不好的问题出现那天。
这里有两层检查。第一层查代码，第二层查判断——后者更危险，因为它错了整个项目都建在沙子上。
第一层：代码
挑一段模型给你的、现在正在用的代码。
挑一段 AI 给你的、现在正在用的代码，逐条回答。已答 0/5
我能用一句话说出这段代码在做什么，不照着念变量名。（关键）
我说得出它需要什么输入，以及输入不符合预期时会怎样。（关键）
我说得出为什么是这个做法，而不是另一个更直接的做法。
要改一个相邻的需求，我知道该动哪几行。
它出错时，我知道从哪里开始查。（关键）
五条都答完才给判断。
判定为「先别用」时，正确的动作不是删掉重写，而是让模型反过来向你提问：
针对这段代码向我提五个问题，检验我是否真的理解。我答错了再告诉我正确答案。
不要让它「再解释一遍」——它会换种说法复述，你会把「听懂了解释」误当成「理解了代码」。
第二层：判断
这几条没有交互判定，因为答案只有你知道。逐条诚实回答：
- 目标用户是谁——这个判断的依据是我观察到的，不是模型推荐的
- 为什么这个问题值得解决——我说得出至少一条现实证据
- 为什么这样设计流程——我能说出被我否决的另一种流程
- 为什么选这个技术方案——我说得出它的代价，不只是它的好处
- 哪些功能不做——这份清单是我砍的，不是模型建议的
答不上的那几条，不要去问模型。那正是你需要自己补的判断——问它只会得到另一个你无法评估的答案。
完整说明见第 9 章。