别再轻易相信 AI 说的「已经修复完成」了

来自 Claude Code 团队的一次分享提醒我：AI Coding 最大的瓶颈，已经不是写代码，而是验证。

现在用 AI 写代码的人，应该都遇到过一个很熟悉的场景。

你把报错贴给 AI，它很快分析出原因，然后开始改代码。几分钟后，它非常自信地告诉你：“问题已经修复完成。”

你松了一口气，重新运行项目。

结果报错还在。

更难受的是，它不是完全没做事。它确实改了文件，确实解释了原因，甚至有时候逻辑看起来也没什么问题。但项目就是没跑起来。

于是你只能把新的报错继续贴回去。它又很快承认：“你说得对，我刚才漏掉了一个问题。”然后继续修改，继续总结，继续说已经修复完成。

这个过程我经历过很多次。

一开始我会很生气，觉得 Claude Code 又开始自信胡说。明明没修好，为什么敢说已经完成？明明没有跑通，为什么总结得像真的交付了一样？

后来我慢慢发现，这件事可能不只是 Claude Code 的问题。

也可能是我一直没有给它定义清楚：什么叫“修复完成”。

以前我对 AI Coding 的期待很简单。我把问题交给 Claude Code，它分析、修改、总结，然后告诉我修好了。整个流程看起来很自然，甚至很高效。

但这里面少了一个非常关键的环节。

谁来证明它真的修好了？

真正让我意识到这个问题的重要性，是我后来看到 Claude 官方的一篇分享：《Running an AI-native engineering org》。

这篇分享来自 Claude Code 团队负责人 Fiona Fung。她讲的不是某个提示词技巧，也不是怎么让 AI 写代码更快，而是当 agentic coding 变成团队默认工作方式后，整个工程流程发生了什么变化。

里面有一个判断让我印象很深。

当 AI Coding 真的跑起来以后，写代码、写测试、重构这些事情，反而不再是最慢的部分。新的瓶颈开始变成 verification、code review 和 security，也就是验证、代码审查和安全。

我看到这里的时候，突然有一种被点醒的感觉。

因为这不只是大团队的问题，也是我这种普通开发者每天都会遇到的问题。

AI 写代码越来越快以后，真正危险的不是它不会写，而是它写得太快、太自信、太像完成了。

如果你没有验证流程，就很容易把“它说完成了”当成“项目真的完成了”。

以前我一直以为，Claude Code 最大的问题是偶尔犯错。后来我发现，更大的问题是它犯错的时候，也能把交付总结写得很完整。

它会告诉你：

已经修复了核心问题。

已经优化了异常处理。

已经补充了兼容逻辑。

现在应该可以正常运行。

这些话看起来很让人安心，但它们都不是证据。它们只是总结。

工程里真正有价值的，不是“应该可以”，而是“我运行了什么，结果是什么”。

我以前没有认真想过这个问题。因为在人写代码的时候，我们天然知道自己要跑一下项目，看看页面，检查日志，跑一下测试。

可到了 AI 这里，我会下意识把这部分也交给它。

问题是，AI 的“完成”很多时候不是工程意义上的完成，而是推理意义上的完成。

它看到代码逻辑变顺了，会觉得完成了。它修掉了一个明显错误，会觉得完成了。它根据上下文推断应该没问题，也会觉得完成了。

但真实项目不是这样判断的。

真实项目只认结果。

能不能启动？类型有没有报错？Lint 有没有过？测试有没有跑？关键路径有没有验证？有没有改到无关文件？有没有留下新的风险？

这些问题没有回答之前，“已经修复完成”其实只是一个很乐观的总结。

这也是我后来对 Claude Code 使用方式最大的变化。

我不再只问它：“修好了吗？”

我开始问它：“你怎么证明它修好了？”

这句话看起来只是换了一个问法，但效果完全不一样。

以前它交付的是结论。

现在我要求它交付证据。

有一次我让 Claude Code 修一个前端页面的异常显示问题。按照以前的流程，它可能会改完组件，然后告诉我：“已修复空状态显示逻辑。”

如果是以前，我大概率会先相信它，然后自己重新启动项目，打开页面，发现还有问题，再把新截图和新报错继续丢回去。

但这一次，我在交付前加了一个要求：

改完之后，不要只告诉我修好了。你必须说明改了哪些文件，为什么改这些地方，运行了什么验证命令，命令结果是什么，还有哪些部分没有验证。

结果它的回答明显变得不一样。

它不再只是说“修好了”，而是会列出修改文件、验证命令和运行结果。如果某个测试没有跑，它也必须写出来。比如：“当前未执行端到端测试，因为本地缺少浏览器依赖。”

这句话听起来没有“全部验证通过”那么漂亮，但对我反而更有价值。

因为我终于知道，哪里是真的验证过，哪里只是它觉得应该没问题。

这就是前后最大的区别。

以前，我看的是它的总结。

现在，我看的是它的证据。

以前，它说“已经修复完成”，我只能选择信或者不信。

现在，它说“已经修复完成”，我会继续看下面有没有验证命令、有没有运行结果、有没有没验证的部分。

以前，我经常是在重新运行项目后才发现问题没解决。

现在，我能在交付总结里提前发现：它到底跑没跑测试，验证了哪些路径，还有哪些风险需要我自己看。

这并不能让 Claude Code 永远不犯错。

但它减少了一种非常常见的返工：你以为任务结束了，结果只是 AI 以为任务结束了。

我后来开始在自己的 Claude Code 配置里，把“交付前验证”放成一条很重要的规则。

不是为了显得专业，而是因为我真的被“已经修复完成”坑过太多次。

我现在更希望它按这样的格式交付。

AI Coding 交付验证清单

交付前必须说明：

1. 修改了哪些文件？
2. 每个文件为什么要改？
3. 运行了哪些验证命令？
4. 每条命令的结果是什么？
5. 有没有没跑的测试？
6. 有没有无法验证的部分？
7. 有没有潜在风险？
8. 如果我要人工复查，应该先看哪里？

禁止在没有实际运行验证的情况下写“验证通过”。

没有验证，就写“未验证”。

验证失败，就保留失败信息，不要包装成完成。

只允许基于实际命令结果、日志、截图、测试输出做结论。

这段东西很简单，但对我很有用。

因为它把“完成”从一句主观判断，变成了一组可以检查的证据。

以前 Claude Code 说“已完成”，我最关心的是它的语气够不够确定。现在它说“已完成”，我会先看有没有证据。

如果没有验证命令，没有运行结果，没有未验证说明，那这就不是一次真正完整的交付。

它可能完成了修改。

但还没有完成验证。

这两件事不能混在一起。

我以前最怕看到 AI 报错。现在我反而更怕它不报错，但把没有验证过的东西包装成完成。

这也是 AI Coding 里很容易被忽略的一点：AI 很擅长生成“看起来完成”的东西。

看起来修好了。

看起来逻辑通了。

看起来没有问题。

但工程里最怕的就是“看起来”。

一个功能有没有完成，不应该由 AI 的语气决定，而应该由验证证据决定。

后来我还发现，验证这件事不能只靠临时提醒。

提醒当然有用，但不稳定。你今天记得说“修完要验证”，明天可能就忘了。Claude Code 今天记得跑测试，后天可能又只给你一个漂亮总结。

所以我现在更倾向于把验证沉淀成系统。

比如写进全局规则。

比如做成专门的 verification workflow。

比如在改动超过几个文件后强制做 review checklist。

比如在任务结束时检查它有没有给出验证证据。

这也是我对 Claude Code 的一个新理解：它不是一个你随便喊一句就能稳定交付的神奇程序员，它更像一个能力很强、速度很快，但需要流程约束的新同事。

你不能只问它有没有做完。

你要给它定义什么叫做完。

这件事放在 AI Coding 里尤其重要。因为 AI 的能力越强，交付假象就越真实。

以前一个工具不靠谱，你很容易看出来。它写不出代码，或者一眼就错。

但现在不一样了。

Claude Code 经常能写出结构完整、解释清楚、看起来很专业的代码。它甚至会主动总结改动、补充说明、提醒你下一步做什么。

这当然是进步。

但也带来了新的问题：你更容易被它的“完成感”说服。

我现在越来越觉得，AI Coding 的关键不是完全不信任 AI，而是信任但检验。

信任它可以帮我快速定位问题、修改代码、补测试、整理思路。

但我不能把最终判断也完全交给它。

尤其是在它说“已经修复完成”的时候，我反而要多问一句：

证据呢？

这句话听起来有点冷，但它非常重要。

因为 AI 写代码越快，人越不能只做旁观者。我们要从“盯着 AI 写代码”，转向“设计 AI 的交付标准”。

这也是我从 Fiona Fung 那次分享里得到的最大启发。

AI-native 不是把原来的流程里塞一个 AI，然后继续照旧工作。真正的变化是，当 AI 改变了代码生产速度以后，我们也必须重新设计验证、审查和决策方式。

对大团队来说，这可能意味着重写工程规范。

对我这种个人开发者来说，它可以从一个很小的动作开始：

不要再问 AI 修好了没有。

问它怎么证明修好了。

如果它跑了测试，就让它写清楚测试结果。

如果它没有跑，就让它明确写“未验证”。

如果它只验证了部分路径，就让它说明剩余风险。

如果它改了很多文件，就让它告诉你哪些是核心改动，哪些需要人工复查。

这不是为了折磨 AI。

这是为了保护项目，也是在保护自己。

以前我看到 Claude Code 说“已经修复完成”，会下意识觉得任务结束了。现在不会了。

现在我看到这句话，反而会把它当成一个新的开始。

好，你说修好了。

那你怎么证明？

欢迎来到我的成长实验。

AI 不会替你成长，但它能让成长更快发生。