Appearance
0.3 AI 能做什么，不能做什么
这是整份指南里最重要的一章。知道边界，才能在边界内创造价值。
AI 真正擅长的事
✅ 模式匹配和变换
AI 见过海量的文字和代码，非常擅长识别模式并进行变换。
- 把一段代码从 JavaScript 改成 Python
- 把口语化的描述改成正式文档
- 把一个函数改成另一种写法
- 根据示例生成类似的内容
✅ 知识提取和整合
AI 训练数据里包含大量知识，能快速提取和整合相关信息。
- 解释一个概念
- 总结一篇文章的要点
- 回答"XXX 是什么意思"这类问题
- 列举某个领域的常见方案
✅ 代码生成和调试
对于常见的编程任务，AI 的表现已经非常好。
- 写样板代码（登录页、增删改查）
- 根据描述生成函数
- 解释报错原因
- 补全代码
✅ 文本处理
- 翻译、润色、改写
- 从非结构化文本提取结构化数据
- 分类、打标签
AI 不擅长的事
❌ 精确计算
AI 做数学是不可靠的，尤其是多步骤计算。
它生成的是"看起来像正确答案的数字"，而不是真正计算出来的结果。需要计算时，让 AI 写代码去计算，而不是让 AI 直接给答案。
❌ 实时信息
AI 有知识截止日期（Training Cutoff），它不知道那之后发生的事。
- 不知道今天的股价
- 不知道昨天的新闻
- 不知道你的系统现在的状态
解决方案：给它工具（搜索、查询 API），让它去取最新数据，而不是让它"凭记忆"回答。
❌ 需要"真正记忆"的场景
每次对话都是从零开始的。 上次你告诉 AI 你喜欢什么风格、你的项目是什么，下次打开新对话它完全不记得。
这是架构层面的设计，不是 bug。解决方案是用外部系统（数据库、文件）存储需要持久化的信息，让 AI 每次用到时去读取。
❌ 稳定的复杂推理
AI 在简单推理上表现很好，但多步骤、长链条的推理容易出错，而且每次结果可能不一样。
这就是为什么你的 Agent 在执行复杂任务时会"跑偏"——它在推理链条的某一步出了问题，但继续往下走了。
❌ 精确遵守复杂规则
你给 AI 20 条规则让它全部遵守，它可能会遗漏一些，或者在规则之间产生冲突时做出奇怪的选择。规则越多越复杂，遵守率越低。
能力边界速查表
| 任务类型 | 可靠程度 | 备注 |
|---|---|---|
| 写样板代码 | ⭐⭐⭐⭐⭐ | 非常可靠 |
| 解释概念 | ⭐⭐⭐⭐⭐ | 非常可靠 |
| 翻译/改写 | ⭐⭐⭐⭐⭐ | 非常可靠 |
| 调试已知错误类型 | ⭐⭐⭐⭐ | 可靠 |
| 复杂业务逻辑 | ⭐⭐⭐ | 需要验证 |
| 多步骤 Agent 任务 | ⭐⭐⭐ | 容易跑偏，需要监控 |
| 精确数学计算 | ⭐⭐ | 用代码计算，不要直接问 |
| 实时信息 | ⭐ | 必须给工具，否则别问 |
| 需要跨会话记忆 | ⭐ | 需要外部存储 |
📌 关键结论
- AI 的核心能力是"模式匹配和变换"，在这个范围内非常强
- AI 的根本性局限：不会真正计算、没有实时信息、没有持久记忆、复杂推理不稳定
- 掌控 AI 的本质：把任务设计成 AI 擅长的形式，用工具弥补它不擅长的部分
下一节：0.4 当前技术版图