CASE 01
莲花
它说：几只小猫在湖中嬉戏。
我看着那张照片，笑了很久。然后我突然明白：它不是笨，它只是没有见过莲花。它把花瓣的尖，认成了猫耳朵。
一份关于「AI 能不能用」的个人记录
给 AI 做上岗体检的人
我按下快门的时候，知道照片里有什么。
机器看见同一张照片时，它知道吗？
我是成鑫，人工智能2601班。我喜欢拍照，也喜欢给 AI 挑错。我的目标，是成为那个能判断 AI 到底能不能用的人。
往下读
01序
我不是最会写模型的人，
我是愿意逐条核对的人。
填志愿的时候，我以为人工智能专业大一就会学 AI。进来发现，先学 Python、高数、数据库。那段时间我有点失落——我离「人工智能」四个字，好像还很远。
转机来自相机。有一次我突然想：我按下快门的那一刻，就知道照片里有什么；那机器看到这张照片的时候，它知道吗？
于是我找了一个现成的视觉模型，把自己拍的十张照片一张张喂进去，再一张一张核对。那不是一次考试，更像一次对视：我想看看，它眼里的世界，和我眼里的，差在哪里。
它没有见过我见过的世界。
02十次对视
十张照片，十道题。
它答错了五次。
我找了一个现成的视觉模型，把自己拍的十张照片一张张喂进去，再一张一张核对。那不是一次考试，更像一次对视。
CASE 02
腊梅
它说：影子也是物体。
阳光把枝条的影子投在墙上，它给影子也取了一个名字。那一刻我觉得，它像一个太认真的孩子，把世界上的每一道影子，都当成了东西。
十道题
- 01莲花它看见了猫
- 02腊梅它把影子当成物体
- 03–05未记录原始记录里还有三条
- 06–10未记录异常没有记录，就不算通过
三条诊断
01它认的是规律，
不是理解。
02问题在数据，
不在代码。
03更难的是，判断它
什么时候不可靠。
这三条，不是谁告诉我的，是我一张一张照片核对出来的。
04复查
同一种判断力，
换一个对象。
识别类是判断题，生成式是开放题；底层都是同一个问题：这个结果，能不能交给用户。
三类错误示例；原始测试图与标注保留，可复查。
03识物图鉴
APP 1.0 / 11 MB
我把它
装进了手机。
后来我不满足于只做体检。我用 AI 应用平台做了一个「识物图鉴」：拍照或选图，识别物品，给出名称、类别、介绍，还能保存记录。
网页跑通只算一半。装进手机后，接口不认浏览器来源，相机打不开，模型返回的不是纯 JSON，记录一关就没。我一条条改，最后它装进了我的手机。
四个坑 / PITS
- 接口来源网页里一直「请求来源不合法」，装进 APK 的 WebView 才通过。
- 相机权限「无法打开摄像头，请检查权限或改用相册上传」。
- 模型返回「返回内容解析失败，请重试」——它有时不按纯 JSON 返回。
- 记录保存「记录一关就没」——后来才把本地存储补上。
05方法
不是跑分，
是逐条核对。
选模型
拍十张
逐张问
人工核对
记录
归因
不是看它答对多少，是看它错在哪。
不是改代码，是先回到数据和场景。
06路
记录员 → 设计者 → 签字人
记录员
我记录它的错，也记录我的判断。
10 张照片 + 5 条错误 + 一组文生图复查设计者
我想知道，一个系统该被怎样检查。
一套可复用的测试表 + 人工智能训练师五级签字人
我想有一天，能对一份报告说：可以交给用户。
实习证明 + 一份签字报告ENFP 的补课：把好奇心落成检查表，把收尾交给每周复盘。
学历是坎，我准备专升本；如果目标岗位暂时进不去，我也有备选：AI 训练师、数据标注、提示词运营。
07作品
讲得通，
才算过。
3 人 AI 学习小组，每周 2–3 次。把判断讲给同学听，讲得通才算过。
AI 学习小组
3 人 / 每周 2–3 次
- 成鑫 · 组织与记录
- 同学 A · 资料与复现
- 同学 B · 演示与提问
网页示意
3 人 · 每周 2–3 次 · 2 个作品
讲不明白的地方，就是我自己还没想明白的地方。
08最近
还在长出来的路。
第一次把照片喂给模型
十张照片，五条错误。第一次知道「错在哪」比「准确率」有用。
从识别到生成
开始用同一套核对方法查 AI 画的图：光影、结构、常识。
把判断讲给别人听
3 人小组，每周 2–3 次。讲得通，才算过。
一封短信 / 写给未来的自己
我知道，从一个大一学生到生成式人工智能系统应用员，中间还有很长的路。学历是坎，经验是坎，很多事我现在还不会。
但我已经开始了。我开始把每一次出错写下来，开始把判断讲给别人听，开始学着对结果负责。
如果有一天，我真的能为一套系统签字，我希望自己还记得今天：记得那十张照片，记得那只被认成猫的莲花，记得我为什么开始。
AI 不需要我们替它聪明，
它需要有人替它负责。
成鑫2026 年 11 月