AI 输出不对，怎样用证据定位问题？

适用边界与版本日期

这套方法适用于“AI 已经产出结果，但结果与任务要求不一致”的情况，例如漏字段、改错文件、格式不合格或测试失败。本文按 2026-08-30 的公开工作流整理，不依赖某个模型或界面版本。

它不适合处理账号被封、服务中断、付款争议或疑似凭据泄露。遇到这些情况，不要继续尝试，应转到对应平台的安全或支持流程。

先准备一个不含敏感信息的练习场景：假设你让 AI 把三条虚构会议记录整理成表格，但结果漏掉了“负责人”列。接下来不要立刻重跑。

跟着做

1. 把失败现场冻结下来。 在清单中写下任务目标、原始输入、预期结果和实际结果。保留当次输出、退出码或页面状态；不要先修改原文件，也不要用新输出覆盖旧输出。
2. 把“感觉不对”改成一句可检查的话。 例如：“三行结果都必须有负责人字段，目前第二行没有。”这句话必须能由人或已有检查工具重复判断。
3. 沿四个位置找证据。 依次检查任务要求是否写清、输入是否完整、执行过程是否越界、最终产物是否满足验收。只记录看得到的事实，不先写“模型理解错了”之类的原因。
4. 选择一个最小原因。 如果输入里本来就没有第二行负责人，先补输入；如果输入完整但提示词没要求字段，先补验收条件。一次只动一个位置。
5. 用原来的检查复验。 重新执行后，仍然检查“三行是否都有负责人”，不要临时换成更宽松的标准。把新结果与旧结果并排保存。

现在停 30 秒，先回答两个问题：你能指出哪一条可见证据证明失败吗？你准备修改的变量是否只有一个？任一答案为“不能”，都先不要重跑。

应该看到什么

完成后，你手上应有四件东西：一份未经改写的失败输出、一句可重复的失败条件、一处明确的单变量修改、一次用相同标准得到的复验结果。

复验不一定立即变成通过。如果原来的一个大问题缩小成更具体的小问题，也算定位前进了；例如“漏字段”收敛为“只有空值行漏字段”。此时继续下一轮单变量实验，而不是一次改五处。

证据与验收

按下面四项验收本轮排错：

• 现场证据： 失败输出仍可查看，记录有时间或版本标识。
• 可重复性： 同一个检查在修改前确实失败，不能只引用 AI 的自述。
• 改动边界： 差异里只有本轮声明的变量发生变化。
• 复验证据： 同一个检查在修改后通过，或失败范围有明确缩小。

如果你只能说“这次看起来好多了”，还不能结束。把“好多了”转换成字段数、失败条目数、测试结果或人工核对表中的具体变化。

常见失败、补救与停止线

• 连续重跑，结果每次都不同： 回到第一步，固定输入、指令、模型设置和检查标准，再做比较。
• 同时改输入、提示词和代码： 撤回到冻结副本，选证据最强的一处先改。
• 把 AI 的解释当根因： 将解释视为待验证假设，必须找到输入、日志、差异或结果中的对应证据。
• 为了通过而放宽检查： 恢复原验收条件；若业务规则确实要变，另开决策记录，不要混在排错里。

出现原始场景被覆盖、敏感内容进入日志、改动跨出授权目录，或无法重现最初失败时，立即停止。本轮状态应写成“证据不足”或“边界被破坏”，不能写成已修复。

来源与深入阅读

这是一条从完整教学案例中提炼出的快速入口。需要学习如何保存 RED 证据、执行单变量修复并留下 GREEN 回执，请继续阅读 《Codex 使用手册》第 13 章：用证据排错。