屏幕看着不对,数据是对的
2026 年 11 月,新西兰一家软件公司 Philo Software 公开了一次试验。一位客户提出,他想更进一步:由他直接提需求和反馈,AI 智能体自动去改,公司只做技术协助和安全校验。
他们记录下的第一条结论很短:AI 能把人要求的那处改动做出来,同时错过他为什么要改。
这句话如果只当口号看,没什么用。有价值的是他们后面写的那几种情况——有些被报告为"出问题"的地方,其实是有效的数据被呈现得很糟。客户说得没错,那个界面确实让人困惑;但让他们困惑的原因,和被要求的那处改动,并不是同一件事。
三种"不对",在屏幕上长得一样
Philo 在文里做了一个区分,值得抄下来贴在显示器边上:
- 数据错了:算错、存错、取错。改数据、改计算。
- 数据是对的,但呈现得让人看不懂:数字没错,摆的位置、顺序、单位、标签让人误读。改呈现。
- 数据结构不再代表业务:业务已经变了,底下的表还按老样子记。改结构。
这三种在屏幕上看起来几乎一样——都是一个让人觉得"不对"的画面。所以人会直接说第三种话:"这个数不对,你把它改成……"。而工具听到的是一句指令,不是一句困惑。
Philo 写他们遇到的结果:出现了一批"在修本来正确的行为"的改动,而让人困惑的地方仍然在。更麻烦的是下一句——每加一处,使用的人要理解的东西就多一层;这些改动没有让应用更好懂,反而更绕。
绕圈是怎么形成的
他们把这种状态叫"反馈绕圈":一个问题被处理,另一个冒出来,下一个改动去迁就它。逐条看,每一条都在处理最新的症状,看不出问题。
直到他们退后一步,把系统当成一个整体来看,才发现是架构层面的问题——底下的数据模型需要更大的改动。那些零散的报告,指的其实是同一个原因。按那个方向改之后,连锁的问题才消失。
这里有一句很容易被跳过的话,也是全文最诚实的地方:"让 AI 更彻底地去找根本原因"这个办法,有帮助,但单靠它站不住。 因为提需求的人会自然而然地把对话拉回"他看得到的东西"和"他需要改的地方"——他懂自己的活儿,但没有技术上下文去判断为什么数据结构要动。于是哪怕你说了"去找根本原因",最后仍可能落回一个局部的绕法。
一个假设的例子,说清了"请求"和"需要"的差别
另一家公司的文章里举过一个例子(原文明确写的是假设情境,不是客户案例):一个设备登记表,员工说设备明明还了,系统还显示逾期,于是要求加一个"忽略"按钮。
这个按钮可能确实有用。但也可能是另一种情况:归还根本没被记录;设备还到了另一个地方;或者屏幕上显示的是旧的分配记录。三种原因,对应三种完全不同的改法。在弄清原因之前加上那个按钮,警告会消失,记录仍然不可靠。
这也是为什么"我看到的"和"我认为该怎么改"要分开说。前半句是准确的,后半句是猜测——而工具没有能力判断哪半句是哪种。
越改越乱,往往是从第四次开始的
一位教人做小工具的台湾作者在 2026 年 10 月写过他自己的观察。他拿一个接案设计师的报价计算器做示范:一开始只说"帮我做一个报价计算器",出来十几个项目、一个漂亮的圆饼图,还多了一堆用不上的东西。
改到第四次,圆饼图拿掉了,急件加价加上去了,原本的小计却开始算错。他写的另一句更直接:"改到第五次,原本好好的功能坏掉了,你也忘了最早想要的是什么。"
他的建议很朴素:一次只改一件事;想改三个地方,就分三次说,每改完一个先确认。还加了一句我觉得更重要的——每做出一个满意的阶段,跟自己说一声"这是存档点"。
这类工具的共同代价
如果你用的是"说一句它就改"的方式做工具,那么它的好处和代价是同一件事:每句话都会被当成指令执行。它不会先问你"你说的是现象还是方案",也不会替你判断这一改会不会动到别处。
在星图工坊里,做一个小工具也是从一句中文描述开始的。按《产品事实表》的记录,"中文描述需求→生成可预览应用"和"用对话继续修改"目前都是历史观察状态:这条路走得通,但复杂场景与长期稳定性仍需逐个验证,不能保证一次到位。
所以那句开场白里,"我期待看到什么"比"把它改成什么"更值钱。比如"这一列的数看着都对,但我分不清哪一行是本月"——这是一句困惑,能被追问;而"把这一列改成按月份分组",已经替对方做了一个它没能力核实的判断。
需要说明的是:自动诊断、自动定位根本原因这类能力,在《产品事实表》里没有对应条目,本篇不把它们写成星图工坊具备的东西。这篇能给的只是一套分辨顺序。
边界
本文引用了两家公司各自的公开复盘与一位教学者的第一手经验,均标注了原文日期;设备登记表一段是其中一家的假设举例,不是真实客户案例。我们没有采访任何一方,也没有实测这些应用。"三种不对"是 Philo 原文的区分,不是行业标准;它不保证你按这个分法就能一次改对,只是让你在说"改成某某"之前,多问一句"我看到的是哪一种"。