《AI十二问》第三问：AI帮你修好了网站，但它知道自己在修什么吗？

引子：从“自愈”到“看懂”

《AI十二问》第二问聊的是AI自动修复的风险，这一问要往深处再走一步——它把报错消了、网站恢复了，但它真的知道自己在修什么吗？

答案很直接：不知道。它不是“理解了问题然后找到解决方案”，它是“匹配了模式然后给出对应输出”。

经历501那次踩坑之后，我改变了和AI协同排障的方式。不再直接把故障现象扔出去让它猜答案，而是输入我自己的怀疑，请AI帮忙验证假设。比如我会写：“我怀疑Nginx配置存在问题，请帮我核查这段配置。”“我怀疑PHP出现超时，请帮我确认可能性。”

协作的效果截然不同。以前它像实习生，你问“出错了怎么办”，它给你一堆模糊答案，消耗信任。现在像助理，你给它方向，它集中精力查细节，积累信任。

但这也引出一个核心疑问：AI把报错消除、网站访问恢复，它真的知道自己在修什么吗？

我的实操感受是：大多数时候并不。大模型依托海量文本做统计匹配输出，它可以输出逻辑通顺的对策，但并不像运维工程师那样，完整理解整条业务链路的前因后果。有点像一位看过无数病历的学徒，可以照方抓药，却未必通晓整套身体的运转机理。

我不止一次遇到这类现象：调整配置之后报错消失，但根源问题纹丝不动。就像之前501故障，修改Nginx参数可以屏蔽报错提示，PHP业务层本身的bug依旧存在；WAF误伤搜索引擎爬虫的时候，放宽规则可以恢复访问，可安全防护的底线被后撤。现象被抹平，病根还留在原地。

AI看到的是报错码、日志片段、配置语法，它学习的是海量公开案例。但线上老系统里，大量改动是多年业务权衡妥协出来的结果。某一条看起来冗余的配置，背后可能是老版本兼容逻辑；某一条略显笨拙的查询，是为了保障特定用户群体的体验。这些上下文不会全部写进日志，更不在大模型的训练样本之中。

大模型是统计生成，不是因果推理。它见过一万次“501改Nginx配置”的解决方案，所以它会推荐这个答案。但它不理解，在我的业务里，501可能是业务层的主动防御，改Nginx配置等于拆掉自己的盾牌。

于是就形成一个现实困境：单看返回文本，我们很难一眼分辨，AI给出的方案，是彻底根治问题，还是仅仅治标掩盖症状。

所以现在我的习惯是，故障处理完成之后，不会止步于“页面恢复访问”。我会多追问一层：这一轮改动到底改变了什么？会带来哪些连锁影响？

AI可以消除故障的表层现象，却未必理解操作背后完整的业务因果。现象修复，不等同根源解决。拿到AI给出的修复结果，不能只看故障是否消失，更要追问改动背后的代价与连锁风险。

——

阿荣

2026年8月，成都

关于阿荣

阿荣（孙晋荣），风尚中国创始人，珠宝鉴定师，资深产业媒体人。

三十年珠宝鉴定经验，二十三年产业媒体深耕，曾就职于计算机世界、中国房地产报等。

2008年创办风尚中国至今十八年。主导创作《钻石十二问》《翡翠十二问》《奢侈品十二问》及「阿荣手记」系列内容，坚持“不站队、只讲真相”的创作原则，践行“赶路，不必赶”的长期主义。