做出来很便宜，
放心很贵

这期的起点，是 Superlinear 社区里一篇复盘：一位文科出身的博士后，接下人生第一个付费项目，用一个大模型加 Power Automate 和 Excel，帮一家中小机构把数据分析、质量检查和计费申报自动化。十周，约七千行代码，三万美元，客户验收。中间有一次自动化流程把客户数据清空了。她说，这件事让她明白：把需求说明白，不代表系统就能可靠运行。

她推荐了三本书，并且特别说明，对现阶段的她，《架构整洁之道》比《AI 工程》更有帮助。这期就是围绕这个反直觉的排序展开。

三本书各管一层

• 认知层 ·《智能简史》——AI 的能力边界在哪、为什么在那。生物智能从"转向、强化、模拟、心智化、语言"五层往上长，大语言模型是从第五层开始的，所以能说会道，却在规划和流程推演上出奇地弱。它决定你把 AI 放在工作流的哪个位置。
• 结构层 ·《架构整洁之道》——系统怎么搭，才能让任何组件（包括 AI）犯错时伤害可控：业务规则和工具细节隔开，依赖只向内指，把难测的部分削成"谦卑对象"，测试当作架构的一部分。只有编译器能挡住的边界，才是真边界。
• 组件层 ·《AI 工程》——AI 这个会"安静地给出错误答案"的组件，怎么评估（逐组件评估、写评估指南、定方法和数据）、怎么加护栏（输入侧防注入，输出侧防破坏性操作）、按什么顺序优化（先指令，再上下文，最后才动模型）。

她把结构层排在组件层前面，是因为她的事故出在结构层：数据被清空，不是模型不够好，是写操作和业务规则没有隔开。AI 让"做出来"变得极便宜，瓶颈就转移到了"做出来之后能不能放心"，而放心是结构给的。

带着走一周的问题

1. 你现在的系统或团队，如果你明天消失一周，它知道自己对不对吗？靠什么知道？
2. 你上一次替"重要但不紧急"的事去争，是什么时候？
3. 你交出去的，是一个结论，还是一台别人可以自己运转的"模拟器"？

提到的材料

• 原帖：一个门外汉的 $30,000 AI 商业落地经历（Superlinear Academy，需登录）
• Robert C. Martin, Clean Architecture（2017）；中文版《架构整洁之道》
• Chip Huyen, AI Engineering（O'Reilly，2025）
• Max S. Bennett, A Brief History of Intelligence（2023）

本期为原创综合讲述，不含三本书的原文段落。声音由语音合成生成。