弱模型调试法：模型越笨，照出的 Bug 越多

手里的 Claude Code 升级到 Sonnet 之后，我发现一个尴尬的事实——它太聪明了，聪明到当我给它一段有瑕疵的代码让它 debug，它会不动声色地绕过那个瑕疵，把整段逻辑“合理地”续完。结果就是：运行通过了，你沾沾自喜，然后上线第三天炸了。反过来，换一个弱一点的模型去跑同一段代码，它没有能力帮你“脑补”缺失的部分，只会老老实实地把整个路径走完，在某个边界条件下摔一跤，给你抛一个刺眼的报错。

这个报错才是宝藏。

# 强模型视角：这里看起来是 bug，但它会假设你后面有补丁，直接跳过去
def parse_config(raw: str) -> dict:
    return json.loads(raw)  # 如果 raw 为空字符串，它不报错，强模型会假装没看见

# 弱模型视角：它真的会去调 json.loads("")，然后：
# json.JSONDecodeError: Expecting value: line 1 column 1 (char 0)

弱模型没有“体面”，不会帮你圆场，它会把代码里每一处自相矛盾的地方都当成照妖镜，逼你看清楚。强模型做 debug 时，是在跟你“协商”一个合理的解释；弱模型做 debug 时，是在跟你“对抗”，直到找出真正的问题源。

所以我现在的工作流变成了：

• 第一轮：用 Clio 或某个小参数开源模型跑一遍代码，收集它碰到的所有 edge case
• 第二轮：把收集到的报错喂给 Claude Code，让它根据这些失败点去改

另外提一句，如果做 prompt 评测，弱模型做 judge 也比人靠谱——它没有立场，不会对你写的提示词产生“这个人写得真好”的滤镜。

模型这东西，跟手电筒一样，太亮了反而看不清裂缝。留一盏昏黄的灯，裂缝就藏不住了。