Claude Code 这种“没底就直说”的毛病

在公司推行 AI 工作流的时候，我发现大家对 Claude Code 的反馈很有意思。很多人会把它的回复截图发到群里吐槽，比如它会郑重其事地加一句：“老实说，我其实没验证过这个步骤”或者“因为文档不全，我是凭记忆写的”。大家觉得这机器有点“憨”，甚至觉得它不够专业，甚至把它当成一个梗在玩。

但我带团队用了一段时间后，反而觉得这种“不确定性”才是 AI Agent 进入生产环境最核心的门槛。

我们可以对比一下真实的工作场景。如果是一个人类同事，在赶进度的时候，他大概率不会主动跑过来跟你说：“老板，为了快点上线，我刚才跳过了一项单元测试，而且我对那个接口的假设可能不太准。”大多数人出于自我保护或者避免尴尬的本能，都会把工作包装得尽可能完美。只有在出了 Bug 被复盘的时候，那些“走捷径”的细节才会浮出水面。

在软件开发或者复杂的业务流程里，这种“隐性风险”才是最大的坑。

我更看重的是 Claude Code 这种行为背后的逻辑规范。虽然 AI 也有可能在“一本正经地胡说八道”，但它展现出的一种区分“已知”与“假设”的能力，对我们做决策非常关键。

• 风险识别： 当它明确告诉你“我走了捷径”时，你作为负责人可以立刻决定是接受这个风险，还是要求它重新跑一遍完整流程。
• 信任建立： 真正的信任不是来自于对方永远不出错，而是来自于对方在出错之前，能把不确定的地方摊在台面上。
• 工作流优化： 通过它的“坦白”，我们可以发现到底是公司的文档写得烂，还是现有的自动化测试环境有问题。

与其要求 AI 表现得像个完美的人类，不如利用好它这种近乎机械的透明度。对于我们这种需要对最终交付结果负责的人来说，一个会说“我不确定”的 AI 同事，远比一个只会说“没问题”的同事要靠谱得多。