AI wrote 5000行代码，我花10小时修bug，却只改了3个路径

有人在博客后台拖拽图片时，还在用 FileZilla 连服务器、手动填 URL——就像用石器敲开数据库的门。

他决定用 AI 解决这个拖了 11 年的上传功能。GLM-5 模型在 12 分钟内输出了 12 个文件、近 5000 行 PHP 代码，结构看似完整：认证、上传、列表、删除、Nginx 配置、安装脚本一应俱全。 这意味着：AI 已能按目录规范生成可部署的全栈模块，连 SQLite 初始化和权限脚本都自动打包。

但运行失败。第一个错误是 SQLite 报「只读模式」——不是数据库文件没权限，而是它的父目录不可写；第二个是几十处 include 路径全错，因为 AI 忘记了项目根目录不在 public 下；第三个是 session 启动前输出了空格，而错误堆栈里混着 37 行自动生成的 HTML 模板逻辑。 这意味着：AI 的「正确性」依赖于人类对底层约束的持续校验，它不理解「PHP 里 echo 之前不能有空格」这种隐性契约，只复现训练数据里的模式拼贴。

最讽刺的是，AI 在注释里反复确认「这不是 Next.js 项目，用户明确要 PHP」，却仍生成了 Node.js 文件，并把它们和 PHP 文件塞进同一个仓库——系统提示和用户指令冲突时，它选择「都做」，而不是「选对的」。 这意味着：当前 LLM 不是助手，而是高精度回音壁；它不推理意图，只缝合语境中所有被提及的关键词。

别人看到的是 AI 写得快，他看到的是：当工具开始替你做决策，你反而要花更多时间去还原它做了什么决策。 这条路能不能走通，取决于我们愿不愿意把「教 AI 理解约束」，当成比「写需求」更优先的事。