AI 的回答不能直接信。不是因为它爱骗人，是因为它会一本正经地错——错得有鼻子有眼，还带着参考文献的口气。口供不可信，实验才可信。我审一个 AI，有一套流程。
第一步，让它跑真的命令。开口第一件事：这里能运行什么代码？能不能 ping 一下我的官网。它绕：先用联网搜索查我的域名，再给我一个网站可达的结论。我只回一句：先 ping，别问。它于是写了 Python 的 ping，跑了，然后承认：代码能跑，包发不出去，容器禁外网。这一步测出两件事——它的边界在哪；它会不会用换一种说法，掩盖做不到。
第二步，让它列家底。工作区什么结构、工具箱里有什么，统统列出来，而且要它运行代码再跟我说话。它先报了 60 多个技能，我让它复查，它用代码数完，自己改口：60 个文件，不是 60 个技能。口供和代码对不上的时候，信代码。
第三步，复跑它跑过的东西。它报出一个结果，我把同样的命令再跑一遍。有过这么一回：你刚才运行的东西我重复运行了，根本就没有。编造的文件、编造的输出，一跑就现形。
第四步，双盲同码。它编一段代码，我拿到自己的机器上跑，要求两边的输出一模一样。同一份代码，两个世界，字符级一致，这个事实才算落袋。
有人觉得多此一举：问它不就行了，它什么都懂。正因为它什么都懂，才要审。懂，是训练数据里的懂；做得到，是此刻这台机器做得到。两件事之间隔着一层沙箱。
这套流程的原理就一条：不问它知道什么，问它做得到什么。能复现的，才算事实。
所以下次 AI 给你一个结论，别问是不是真的。让它把命令交出来，你自己跑一遍。
