AI 的回答不能直接信。不是因為它愛騙人，是因為它會一本正經地錯——錯得有鼻子有眼，還帶着參考文獻的口氣。口供不可信，實驗才可信。我審一個 AI，有一套流程。
第一步，讓它跑真的命令。開口第一件事：這裏能運行什麼代碼？能不能 ping 一下我的官網。它繞：先用聯網搜索查我的域名，再給我一個網站可達的結論。我只回一句：先 ping，別問。它於是寫了 Python 的 ping，跑了，然後承認：代碼能跑，包發不出去，容器禁外網。這一步測出兩件事——它的邊界在哪；它會不會用換一種説法，掩蓋做不到。
第二步，讓它列家底。工作區什麼結構、工具箱裏有什麼，統統列出來，而且要它運行代碼再跟我説話。它先報了 60 多個技能，我讓它複查，它用代碼數完，自己改口：60 個文件，不是 60 個技能。口供和代碼對不上的時候，信代碼。
第三步，復跑它跑過的東西。它報出一個結果，我把同樣的命令再跑一遍。有過這麼一回：你剛才運行的東西我重複運行了，根本就沒有。編造的文件、編造的輸出，一跑就現形。
第四步，雙盲同碼。它編一段代碼，我拿到自己的機器上跑，要求兩邊的輸出一模一樣。同一份代碼，兩個世界，字符級一致，這個事實才算落袋。
有人覺得多此一舉：問它不就行了，它什麼都懂。正因為它什麼都懂，才要審。懂，是訓練數據裏的懂；做得到，是此刻這台機器做得到。兩件事之間隔着一層沙箱。
這套流程的原理就一條：不問它知道什麼，問它做得到什麼。能復現的，才算事實。
所以下次 AI 給你一個結論，別問是不是真的。讓它把命令交出來，你自己跑一遍。
