每篇“我自动化了我的业务”帖子都在骗你（他们省略了什么）

Source: Dev.to

Introduction

每周都会出现一个“史上最佳模型”。每个基准测试都承诺超人般的表现。每个演示都完美无缺。下面是你在日常使用这些工具来运营真实业务时实际会遇到的情况。

Benchmarks vs. Reality

以 Claude 为例，它的写作更像人类——情感丰富、对话自然，而且不像机器人。根据我的经验，在 AI 代理和自主工作流方面，Claude 在经过数月的真实使用后具有优势。

但基准测试可能会产生误导。除非你亲自测试，否则你不知道它们是否只是营销噱头。

The Unseen Failures

• 代理自信地运行了错误的脚本，记录为成功，却实际上什么也没做。
• 自动化因模型改变了响应格式而悄然失败，管道中没有任何环节捕捉到这一点。

幻觉问题并不仅限于聊天机器人的答案；它同样出现在人们最想信任的自主层面。

The Unsexy Truth

你仍然是架构师。AI 不是通用人工智能（AGI）。它不会提前思考，只会在你提供的结构内执行。雇佣人来构建 AI 系统的人看到的是魔法，而构建者知道那只是脚手架。

What Often Gets Omitted

• 失败的案例以及那些没有成功的尝试。
• 实际花费的时间。
• 那些在“镜头外”花费的周数，只为让基本功能运行起来。

每个人只会发布成功的案例；没有人会公布之前的六次尝试。

Evaluating New Tools

不断涌现“新、闪亮、不可思议、改变世界”的内容。其背后的真实情况仍然是破碎的、不一致的，仍在摸索中。

我首先会问一个问题：这是否能接入我的实际工作流，还是仅仅是个好玩的东西？

• 如果它是必备且成本合理，我会认真进行测试。
• 如果它只是锦上添花，我会记下来然后继续前进。

时间是唯一我无法扩展的资源。

Call to Action

你尝试过的、原本以为是必备却实际上只是噪音的 AI 工具是什么？在评论区留下吧。