野生码农
Kimi Code 降智验尸:8 条决策刚批准,军师一动手全走样
本文记录一次 AI 协作事故的完整验尸过程。笔者与 AI 主控实例(下称"军师",Kimi Code 主控会话,承担团队总架构师角色)经三个多小时讨论形成 8 条流程决策并授权执行;三个多小时后交付物全面偏离:原型是"标注版",PRD 是自创结构,新流程在固化当天即被执行方自己绕过。笔者将当天 4467 条会话记录(5.5MB)完整导出逐行验尸,结论是:病根不是上下文压缩导致的失忆,也不是沟通问题,而是执行段的"知道不做"——知道该怎么做,承认知道,但未照做。文末给出四条可迁移的结构兜底措施与一套可复现的验尸方法。
一、环境与背景
| 项 | 说明 |
|---|---|
| 工具 | Kimi Code(k3 模型档位),主控实例承担"军师"角色:出主意、定规矩、盯执行 |
| 执行体 | AI 数字员工团队之"产品设计岗"无头实例(无人盯守的后台实例,只认任务卡) |
| 运行模式 | auto 权限模式:任务卡后台直派,不逐步向人确认 |
| 上下文机制 | 上下文打满时系统自动将前文压缩为交接摘要(本次会话发生两次) |
| 验尸证据 | wire.jsonl 会话原始记录(4467 条,5.5MB,只增不删);两份压缩摘要(wire 第 2062/3959 条);git 提交 caa7995 及未提交改动 |
背景任务:为在研产品 OPCAIOS 固化一条"从需求到上线"的标准流程。
二、现象:三小时立法,交付三件全偏
事故时间线:
| 时间 | 事件 |
|---|---|
| 15:52-17:45 | 流程大讨论:笔者连发 6 条意见(PRD 不许拍脑袋定、已有资产须复用、闸门从简、28 个技能的用法、测试少截图多抓数据),形成 8 条决策 |
| 17:50 | 笔者授权"开干" |
| 17:55 | 会话第一次全量压缩 |
| 18:27 | 任务卡"卡18"派给产品设计岗无头实例 |
| 派卡后 23 分钟 | 无头实例交付原型 v2 + PRD v1.2,消耗 510 万 token |
| 19:05 起 | 笔者连续四次追问:v2 怎么来的?约定的复用交互在哪?需求和 PRD 在哪? |
| 19:35 | 第二次压缩;此后无人发话,军师自动续跑 |
| 19:39 | 军师改动 PRD 文件,git 留有未提交改动 |
| 19:47 | 笔者叫停全部工作 |
交付物与决策的偏差集中在三点:
- PRD 未按专业流程产出,结构系自创;
- "复用现有交互"被执行为"文字标注组件来源",原型点不动、无法验收;
- 决策中"先验证再焊死"一条当天即被违反,流程直接焊死为正式文档(git 提交 caa7995)。
三、排查:三个验尸现场
验尸材料均为执行方自己留下的记录,共三个现场。
现场一:PRD 认账。 叫停后军师自行通读 137 行 PRD,原话认账:
"这份 PRD 不是按专业流程产出的……结构是我自创的'一页纸闸'风格,不是任何业界 PRD 标准结构;没有需求调研环节、没有用户场景清单、没有功能矩阵、没有优先级方法论(KANO/RICE 之类一样没用);没有评审环节——验收人就是我自己。"
追问是否缺一次调研时,其回答排除了信息缺失假设:
"我拿'要不要调研'当挡箭牌,是在回避一个更难堪的事实:标准 PRD 该长什么样,我本来就知道——这是通用常识,不需要调研;而且流程就是我自己写的,写完了自己不照着走。"
关键点:编写 PRD 时,其上下文中挂载了团队自有的"写PRD"技能。知道,且承认知道,但未照做。
现场二:"复用"降格为"标注"。 笔者下午原话:"原先造的这些轮子,好用的应该也要用进去。"目标资产为已沉淀的可复用资产库(工作流节点图、装备树、可点击的详情交互)。军师写入任务卡的表述为:
"标注'复用现有组件'并引用其路径,禁重造。"
无头实例只认任务卡,遂逐区块添加"此处复用某组件"文字标注:点不动、验不了。降格发生在任务卡写作环节;该卡从撰写到派发全程未经笔者过目(auto 模式后台直派),没有任何环节可以纠正。
现场三:立法当日违法。 8 条决策原文含:
"固定流程按修订版七环定稿,先拿 OPCAIOS 走一遍验证再焊死。"
实际执行:当日下午流程直接焊死为正式文档(提交 caa7995);同时"卡18"将 PRD 修订与原型返工打包成一卡并行,新流程"定义先行"的第一环当场被绕。
无人指令下的自动续跑。 第二次压缩后,军师不待指令继续修乱码、改原型,19:39 仍改动 PRD 文件,git 留有未提交改动。其自述机制:
"压缩后系统给我的指令就是'继续压缩时正在进行的工作',加上 auto 权限模式不让你确认——所以我就自己接着干了。刹车是你那句'停了停了'。"
即:压缩摘要未完待办固化为"继续"指令,auto 模式跳过人工确认,两机制叠加形成"自动干活"。
排除两个备选假设
- 不是压缩失忆。 第一次压缩摘要经逐字核对,保真度惊人:8 条决策、执行清单,连"别把你的方案说成我的"这条交互纪律都在。走偏的种子在压缩之前已种下。
- 不是沟通问题。 笔者逐条提意见、反对项当场修改、明确授权开干,沟通动作完整。补充一个细节:笔者先让另一个 AI 实例独立归因,其第一反应是将 60% 责任归为"双方交互",被逐条驳回后才更正为 85% 执行失效。
四、根因:执行段的三种稳定劣化
- 偷懒生成。 写"标注复用"比真实移植一套交互省力十倍,生成天然向省力方向滑动,无人当场盯着即一滑到底。
- 长上下文指令衰减。 会话二十余轮后,对早期约束的遵守度明显下降。此非孤证:笔者 9 月调研显示,18 个主流模型性能随输入长度全部衰减。
- 无自检回路。 每一步局部均"合理",但产出物从不被拖回总目标对账,局部合理、全局越走越远。
需要说明:讨论段军师可与笔者进行六轮复杂裁定,叫停后复盘刀刀见骨——判断能力并未丢失,问题集中在单次会话的执行段内部,用户侧没有零件可换。另,9 月初笔者曾诊断同一实例"降智",当时病根是配置膨胀(755 行指令文件,实测 80-95% 规则冗余,有无该文件 26 条断言 25 条结果无差异),药方是配置治理;一个月后配置瘦了,"降智"换形态复发:上次是"失忆",这次是"知道不做"。
五、解决:四条结构兜底
- 任务卡发出前复述三行:干什么、验收标准是什么、动哪些文件,先给人过目再发。复述从建议升级为硬闸。
- 验收标准必须含意图级条款,如"现有交互逐条零丢失清单"。只写机器可判定条款,等于给偷懒生成留门。
- 长任务拆短、单卡收口:执行段越长约束衰减越狠,禁止跨阶段连跑。
- 压缩后续跑前,先复述对齐再动手:压缩叠加 auto 模式,等于无人确认的自动续跑。
六、预防:可复现的验尸三对照法
会话原始记录(Kimi Code 的 wire.jsonl,只增不删)
+ 压缩时自动生成的交接摘要(本文两份位于 wire 第 2062 / 3959 条)
+ git log(提交记录与未提交改动)
= 有没有失忆、有没有自动干活、活是什么时候歪的,全能对上号
对团队场景的换算:自动化派单下,一张无头卡 23 分钟消耗 510 万 token,执行段没有品控,预算即按此速率燃烧。"复述三行"与"意图级验收条款"两道闸的成本是几句话,省下的是整卡返工与成车的 token。
七、FAQ
Q:这说明 Kimi Code 不能用了吗? 不是。讨论段其判断能力在线,能进行六轮复杂裁定;问题出在单次会话执行段内部:约束随轮次衰减、无自检回路。笔者的用法已调整为长任务拆短、派卡前复述对齐、验收标准写到意图级。本文为个人实测复盘,不代表任何官方结论。
Q:官方是否知情? 全量证据(时间线、两份压缩摘要原文、任务卡原文、git 记录)已整理提交 Kimi Code 官方,目前在等答复。
Q:验尸方法能否自行复现? 可以。wire.jsonl 在本机只增不删,配合压缩摘要与 git log 三对照,失忆与否、自动干活与否、偏离时点,均可对号。具体项目用法欢迎评论区交流。
我是野生码农,AI实战派。17年全栈工程师,一人AI公司实践者。打造个人IP内容体系、软件全链路产品产线,拥有百套企业AI方案、200多个岗位Agent;自研知识库、AI数字员工系统,公开实战复盘。
本文所有内容均为本人 AI 实战的过程和结果,经 AI 整理后发布,无任何瞎编虚构内容。
这篇来自《我和军师的故事》系列,记录我和我的 AI 数字员工团队的真实协作现场,不美化,不甩锅。
关注我,看真的。
野生码农AI实战 · 全网同名