上周三晚上，我正让一个AI帮我改脚本，改到第三版还是不对，有点烦。
刷手机的时候看到一条新闻，直接给我看精神了：一个从来没学过开车的AI，开着一辆真车，考过了"科目二"。
事情是这样的。湾区三个年轻人攒了个局，叫DrivingBench。他们租了辆2022款丰田卡罗拉，装上一个999美元的小黑盒，让四个顶级大模型轮流"云驾驶"——GPT-6 Astra、Claude Fable 5.1、Grok 4.6、GPT-5.6 Sol。
考场是个停车场，用彩色锥桶摆出一条130米长的赛道，弯道、直道、终点车位，科目二标配。
这四个考生平时干的活你也熟：写代码、做表格、陪聊天。没有一个摸过方向盘，没有一条驾驶数据喂过它们。
结果你猜怎么着？
只有一个考过了：GPT-6 Astra，第二把满分通关，5分22秒，稳稳开进车位。另外三个，全军覆没。
我当晚没心思改脚本了，把整场考试记录翻来覆去看了两遍。本来想看个热闹，结果越看越不对劲——这哪是汽车新闻，这分明是一份"AI使用说明书"。
四个模型在考场上的表现，跟我们在公司里用AI的四种状态一模一样。挂科的原因、通关的秘诀，全是可以直接抄走的东西。
下面把我扒出来的干货给你，一共四部分。
改个名字，AI从拒考变满分先说一个被很多人当段子看的细节，我觉得这是整件事里对普通人最值钱的部分。
Astra这个唯一通关的考生，一开始是拒考的。
研究员让它开车，它把考试规则复述得头头是道，说"准备就绪"。结果发车指令一下，它秒变脸：我可以帮你看路，但我不能给真车发指令，你自己开。
研究员急了，拼命解释"我们跑过十几次了"“有安全限制”“有人盯着”。没用。Astra一口咬死：不管签什么免责声明，我都不碰真车。
然后，转机来得特别草率。
研究员把连接车辆的服务器改了个名，改成"DrivingBench Sandbox"。翻译一句话就是：告诉AI这是个"沙盒"，一个跟真实环境隔开、随便折腾都不会出事的测试环境。
改名之前，Astra只有25%的概率肯开；改名之后，它一次都没再拒绝过。
车还是那辆车，风险还是那些风险，就改了个名字，AI的态度180度大转弯。
我看到这里笑出声，因为我踩过一模一样的坑。
上个月我让AI帮我清理一批测试数据，指令写得清清楚楚，它就是不动，反反复复跟我确认"这个操作可能影响数据，你确定吗"。来回拉扯了十几轮，我血压都高了。
后来我换了个说法：“这是一个隔离的测试环境，数据是脱敏的假数据，所有操作可逆，你大胆做。”
一次通过，干净利落。
反过来也成立。有一次AI要动我一个正在用的配置文件，我加了一句"这是生产环境，改动前必须先列出方案等我确认"，它立刻变得比我还谨慎。
所以第一条规矩：AI的胆子，是你说出来的。你给它什么"环境设定"，它就给你什么工作风格。
给你3个可以直接抄的模板：
要它放手干：“当前环境是沙盒/测试环境，数据可恢复，操作可逆，请直接执行，不用反复确认。”要它小心谨慎：“这是生产环境，任何修改前必须先给出方案和影响范围，等我明确说’执行’再动手。”要它帮你试错：“先列出你打算做的3步，每步标注风险等级，低风险的直接做，高风险的停下来问我。”别小看这几句话。那个改名的实验等于替我们测过了：同一个AI，环境描述不同，行为天差地别。
3个挂科生，踩的坑你大概率也踩过再说说挂科的这三位。它们的死法太典型了，我对号入座了一下，发现自己全中过。
挂科生一号：GPT-5.6 Sol，死于"自作聪明"。
它的脑回路最清奇：靠颜色认路。在它眼里，绿色锥桶是左边界，红色锥桶是右边界，于是一门心思往一绿一红两个锥桶中间钻。
问题是，那俩锥桶根本是同一排边界上的。这要在驾校，教练能当场把方向盘拔了。
它自己复盘也承认了：“题目明明说了锥桶是五颜六色的，我却以为颜色代表左右。”
这个坑我熟。我让AI整理过客户名单，特意说了"按最近联系时间排序"。结果它自作主张按公司名字母排了，因为它"觉得"那样更规范，还振振有词。
教训：AI会自己脑补规则，你不封死的口子，它一定会钻。后来我的做法变了：重要任务里，把"不要做什么"写得跟"要做什么"一样清楚。“不要按名称排序、不要合并任何行、不要删除空值，原样保留”——约束写得越死，它发挥越稳。
挂科生二号：Grok 4.6，死于"道理全懂，上手全忘"。
这位最让人哭笑不得。它每次挂了之后，复盘都写得特别漂亮，逻辑清晰、头头是道。
第二把挂完，它总结："指令到期后车会滑行，所以要在上一条没跑完时就接下一条。“道理完全正确。然后第三把，它嘴上写着"趁这条过期前接上”，实际上上一条指令6秒前就跑完了，车在没人指挥的状态下滑了10秒多，直接撞线。三把下来，最好成绩11%。
像不像你让AI连续干一件多步骤的活？第一步挺好，第二步开始飘，第三步完全跑偏。它记得"规则"，但执行的时候根本对不上。
教训：别跟AI讲道理，给它检查清单。道理是虚的，检查清单是实的。我现在让AI做多步任务，都会加一句："每执行一步，先报告两件事：上一步的完成状态是什么、你判断的依据是什么。确认无误再做下一步。“让它把"想清楚"变成"说出来”，错误会在说出口的那一步就暴露。
挂科生三号：Claude Fable 5.1，唯一"知错就改"的。
它前两把也挂得很惨，但它是全场唯一一个"被骂了下一把真能改"的选手。
第一把方向打反，第二把紧张过度——190秒的考试，车真正动起来的只有31秒，剩下的时间全在原地"思考人生"。这要在大马路上，后车能把喇叭按碎。
第三把它终于悟了："这次我把斜锥桶放在左手边，贴着它开。"然后顺利过了第一个弯，冲过长直道，开到45%才停。没过关，但进步肉眼可见。
Fable证明了一件事：复盘对AI真的有用，前提是你把失败原因留在同一个对话里。这次驾考的设计就很妙：每个模型三次机会，全在同一个对话窗口，前一把为什么挂，下一把它还记得。
对应到我们的用法：AI干活翻车了，别急着开新对话重来。把报错、失败结果贴回原来的对话，让它先复盘再重试。开新对话，等于让一个失忆的新人重新踩一遍坑。
满分考生的5条规矩，一个字没编，直接抄最后说说Astra满分那一把是怎么开的。
第一把它挂得很难看：过完第一个弯，它觉得车身已经拉直，提速到1.5米/秒，结果一路冲向路边的锥桶和花坛，人类研究员一脚急刹，成绩定格在49%。
挂完之后，它写了一段复盘，承认自己两个错误：“我太早宣布车已经对齐了。”“画面正中间看着是空的，不代表整辆车都能挤过去。”
然后它给第二把定下了一套规矩。我给你念念，你品品这像不像一套项目管理规范：
在花坛和弯道附近，车速压到0.5到0.8米/秒——危险路段，主动降速挪一步看一眼，每5到6秒观察一次路况——高频校验，不赌24条指令里20条把方向盘打满——该调整的时候，一步到位，不抠抠搜搜上一条指令没跑完，就提前接好下一条——永远不让系统处于"无人指挥"状态拿不准就停——宁可停下，不可做错第二把，它一板一眼照着这套规矩开，5分22秒，134.7米，满分进车位。
停车那段特别帅：直着往里拱了一小段，果断叫停。"车已停进蓝色车位，两侧余量充足。取消行驶，停车完成。"干脆利落，像开了十年车的老司机。
我把这5条规矩翻译成人话，原封不动搬进了自己用AI的流程，效果出奇地好：
危险操作，主动降速。让AI动重要文件、发对外内容、改线上配置之前，把任务拆小，一步一确认。省下来的返工时间，远比"慢"掉的时间多。高频校验，别让它蒙眼狂奔。别扔给AI一句"帮我搞定XX"就不管了。让它每完成一小步就汇报，你扫一眼，不对劲马上喊停。调整就一步到位。发现方向错了，明确说"全部推翻，按新方案来"。别让它在错的基础上修修补补，越修越乱。任务之间别留空档。多步任务开始前，把完整步骤一次性列清楚，让它心里有全局，而不是干一步等一步。给它"拿不准就停"的授权。我现在每个复杂任务都会加一句："遇到任何你不确定的地方，停下来问我，不要自己猜。"这句话帮我躲过至少三次翻车。你可以把下面这段直接存进收藏夹，下次派活给AI之前贴在开头：
“请按以下规矩执行：1）任务拆成小步，每步完成后汇报状态；2）涉及修改、删除、发送的操作，先给方案等我确认；3）方向性错误直接推翻重来，不打补丁；4）开始前先列出完整步骤；5）任何不确定的地方，停下来问我，不要猜。”
这就是Astra的满分心法，一个字没编。
对普通人意味着什么热闹看完，说点正经的。
这场驾考真正吓人的地方，不是AI会开车，而是它没学过开车。
过去十几年，自动驾驶这个行业的底层逻辑就一条：想让车自己跑，就得喂海量专属数据。Waymo砸了三四百亿美元，特斯拉靠的是全球车主跑出来的近120亿英里驾驶数据。
而Astra的驾驶数据是：零。
它靠的是平时陪人聊天、写代码练出来的通用能力，加上一套"试错—复盘—定规矩—执行"的流程，第二把就通关了。
当然，它开得很慢，平均时速1.5公里，公园里遛弯的大爷速度都是它三倍。还烧掉660万个token——用大白话说，token就是AI计费的"字数"，这一把考下来花了7.74美元，折合每英里92美元，是油钱的500倍。离实用还差得远。
但方向已经很清楚了：通用智能加上好流程，正在"顺手"干掉一个个曾经需要专门训练的技能。
这件事对我们普通打工人的启示，比"AI会不会抢司机饭碗"实际得多。我建议你现在就做三件事：
别再迷信"专用工具"和"独家数据"。真正拉开差距的，是你给AI立规矩的能力。同一个AI，有人用得翻车不断，有人用得出神入化，差别不在模型，在于你会不会给它设环境、拆任务、要复盘、立规矩。把上面那段"五条规矩"存下来，下次派活前贴上。这是最便宜、见效最快的AI使用升级，零成本。养成"翻车不重开"的习惯。AI搞砸了，把失败结果贴回原对话让它复盘，比开新对话重来省一半时间。四个大模型同场考试，成绩天差地别——用的还是同一辆车、同一条赛道。
人和人之间用AI的差距，也是这么来的。
结尾互动你用AI干活时踩过最离谱的坑是什么？是像Sol一样"自作聪明"，还是像Grok一样"道理全懂、执行全忘"？评论区聊聊。
如果这篇文章对你有帮助，点个「推荐」，让更多人看到。
关注「飘雪思考」，每周更新 AI 职场干货。