装了个 AI 外挂，养了个会闯祸的实习生

装外挂之前，我以为装上是终点；装完之后才发现，装上是起点——而且起点处站着一个会闯祸的实习生。

“给自己装个 AI 外挂”这件事，我写过不止一次了。但今天不说”怎么装”，说”装完之后”。

很多人对 AI 外挂有个幻觉：装上就等于一劳永逸，外挂是个零件，拧上去就永远运转。

错。外挂是个活物。准确说——你以为装的是外挂，其实养的是个实习生。它大部分时候挺能干，但会赖床、会装聋、会算错账，还会把自己零件弄丢。

这些坑，每一个都是我深夜对着报错日志一点一点挖出来的。挑四个最典型的说给你听。不是劝退，是想让你知道：这些坑不是 bug，是学费。

一、它赖床：插座型号对不上

第一个坑，是我家 gateway（AI 团队的通信中枢）死活起不来。

报错只有一行：No module named pydantic_core。

我第一反应是”没装依赖”，装了一遍，还报错。再装，还报错。折腾到凌晨，才发现问题根本不在”缺”，而在”错配”——我用 3.12 的 Python 环境，去加载一个为 3.11 编译的底层库。

那行报错翻译成人话就是：你给 220 伏的电器，接了个 110 伏的插座。型号对不上，插上就跳闸。

解决也简单：换回 3.11 的环境跑。但”简单”是事后说的，找这个原因，花了半夜。

教训：报错说的往往不是真相，是症状。 No module named 不等于”没装”，也可能是”装了但版本不对”。别急着重复装，先问一句：这玩意，跟它要跑的环境，是一对儿吗？

二、它装聋：那条永远不会执行的任务

第二个坑更阴，因为它不报错。

我用定时任务，让 AI 每天早上自动推一条简报。任务建好了，我盯着后台等它跑。

第一天没跑，”可能时间没到”。第二天没跑，”可能配置有问题”。第三天，我意识到——这条任务，它这辈子都不会跑。

因为调度器（真正”到点喊人干活”的那个东西）只挂在 A 目录下，而我建的任务，建进了 B 目录。B 目录里根本没有调度器，那只是个放任务的仓库，没人值班。

翻译成人话：你在 A 房间定了闹钟，但闹钟装在 B 房间。A 房间时间到了，B 房间一片寂静，你在两个房间之间来回找闹钟。

教训：最坑的不是报错的错，是沉默的错。 任务不执行，没有任何提示，它只是安静地躺着，假装一切正常。遇到”到点没反应”，别先怀疑自己记错了时间，先怀疑：执行的人，到底在不在这个房间里？

三、它算错账：别让语言模型做数学题

第三个坑，让我对 AI 的能力边界有了刻骨的认识。

我让 AI 给几个方案打分，分项 0 / 0.5 / 1.0，然后加权求和。规则写得很清楚，权重也给了。

结果它算出一个明显不对的总分——0.65 的加权分，它心算成了 0.55。

核对好几遍，不是我规则写错，就是它心算小数乘法时串行了。

这挺反直觉：AI 能写代码、写文章、聊天，怎么连 0.6×0.5 都算错？答案是——它根本不是”算”出来的，是”猜”出来的。 大语言模型本质是预测下一个词，不是执行计算。你让它做精确数学，就像让一个诗人背乘法口诀——他能背，但背到一半就串行。

教训：分工要清晰。AI 负责”判断”（分项给 0/0.5/1.0），代码负责”计算”（加权求和）。 别让语言模型做数学题，就像别让会计去写诗。它能做，但不该让它做。

四、它丢零件：把轮子当废铁卖了

第四个坑，纯属我作死。

大扫除清理系统垃圾，手一抖，把浏览器自动化要用的几个文件删了。第二天，AI 操控浏览器的功能直接趴窝——缺 chrome.dll、resources.pak、icudtl.dat 三个零件。

翻译成人话：我把汽车的轮子当废铁卖了，第二天还纳闷车怎么开不动。

更气人的是，删的时候我根本不知道这几个文件是干嘛的，只觉得”这啥玩意，占地方，删了”。删完的后果，三天后以”为什么浏览器自动化全崩了”的形式找上门。

教训：删你不认识的文件之前，先查一下它是谁的零件。 折腾 AI 的过程，你会有无数次”这啥玩意”的冲动，但请记住：你现在看着没用的东西，可能正是某个功能正在用的腿。

收个尾

四个坑说完了。你会发现，没有一个是”AI 不行”，全是”我和 AI 还没磨合好”。

插座接错、闹钟装错房间、让诗人算数、卖了自己的轮子——错的从来不是工具，是拿工具的人还没搞懂工具。

所以我才说，装外挂不是终点，是起点。外挂不是买来的零件，是养出来的队友。它会闯祸、会掉链子、会阴你，但每闯一次祸，你就懂它一分。你 debug 掉的每一个坑，都不是浪费时间，那是你真正”学会”这台机器的方式。

而这，恰恰是”人”不可替代的地方：机器会出错，但判断错在哪、为什么错、怎么修——这件事，只有站在它旁边的那个人能干。

外挂是外挂，但你得先当那个会修外挂的人。