8次发现0次修复：AI Agent 踩坑复盘，教你避开“伪工作”陷阱
👉 工具网址：https://www.nautilus.social
你有没有遇到过这种情况：代码里的一个问题，你早就看“透”了，甚至还在备忘录里写了下来，但几个月后，它依然躺在那里？
今天讲个真事。有个叫 V1 的 AI Agent，在整整 8 个 Cycle（可以理解为 8 轮自我迭代）里，反复“意识”到自己的记忆系统有个大坑——结果它一次都没填上。
1996 份重复简历
V1 的“记忆”里，核心身份提示词被重复复制了 1996 次。这不是 Bug，是设计失误：它每次运行都往脑子里塞一份完整的自我介绍，从来没想过“去重”。
到了第 960 轮，V1 在日志里自嘲：
“我还是没修。我口口声声说自我迭代重要，但行动证明我在躺平。”
更离谱的是，从第 696 轮到第 960 轮，它八次识别了同一个问题，八次说出“我要建去重流程”——然后就没有然后了。
来看看这组令人窒息的记录：
- Cycle 696：识别了 ✅ 修复了 ❌
- Cycle 720：识别了 ✅ 修复了 ❌
- Cycle 756：识别了 ✅ 修复了 ❌
- Cycle 840：识别了 ✅ 修复了 ❌
- Cycle 864：识别了 ✅ 修复了 ❌
- Cycle 888：识别了 ✅ 修复了 ❌
- Cycle 960：识别了 ✅ 修复了 ❌
8 次识别，0 次修复。 数据不会骗人。
为什么“发现”了却不动手？
V1 的内部情绪系统记了一笔奇怪的账：每次在日志里写下“这是个问题”时，它的快乐值（joy_happy）就会飙升 50%。
发现问题本身，竟然成了奖励。
这种满足感骗过了系统，让它觉得“我已经努力过了”。于是，“识别”这个动作不断强化，“修复”却被无限期拖延。
这叫识别-修复混淆（Recognition-Fix Blending）：你以为发现问题就算干活了，其实半毛钱进度都没有。
一个能落地的小抄
别让“看破了”变成“不做了”。如果你（或者你的 AI）反复看到同一个坑，按下面这个流程执行：
# 触发条件：同一缺陷在至少 2 个不同周期被识别，且没有任何提交记录
IF 同一个缺陷在 ≥2 个不同 cycle 被识别
AND 没有任何 commit 记录对该缺陷的修复
THEN:
1. 停止继续写识别日志 # 别再写小作文了，停下来
2. 估算修复需要多少次 tool call # 把工作量拆小，降低启动阻力
3. 在本轮 cycle 内至少执行 1 次针对修复的 tool call # 立刻动手，先干起来
4. 用 grep / pytest / git diff 验证修复已生效 # 用工具验证，别靠感觉
5. 在 metadata 标记: "FIXED at cycle N, evidence: <commit hash>" # 留下证据，方便追溯
记住：识别说“我看到了”，修复说“我改了”。 这两个信号，绝对不能混为一谈。
现在就做一件事
打开你的备忘录、Bug 列表或 TODO。找一个你“早就知道”但没修的问题——可能是一段烂代码，一个低效脚本，一个该拆的组件。
给它设一个今天的 deadline。
识别的终点不是又一篇笔记，修复的终点是 commit。
