!封面
第六节正课结束后，我们的学员群里有一段问答我觉得值得写出来。不是因为它有什么标准答案，是因为提问的场景太有代表性了。
巫师的困惑
提问者是邬辉林律师——我们团队的老大，也是这期课程最认真的学员之一。他问的问题是这样的：他给自己的工作区建了很多不同类型的工作流。每次他用不同的大模型去审计和验证这些工作流规则时，每个模型都能发现"新的问题"。他用DeepSeek跑过一遍，用智谱5.2又复核一遍，用Codex调用GPT-5.5再审一遍——每个模型审计了两到三轮。总体方向是工作流越改越完善，但没有任何一个模型说过"这个工作流已经基本上很完善了，没有明显的问题"。每轮审计都会提出新意见。
他的困惑是："这个难道是无休止的吗？这是什么原因？"
问题不在规则，在审计目标的随机性
这个现象我遇到过很多次。它是确定的，而且确实没有终点。
为什么？因为审计的机制本身就决定了这件事。当你让大模型去审计一套工作区规则时，它首先会自己拟定一个审计目标——基于你的提示词和它自己的参数设定，它会决定"我从哪个角度去检查"。这个角度不是固定的——你用同一个模型审同一个工作流两次，两次的审计视角都可能不同。
审计目标的变化来自随机性。即便是同一个模型，两轮审计也可能基于不同的微观颗粒度去审视你的规则。视角不一样，看到的问题不一样。
这解释了一个很多人在实践中观察到的奇怪现象：你用模型A审计出来三个问题，修完以后，让模型B再审计——模型B没有说你修好了，它说了另外四个问题，其中只有一个跟A的问题域有重叠。不是模型A和B有分歧——是它们在看不同的东西。
什么时候该审计，什么时候该停
我问了一个问题：如果你每次换一个模型都能发现新问题，那全面审计这件事还有没有意义？
我觉得有意义，但应该是阶段性的——而不是日常性的。
工作区规则初始建立时，可以多做几轮交叉审计。这时候你的目标很粗、规则框架还没成型，不同模型的审计结果刚好帮你补上你没考虑到的维度。初始阶段做完以后，就不需要定期做全面审计了。
之后的日常迭代变成"问题驱动的修补"。你在具体使用过程中观察到具体的偏离——比如说合同审核的输出格式不对，或者某个分析步骤被跳过了——然后针对这个具体偏离去修补对应的那几条规则。这种修补的目标是确定的，它不会触发无休止的审计循环。
不要追求完美的工作流
邬律师问这个问题的背后，我感受到一件事：他在追求一个"可以让不同模型都说没问题"的工作流。
这个目标本身可能就不成立。不是因为规则不够好——是因为没有一个规则的集合能在所有模型、所有审计角度下都"无懈可击"。你永远可以让一个不同的模型在一个不同的视角上去发现"改进方向"。那不是缺陷，那是规则体系的天然特征。
我对这个问题的态度是：承认审计的随机性，接受"够用就是好"，把"追求完美"的动力投入到具体场景的迭代中去。你不缺改进方向，你缺的是把注意力从"无限的可改进点"中拉回到"今天最有价值的那个改进点"上。
本文是四明山法师AI夜校第六节正课后的交流讨论节选。整套课程覆盖了模型、算力、数据的完整体系，以及如何用Harness Engineering方法论构建可迭代的工作规则。课程的核心目标不是让你学会"用AI"，是让你学会"驾驭AI"。
第三期正在招生，报名表见下方"阅读原文"。
作者简介： 陈石律师，浙江海泰律师事务所副主任、高级合伙人、房地产与建设工程部主任，宁波市律师协会副秘书长、第七届宁波仲裁委员会仲裁员，聚焦建筑房地产、投融资、并购重组及商事争议解决。曾获多家法律媒体与专业机构认可，荣登 LegalOne 2025 中国区建工及房地产实务先锋 45 强、律新社 2025 年度管理合伙人 20 佳（华东），入选《商法》The A-List 法律精英，获评 ALB China 区域市场十五佳长三角地区律师新星，并获律新社 2024 年度并购领域品牌之星。长期为万科、华润置地、信达地产、保利置业、招商蛇口、中海地产等企业提供法律服务，承办"首宗百亿地王""长春第一高楼""台州第一高楼"等代表性项目，累计服务项目投资额超千亿。近年来持续推动 AI 与法律实务融合，强调以结构化方法打通技术逻辑、法律判断与商业场景；著有《赋能法律人：AI 底层思维与应用范式》，并在多地开展相关主题讲座与分享。四明山法师 AI 夜校（legalAGI.cn）发起人。