AI 以极快速度覆盖一个项目里简单的 70%，但最后的 30%——边界情况、错误处理、架构、健壮性——依然要求人的判断力，并决定软件能否在生产中存活。教训是：AI 让“开始”的成本崩塌，却不触碰“完成”的成本。
每一个用 AI 构建的项目里，都有一个既神奇又暗藏陷阱的时刻：晚上十一点，你让它做一个应用，二十分钟后你就有了一个能跑、看起来不错、甚至像是完工了的东西。你觉得自己赢了。第二天，你试着让它应付一个做了怪事的用户、一笔中途失败的支付、一个空数据、两个人同时按下同一个按钮，于是魔法变成了泥潭。欢迎来到 70% 难题：这是 AI 辅助编码时代记录得最详尽——也最少被人坦承——的现象。AI 以近乎巫术的速度把 70% 的路送给你，然后恰恰在决定你的软件是玩具还是产品的那最后 30% 松开了你的手。
是谁命名了它，以及为什么这个数字很重要
这个名字不是我们起的。Google 的工程师 Addy Osmani 在观察了一批又一批用 AI 构建东西的人之后，把它命名为“70% 难题”。他的论点精确得让人不安：AI 能轻松覆盖一个项目中模式化、可预测的部分——脚手架、CRUD、漂亮的界面，那些它在训练中见过一百万次的东西——但剩下的 30% 依然要求资深工程师的判断力。这 30% 不是更多的代码，而是另一类工作。它是没人要求过的边界情况、只有在东西坏掉时才重要的错误处理、看不见却支撑着一切的架构决策，以及把演示和部署区分开来的健壮性。而 Osmani 最锋利的观察，是关于谁能在那里存活下来：资深者塑造并约束 AI 的输出，就像修剪一棵树；新手则被困在无限的调试循环里，求机器修一个他们自己都看不懂的 bug，每盖住一个就生出三个新的。
鱼与渔：为什么这 30% 是另一种材料
理解它最好的方式，是一个被反过来的古老意象。AI 不教你钓鱼；它把已经做好、上桌、连餐具都摆好的鱼递给你。这是一场即时的盛宴。问题在于，生产环境不是一顿晚餐，而是一场汪洋中的风暴。当网破了、引擎坏了、水从没人预料到的一侧涌进来时，你需要的不是更多的鱼——而是懂得如何钓鱼。这份懂得，就是那 30%。它不是被生成出来的，而是被施展出来的。所以资深者和新手会以相反的方式经历同一个时刻：对资深者来说，AI 的那 70% 是一份可以在上面施加自己判断的快速草稿；对新手来说，同样的 70% 是一个“几乎能用”的黑箱，而在软件里，“几乎能用”是世上最危险的地方，因为它看起来完工了，其实没有。
为什么演示光鲜，生产却栽跟头
这里连上了我们说了很久的一件事。vibe coding——纯凭直觉、以对话方式和 AI 一起构建——在演示中之所以惊艳，恰恰因为演示活在那 70% 里：快乐路径、完全按你预期行事的用户、干净的数据。生产环境正相反：它是那 30% 乘以成千上万个做着你从未想象过的事情的真实用户。在关于 27% 数学的那篇文章里，我们已经给演示和现实之间的落差标了数字——性能从实验室到真实世界会崩掉多少;70% 难题是同一枚硬币的另一面，只是从构建的角度而非性能的角度看过去。一个衡量 AI 离开实验室后会跌多少，另一个精确解释它跌在工作的哪一部分。两者指向同一个深渊：从“在我屏幕上能跑”到“在真实世界里扛得住”之间的距离。
Osmani 确实提出了什么（以及没有提出什么）
对信息源诚实是必要的，因为在网上人们给 Osmani 安上了一些他并没有开出的药方。他对 70% 难题的回应，不是一套预先写规格的僵硬方法论;它是一小把与 AI 相处的习惯。第一条，把 AI 的输出当作“初稿”，永远不当作最终版本。第二条，“持续对话”：在对话中迭代，一轮一轮地修正方向，而不是接受第一个输出。第三条，也是能概括一切的那条：“信任但要验证”。信任那 70% 的速度，但要验证那 30% 的每一寸，因为那正是 AI 最令人信服、同时也最容易出错的地方。如果你想找一套更正式的、先写规格再生成的纪律，它确实存在——Spec Kit 和 spec-driven development 就是往那个方向走的——但那是另一场对话，不是 Osmani 的那一场。他的教训更简单也更通用：AI 的速度并不免除你的验证义务;它让验证变得更紧迫。
你可以带走并分享的那条教训
记住这个思维框架，因为哪怕模型更迭它也不会过期：AI 让“开始”的成本崩塌，却丝毫不触碰“完成”的成本。开始从来不是软件里那个困难的问题;完成才是。AI 免费做掉的那 70% 一直都是便宜的部分——一个好开发者本来也做得很快。它把你独自留下的那 30% 一直都是昂贵的部分，是要花时间和判断力的，而且它至今仍在花费这些。所以，面对任何承诺替你构建应用的工具，正确的问题不是“它到达 70% 有多快?”——所有工具都很快，这场比赛已经赢定了，而且很无聊。真正的问题是“它拿那 30% 怎么办?”。谁向你兜售 100% 全自动，谁就是在卖给你那场演示，同时把风暴藏了起来。
我们是怎么看的
在 NeuralOS，我们不假装那 30% 不存在;我们围绕着它来构建。所以这个平台不会在生成结束的地方结束：Automations 引擎是可续跑的，带有持久化的等待和检查点，恰恰是因为真实的流程会在半路崩掉，必须在不损坏任何东西的前提下把它们接回来——那正是 30% 的地盘。所以集成会把凭证保存在一个按租户加密的 vault 里，而不是让它们裸露在外;所以我们对处理金钱的那些路径，抱着验证和冒烟测试的纪律去工作：不是因为它光鲜，而是因为那恰恰是软件生死攸关的那 30%。我们的赌注和卖烟雾的人相反：AI 带你飞速抵达原型，而我们认真对待随之而来的那段无聊却决定性的路程。信任速度。但判断力——设边界、做验证、让它在生产里扛得住——那是不能外包的。它要被系统化。而这就是一场博得你朋友圈掌声的演示，与一个能在你的用户面前存活下来的产品之间，全部的差别。