我们常说 AI 有“幻觉”（Hallucination）。在很多语境下，这是个贬义词，意味着胡编乱造。
但在创造者的眼里，幻觉是极其珍贵的资源。小说家乔治·R·R·马丁曾把作家分为两类：“建筑师”和“园丁”。建筑师先画蓝图，追求严丝合缝；园丁先撒种子，等待意外生长。最迷人的作品，往往是园丁的狂野想象在建筑师的结构中生长出来的。
同样的张力也存在于爵士乐中。小号手可以即兴吹出最疯狂的旋律，飞到九霄云外，但贝斯手和鼓手必须稳如磐石。那个永远不乱的低音节奏，就是风筝的那根线。
现在，我们正站在一个新的路口：当 AI 成为那个“疯狂的小号手”，甚至开始自我循环、自我编程时，谁来做那个“鼓手”？
在最新的 AI 工程实践中，我们似乎找到了答案。
回归“古老”的 CLI
最近在 Coding Agent（编程智能体）领域，出现了一个有趣的“返祖现象”。
无论是像 Manus 这样的新锐，还是 Claude Cowork 这样的巨头探索，它们在让 AI 替人类干活时，都不约而同地选择了一个极其传统的交互界面：CLI（命令行界面）。
表面上看，是因为 CLI 简洁、通用。但从工程哲学的角度看，这背后隐藏着对抗 AI 熵增的秘密武器。
AI 的思维（模型内部的概率分布）是发散的、液态的、甚至可以说是“气态”的。它可能在一秒钟内构思出三种重构代码的方案，或者幻想出一个不存在的 API。如果让这种气态思维直接输出，很容易变成一团乱麻。
而 CLI，是一个绝对的收束器。
无论 AI 的“内心戏”多么丰富，当它决定要与现实世界交互时，它必须把所有的想法挤压成一行具体的命令： npm install react 或者 python test_generator.py
这一刻，“气态”的思维被迫液化成了“固态”的行动。
确定的“点”与上升的“台阶”
这就是我在工程实践中观察到的“锚点效应”。
AI 可以生成成千上万字的推理链（CoT），这是概率的世界。但当它敲下回车执行 CLI 命令的那一瞬间，它就撞上了确定性的墙壁。
- 命令执行成功了？—— 这是一个确定的真值（True）。
- 命令报错了？—— 这是一个确定的假值（False）。
这种“非黑即白”的反馈，对于 AI 来说至关重要。它不再需要在概率的云雾里猜测自己对不对，编译器和操作系统给了它最冷酷也最诚实的回答。
正如您所见，基于沙箱（Sandbox）的 Agent 之所以能成功，是因为它们建立了一种节奏： 幻想（生成计划） -> 收束（CLI命令） -> 撞击现实（执行结果） -> 修正（下一轮生成）
每一个执行成功的代码片段，不再是虚无缥缈的文字，而变成了一块坚硬的砖头。 AI 踩在第一块砖头上（环境配置成功），才能去够第二块砖头（编写测试通过），最后够到第三块砖头（功能实现）。
这就是把“幻觉”工程化的过程：利用 CLI 创造一个个确定性的“点”，将它们连成线，最终把概率的斜坡，变成了一级级可以攀登的台阶。
我们可以学到什么？
我们以前总担心 AI 会失控，会一本正经地胡说八道。现在看来，解决之道不是禁止它胡说，而是给它一个“验证的沙场”。
这给我们构建 AI 应用带来了一个极佳的启示：
如果你希望你的 AI 助手靠谱，不要只关注它的 Prompt 写得好不好，要去关注你有没有给它提供足够的“确定性锚点”。
- 给它一个计算器，让它验证数学题；
- 给它一个数据库查询权限，让它验证事实；
- 给它一个代码解释器，让它验证逻辑。
未来的 AI 工程师，某种程度上就是“数字世界的关卡设计师”。我们需要设计的，不是 AI 该说什么话，而是那些能够让 AI 里的“疯狂园丁”撞击现实、从而修剪枝叶的“硬墙壁”。
在这个循环中，AI 负责提供无限的可能性，而我们设计的工程环境，负责提供那个至关重要的——“抓手”。