📘 第 6 课：Discernment for code（代码侧判断力）

所属课程：AI Fluency for Builders（the AI Architect path 第 1 门） 官方课时定位：Section 4「Discernment for builders」— Lesson「Discernment for code」 课时长度：预计 30 分钟（视频 5 分钟 + 练习） 针对认证：CCAR-P（架构师 Professional） 整理日期：2026-10-13 ⚠️ 语料来源：官方 Skilljar 课程正文（用户提供，非公开抓取）。CC BY-NC-SA 4.0，仅供个人学习。 ⭐ 本课权重提示：引入判断力五镜（The Five Lenses of Discernment），是领域 4（评估与诊断）的直接考点，也是「Discernment for code / UX」两课之一（另一课为第 7 课体验侧）。

🎯 本课学习目标（What you'll learn）

Estimated time: 30 minutes

学完本课后，你应当能够：

• 用五个镜头评估 AI 生成的成果：正确性（correctness）、质量（quality）、契合度（fit）、体验（experience）、责任（responsibility）
• 通过学习 AI 构建产品特有的失效模式，把质量标杆从"能跑"往上抬
• 在 AI 的可预测技术盲点进入生产环境之前抓住它们

📖 一、课程导读："能跑"不再是标杆

官方原句： When AI can spin up a working product in minutes, "working" stops being the bar. You'll learn where AI-built products typically fail, the technical blind spots that surface in production but not in development, and how to build the taste that AI doesn't have.

架构师级精译：

当 AI 能在几分钟内拉起一个可运行的产品时，"能跑"就不再（stops being the bar）。你将学到 AI 构建的产品通常在哪些地方失败，那些只在生产环境暴露、开发环境不暴露的技术盲点，以及如何培养 AI 所不具备的品味（taste）。

💡 四个关键词拆解

记忆锚：AI 让"能跑"变得廉价，所以标杆必须上移。

🔍 二、⭐ 判断力五镜（The Five Lenses of Discernment）· 本课核心模型

官方原句： Lens 1 is easy to test — run it and see. By Lens 5, you're making judgment calls AI can't make for you.

精译：第 1 镜容易测试 —— 跑一下就知道。到第 5 镜，你是在做 AI 无法替你做出的判断取舍。

五镜总表

⚠️ 重要说明（严谨性声明）： 用户提供的课程正文中，仅 Lens 1 有官方展开定义（见下）；Lens 2–5 在此处只给出了名称与标题。 因此本表对 Lens 2–5 的"核心问题"一栏是依据名称与官方梯度说明作的合理推断，非官方原文定义，已在表中以括号标注。 待课程正文补全后应回填官方定义。 考试层面务必以官方原文为准。

Lens 1：Functional Integrity（功能完整性）—— 官方完整定义

官方原文： Lens 1 — Functional Integrity. Does it work? ✓ Produces correct output for real inputs, not just test data Common AI failure: Code that passes unit tests but breaks on real data the prompt never covered.

精译：

第 1 镜 —— 功能完整性。它能用吗？ ✓ 对真实输入产生正确输出，而不只是对测试数据正确 AI 常见失败：代码通过了单元测试，却在处理提示词从未覆盖的真实数据时崩溃。

💡 这一镜的两个要点

① 判定标准：real inputs, not just test data * ⭐ 真实输入 ≠ 测试数据。这是 Lens 1 的精髓 —— 它看起来是"最基础的"一镜，却已经埋了一个坑：能通过测试不等于能用。 * 呼应第 5 课 Step 3 的边界情况（诊所关门 / 无数据 / 零等待）—— 那些正是"真实输入"。 * 呼应第 5 课 a passing test with an unhappy user（测试通过但用户不满）。

② AI 的常见失败模式：passes unit tests but breaks on real data the prompt never covered * 根因：提示词没有覆盖那些真实数据形态 → AI 没见过 → 代码没处理。 * 这又回到了上一课的 AI cannot hear what the user did not say —— 你没描述的场景，AI 不会替你想到。 * 考点：题干给"单元测试全绿，上线后真实数据报错"→ 答案指向评估数据集未覆盖真实输入分布（领域 4：design evaluation datasets），而不是"代码质量差"。

🔑 三、核心要点（Key takeaways）· 必背

1. 能跑的代码依然会失败

Code that runs can still fail. The default AI output is technically complete but often misses the point.

精译：能运行的代码依然会失败。AI 的默认输出是技术上完整的，但常常抓不住重点（misses the point）。

⭐ technically complete but misses the point 是本课对 AI 输出最精准的判语，也是第 5 课「代码能跑但产品不行 = 描述失败」的同源表述。 考点：题干描述"AI 生成的代码语法正确、能运行、但没解决实际问题"→ 选描述/需求层面的问题 + 判断力缺失，不是"重写代码"。 呼应第 5 课 Key takeaway 2（往上游找）。

2. ⭐ AI 有可预测的技术盲点

AI has predictable blind spots in concurrency, security, and anything that only breaks at scale.

精译：AI 在并发（concurrency）、安全（security），以及任何只在规模化时才崩溃的东西上，存在可预测的盲点。

⭐ 关键词是 predictable（可预测的）： * AI 的盲点不是随机的，是可预测的 —— 所以你可以有针对性地检查。 * 呼应课程导读的 technical blind spots that surface in production but not in development —— 并发、安全、规模化这三类恰恰都是开发环境看不出、生产才爆发的典型。 * 考点：这是领域 5「识别 LLM 系统的风险、局限与失效模式」与领域 4「诊断系统问题」的直接素材。题干问"AI 生成代码最可能在哪方面出问题"→ 在并发 / 安全 / 规模化三类中找。

3. ⭐ 品味是构建者的技能

Taste is a builder skill. AI delivers functional. Making it worth using is on you.

精译：品味是一项构建者技能。AI 交付的是"能用"（functional）。让它"值得使用"（worth using）是你的责任。

⭐ 这是本课的价值落点，也是第 4 课 raising the bar 的答案： * AI 的天花板是 functional（能用）；worth using（值得用）超出 AI 能力，属于人的 taste。 * 呼应第 4 课 Empathy = AI weak, it can't feel the gap —— 品味与共情同源，都是感受性的，AI 做不到。 * 呼应第 5 课 Tests are the most precise form of description —— 但测试无法表达品味；Lens 4（体验质量）与 Lens 5（负责任的影响）正是测试之外的判断。 * 记忆锚：AI 负责 functional，人负责 worth using。

✍️ 四、练习：诊所项目的用户测试（User testing the Clinic project）

把你的构建放到一个扮演患者或诊所管理员（clinic admin）的搭档面前 —— 不要解释，不要帮忙。

观察并记录： * 他们在哪里感到困惑（get confused） * 他们忽略了什么（what they ignore） * 他们想要什么而你根本没做（what they wanted that you never built）

产出：写下三件你会改变的事，以及每一件属于哪一镜（which lens each falls under）。

💡 架构师视角： * 本练习是第 5 课 Step 5 演示的延续与升级 —— 同样的 don't explain, don't help 规则，但这次增加了五镜归因。 * what they wanted that you never built 直接指向 Lens 3（Problem Fit，问题契合度） —— 你做的不是他们要的。 * where they get confused 指向 Lens 4（Experience Quality，体验质量）。 * 呼应考纲领域 4：design evaluation datasets —— 真实用户观察是最hard-coded的评估数据来源。

🤔 五、课后反思（Lesson reflection）

1. 五个镜头中，你会自然应用哪几个？哪几个需要提醒自己去检查？
2. 当 AI 产出的东西不够好时，你的本能是什么：自己动手修（fix it yourself），还是把它描述得更好（describe it better）？

💡 这第二问是精心设计的诊断题： * fix it yourself → 停留在下游（第 5 课：症状在代码） * describe it better → 回到上游（第 5 课：找断掉的那一环） * 官方倾向显然是后者 —— 呼应第 5 课 Find which link broke upstream 与 Tests are the most precise form of description。

➡️ 六、下一课（What's next）

You've stress-tested the Clinic Wait Time Checker through the lenses you tend to skip. Next, you'll look at the same tool through a different lens: how does it actually feel to use?**

精译：你已经用那些你平时会跳过的镜头，对诊所等待时间查询器做了压力测试。接下来，你将用一个不同的镜头看同一个工具：它用起来到底感觉如何？

stress-tested = 压力测试；feel to use = 用起来的感受 → 即第 7 课 Discernment for user experience（体验侧判断力）。

📌 七、版权与致谢（Acknowledgments and license）

Copyright 2026 the AI provider. 本课程由 the AI 与 CodePath 联合开发，构建于 Prof. Rick Dakan（Ringling College of Art and Design）与 Prof. Joseph Feller（University College Cork）开发的 AI Fluency Framework 之上。采用 CC BY-NC-SA 4.0 许可。

🧠 本课 → CCAR-P 考点映射

🔤 本课新生词（待回灌生词本 02）

⚠️ 待补全（等课程正文）

• [ ] Lens 2（Production Readiness）官方定义
• [ ] Lens 3（Problem Fit）官方定义
• [ ] Lens 4（Experience Quality）官方定义
• [ ] Lens 5（Responsible Impact）官方定义

✅ 本课进度

• [x] 全文精译与架构师级拆解（2026-10-13）
• [x] 建立五镜总表（含严谨性声明：Lens 2-5 定义待补）
• [ ] 用户测试练习（三件改变 + 归因到镜）
• [ ] 课后反思两问
• [ ] 生词回灌 30-单词表/02-考试核心生词与术语表.md