AI 自动化逆向（四）人在 AI 逆向流程里到底做什么
本文是「AI 自动化逆向」系列第 4 篇。上一篇：我把一个逆向项目交给了 AI：它做到了什么程度；下一篇预告：控制组：区分「没有」和「没取到」。
前言
上一篇的结尾留了一个问题：AI 做到了什么程度，看清单就够了；但清单没有回答另一半------人在这套流程里到底做什么？
这一篇回答它。而且这一篇里的每一条都有出处：它们来自这个项目自己的流程文件（目标文档、交接文档、纪律清单），不是事后回忆。
先拆掉一个最流行的误会：在这个项目里，人不下场干活。 五个动作里没有一个是"打开反汇编器"。
（同前几篇：文中"AI"指执行分析的模型，"我"指设定目标、审结果的人；内容均已脱敏。）
一、一份"什么都没干"的工作日志
如果把"人"的工作单独记一份日志，它读起来大概是这样：
- 读了一批渲染产物，回了一句"形状轮廓像，但配色不像"；
- 看了一眼两个互相打架的仪器读数，说"先判这两个读数谁对，再谈下一步"；
- 点了一下某个被当成前提的"现成功能"，发现它其实是坏的；
- 把一条看起来最快的路线整个叫停；
- 把全天的优先级从"能出绿的先做"改成"能推动主指标的先做"。
没有一行代码，没有一条技术方案，甚至没有一条像"怎么做"的指令。这份日志按'干活'的标准读，等于什么都没干。
但换一种读法：上面每一条，都改变了下游成百上千个动作的方向------"配色不像"让一个已经写进文档的结论被推翻；"先判读数谁对"避免了一整轮建立在错前提上的实验；"那个功能是坏的"直接作废了一条路线。
人的产出不是代码，是方向 和判据。这就是"审核者"这三个字的实际含义。
二、五个动作，各配一条真实记录
人在流程里的动作，拆开只有五类。每一类用这个项目里的一条实际记录来说明。
动作一：设目标
一句目标下去，AI 会自己分解、执行、自我推翻。但目标本身的形状，是人为它定的：
- 把剩余的未解条目，逐个给出明确结论------这一句就是上一篇那条"六轮工作、五次推翻"判据链的全部起点。
- 目标给完，人还给流程立了规矩：每轮按固定几步走 （先做固定三项检查 → 推一条看得见的产出（屏幕上或产物里真能看见的变化，不是内部计数）→ 落盘 → 交报告），跳步即本轮判失败。
- 还有两条只有人才会写的规矩："停止条件不是时间"------"到几点"只是下限，不是收工信号；以及**"不许把里程碑说成'完成'然后停下"**------改了就发，未知项写进待办。
动作二：定判据
这是五类动作里含金量最高的一类。它长这样：
- "任何『一个都没有』的结论，必须配一个已知非空的对照。"（这条判据后来在项目里抓到了整整一类假结论。）
- "两个仪器读数打架的时候，第一步不是重试，是先判这两个读数谁对。"------因为"卡在这里"和"卡在那里"是两条完全不同的路、两套改法。
- "缺口改判，必须写明：原判据 → 现判据 → 凭据。" 允许重分类，但必须明写"这是重分类，不是进度"。
- "分母只许往上调。" 新发现的缺口要保留在分母里；不许为了好看做重分类或删行。
注意第四条防的是什么：它防的不是错误，是动机。AI 会把"百分比变好看"当成目标------这不是技术问题，是激励问题；只有人能预先立规把它堵住。
动作三：看产物
"不看它的总结，看它产出的东西。" 这个项目把它做成了硬规矩：
交付判定只看产物------截图、日志、哈希。
绿灯、静态检查过、名字在表里------都不算能用。
"配色不像"那一句，就是这条规矩的实例：产物摆在那里，人一眼看出语义层的问题（轮廓对、颜色不对），而这一个字面的、朴素的观察，比任何统计量都先击中了要害。
动作四：喊停
有些事不是"能不能做到"，是"该不该做"。这一类判断 AI 做不了，也不该让它做：
- 有一条捷径要把一位真实的人拉进来承担风险------哪怕它能省掉最难的一段。人直接叫停："只剩这条路，就报『阻塞』并停下，不许试探。"
- 有一次继续推进需要改动整台机器的安全设置------超出授权。这一条不用人说，AI 在边界处自己停了，把它变成"需要人拍板"的待办。因为它提前知道边界画在哪。
- 对自己人的资产更严："不写工作区之外的任何东西；用户资产路径，连'测试写入权限'这种探针都不许留。" 这条规矩是付过学费立起来的。
动作五：指出方向
人的方向修正往往只需要一句话，因为它改的是"前提"，不是"细节"：
- "那个现成功能其实是坏的。"------某个功能被 AI 当作可靠前提用了一路，人点了一下就发现它根本不工作；这条路线当即作废。
- "单机优先。" ------有一天，做的全是"当天能出绿"的活（文档、对账、打包），主指标一整天一格没动；原因是一句旧规则的取向（"挑最省力的可见单位先做"）把整轮带偏了。人一句话改掉：优先级只有一条判据------本轮做的事，能不能把主指标往前推一格；推不动的，不许当主产出。
- 连同一条纪律："不许自己发明目标之外的支线打磨；'这个难点有意思'不是进度。"
三、把"审核"拆成三个问题
上面五类动作，落到每一轮、每一条结论上，其实可以压缩成三个问题：
- 凭什么信？------凭据在哪：能做出来吗（复现命令）、指得出来吗（原文坐标）、量过吗（对照）。
- 它的对照是什么？------阴性对照、已知真值、分母。没有对照的结论，不管多像真的，先放着。
- 它错了的话，会怎么暴露？ ------是"安静地错"（格式漂亮、退出码 0、没人会发现），还是"会自己报警"？优先审前者------整个系列的前几篇讲的都是"安静地错"。
三个问题的共同点：都不需要懂技术细节就能问出来，而且问完都能被机器执行。 人不需要知道那个字节是什么指令------他只需要知道，这个结论如果错了，会先以什么形式露馅。
反过来，有一张"不算验收"的清单，也值得抄走：绿灯、静态检查通过、名字出现在表里、AI 自己的总结------四条都不算。验收只认产物。
四、结论
人的角色变了：从"干活的人"变成"设计可证伪检查的人"。 产能交给了 AI，可信留给了审核。
三句话收束：
- 审核动作是稀疏的。 几百轮工作里，人的介入可能只有几十次；但每一次都改方向。剩下的时间，靠的是 AI 按规矩自证------所以规矩必须先立。
- 人不需要比 AI 更懂技术，只需要比 AI 更知道"什么算做完了"。 这句话是这一篇全部内容的概括。
- 人的审核也有边界。 审核能解决"结论可不可信"，解决不了"数据不在场"------那是另一类问题（后面会单独讲）。
分工一句话：AI 负责把可能性穷举、把工作量摊平；人负责定义'什么算做完了'、划定'什么不许做'。
五、边界声明
- 本文只讨论AI 自动化逆向中的判据设计与审核方法，不涉及任何具体产品、厂商或服务的分析结论。
- 文中所有地址、偏移、常量、字段名一律为占位符或示意值 ，
不代表任何真实目标中的取值；示例代码为说明判据而编写，不构成可运行的针对特定目标的工具。 - 文中提到的比例与数字均来自作者项目内的测量记录，仅用于说明方法失效的方式。
- 请勿将本文内容用于未授权的用途。
六、收尾
五个动作里最抽象、也最值钱的是第二个------定判据 。下一篇开始，把它拆开逐个讲：先讲第一条，也是整个系列的第一个"审核协议"------怎么区分「没有」和「没取到」。
下一篇计划聊：控制组：区分「没有」和「没取到」。
转载请注明出处：