开发者社区这周在流传一个叫 crewai-pse 的开源项目 — 它用 30 行正则表达式（一种文本模式匹配工具），让一个程序去检查另一个 AI 写的文章有没有虚构的类名、文件路径。这件事值得关心，因为它戳中了行业被回避的问题：让 AI 审核 AI，本身是个逻辑死循环。

这是什么

AI 行业现在流行“多智能体协作”（Multi-Agent，多个 AI 角色分工合作的架构）。比如写一篇文章，规划、撰写、审核各由一个 AI 环节负责。听起来分工明确，但审核环节本身也是个大语言模型（LLM）— 它审的是另一个 LLM 的输出，就像让嫌疑人自己评判自己的证词。

crewai-pse 的解法很老派：放弃让 AI 做质检，改用正则提取文章里所有反引号包裹的代码标识符，再用 grep 去磁盘搜有没有这个文件。搜不到就标红，让人来改。正则匹配是确定性的 — 搜不到就是搜不到；LLM 评估是概率性的，它会“觉得”某个类名存在，只是因为训练数据里见过类似命名。

行业怎么看

支持者认为这呼应了软件工程的老原则：能用确定性代码验证的事，就别让概率系统判断。这不是倒退，是把“AI 不能做什么”想清楚了。

反对声音也成立。这个方案能抓代码引用，抓不住数据虚构、人物杜撰、历史事件捏造 — 这些才是 AI 幻觉的重灾区。有人评价：“用正则验证 AI 输出，就像用算盘做现代审计 — 能用，但远远不够。”

更现实地说：多数企业连“AI 生成 + AI 评估”这套都没搭起来，先别讨论替代方案。crewai-pse 的真正价值不在可复制，在于提醒行业：AI 系统的可靠性，不能靠堆 AI 解决。

对普通人的影响

对企业 IT 和数据团队：值得问一句 — 你们用的 AI 文档生成、报告系统，最后一公里的“质检”是谁在做？如果是另一个 AI，得想想出了错谁负责。

对个人职场：ChatGPT、文心一言写的方案，关键数据、客户名、项目时间，正则救不了你 — 这些只能人眼复核。AI 越自信，你越要慢一点。

对消费市场：未来 AI 助手会越来越“流畅地胡说”，用户得建立基本判断力 — 凡是听起来太顺、太完整的回答，都该多问一句“这是真的吗”。