这是什么

一位开发者本周用同一道题分别考了 Claude Opus 5 和 GPT 5.6 Sol，结果颇有信号：联网查资料的 GPT 第一次答错（归因 IPv6），自己推理的 Opus 一次命中。题目是本地 OpenCode CLI 启动后一直"加载中"无响应，Opus 直接锁定"启动目录"为关键变量；GPT 在开发者三次提示后才摸到真相：OpenCode 在用户目录执行 git 快照扫描，因目录过大（含 21 万+文件、12 个 junction）卡死。

行业怎么看

值得编辑部注意的是，这位开发者事后总结：联网检索过的模型全部失败，靠自己推理的反而答对了。GPT 第一次诊断时调取了"官方 issue 库里别人遇到的 IPv6 问题"——症状相似但本质不同，这正是 AI 检索增强（RAG，即让 AI 现查现学再答题）的典型陷阱。另一层风险是，AI 编程助手对"环境差异"的敏感度仍低于人类工程师，把问题归因到网络层、版本层往往比归因到"目录结构"更省力，所以宁可"借力"也不愿意"硬啃"。

对普通人的影响

  • 从企业 IT 部署角度看：AI 编程助手对陌生环境的根因判断仍不稳定，盲目信任可能掩盖真实故障点。
  • 从个人职场排错场景看：提示词最好明确"先推理再检索"，否则 AI 一调网络就被相似案例带偏。
  • 从消费市场选型角度看："会不会自己想"比"会不会查资料"更值得为之付费。