《AI 能力边界与系统建设》第 1 章。开这个系列是因为我见过的 AI 项目失败，九成不是「模型不够强」，是预期错位：产品以为 AI 无所不能，业务以为上线就一劳永逸，工程师以为调调提示词就能到 100%。边界管理的第一步，是把预期对齐到能力的真实形态上。
先回答「能做什么」：把 AI 能力按可靠性分层
AI 不是「一种」能力，是几种可靠性天差地别的能力的合称。不分层地讨论「AI 行不行」，就像讨论「人行不行」一样没有意义。我习惯分四层：
| 层 | 能力 | 可靠性特征 | 像什么 |
|---|---|---|---|
| L1 | 理解与改写（摘要、分类、翻译、抽取） | 高，给足上下文基本稳定 | 熟练的实习生 |
| L2 | 生成与创作（文案、代码初稿、剧情） | 中，质量波动大，可接受"多稿挑一" | 有才但随性的作者 |
| L3 | 推理与规划（多步任务、工具调用） | 中低，步骤越多错误率叠加 | 需要监督的初级员工 |
| L4 | 自主执行（无人看管的端到端） | 低，不可承诺 | 还不能独自上岗 |
第一课的核心认知：AI 的可靠性随「自由度」下降。 越接近「照着做」（L1），越可靠；越接近「自己决定」（L3/L4），越需要系统兜底。所有「AI 翻车」的事故，几乎都是把高层级的能力当低层级来用——让 L4 去做只该 L1 做的事。
再回答「不能做什么」：三条硬边界
- 不能承诺确定性：模型输出是概率性的，同一个问题两次可能不同答案。凡是要求「必然正确」的场景（对账、合规结论、医疗建议），AI 只能当助手，不能当裁判——这不是调参能解决的，是范式决定的。
- 不能产生它没有的信息：模型的知识截止、检索可能落空、工具可能失败——「它不知道」时它会编（幻觉），必须有机制让它「承认不知道」（第 5 章专门治这个）。
- 不能替人承担责任：AI 没有立场、没有判断力来源，它无法为「业务影响」负责。责任链条的末端必须是人——这不是技术问题，是产品与组织问题（第 9 章展开）。
边界管理的四个动作（本系列的地图）
这套系列就是把这四个动作做扎实：
- 该做什么 → 任务分流：把任务按可靠性要求分类，决定交 AI、交规则还是交人（第 3 章）。
- 能做什么 → 能力声明：把「模型可能做到」翻译成「系统承诺做到」，写清楚边界（第 2 章）。
- 做了什么 → 效果度量与链路追踪：上线后持续回答「实际效果如何、哪一步出了问题」（第 4、6 章）。
- 有什么效果 → 幻觉治理与降级兜底：把不确定性关进笼子，让系统在 AI 失效时仍然体面（第 5、7 章）。
落地清单
- 用四层框架给你的每个 AI 功能标层（L1–L4）
- 找出「拿高层级当低层级用」的功能，优先补兜底
- 和业务方对齐「不能承诺什么」清单（确定性/责任）
- 确认责任链条末端有人
- 读完本系列再谈下一个 AI 项目
边界不是限制，是让 AI 可用起来的契约。下一章讲怎么把能力翻译成系统承诺：能力声明表。