84%的开发者已采用AI编程工具，信任度却从40%降至29%——用得越多，信得越少。StackOverflow给出的诊断是：这不是简单的信任问题，是一条伪装成信任问题的学习曲线。腾讯研究院这份报告揭示了人机协作的深层困境：96%的开发者不完全信任AI代码，但只有48%的人提交前始终检查；经验丰富的开发者用AI后实际慢了19%却坚信快了20%；95%的企业AI试点未产生可衡量的业务回报。十个关键词从信任鸿沟到知识工程，构成了人与AI从“信任赤字”走向“可靠协作”的系统路径。
信任鸿沟——84%采用vs29%信任的真实困境
2025年StackOverflow年度开发者调查显示：AI编程工具采用率从70%升至84%，信任度从40%降至29%。Sonar调查揭示了更矛盾的行为：96%的开发者不完全信任AI代码的功能正确性，但只有48%的人在提交前始终检查。审查AI代码比审查人类代码更费力——AI产出“看起来正确但不可靠”，bug藏在看似合理的逻辑里，需要更高的专业判断力才能揪出来。
斯坦福Dan Boneh团队的随机对照实验发现更危险的信号：用AI助手的参与者在多数安全编程任务中写出了更多不安全的代码，而写出不安全代码的那批人对AI的信任评分反而更高。METR对16名经验丰富开源开发者的实验：在自己贡献多年的代码库上用前沿模型工作，实际慢了19%，自我感觉快了20%，感知与现实相差39个百分点。
国立大学的实验揭示了信任修复曲线：初次接触建立偏高期望；一个可见错误导致信任断崖式下降；解释错误后信任部分恢复，修复后的信任可以超过初始基线。可靠不等于不出错，可靠是出错之后怎么处理。
Harness工程——人设计环境，AI在环境中执行
三阶段演进：2023-2024年提示词工程、2025年上下文工程、2026年驾驭工程。驾驭工程不再优化输入，而是直接设计AI运行的环境——约束系统、反馈循环、验证机制、状态管理。HashiCorp联合创始人Mitchell Hashimoto的定义：每次发现Agent犯了一个错，把解决方案工程化，让它再也不能犯同样的错。
四象限分类体系（ThoughtWorks工程师Birgitta Boeckeler）：前馈×确定性=模板和规范；前馈×推理性=设计原则和价值观；反馈×确定性=自动化检查；反馈×推理性=AI互审和专家评审。大多数人只做了前馈，很少有人做反馈，更少人将反馈建立成一套系统。
人的位置四阶段跃迁：人在环外、人在环内、人在环上、飞轮。从IntheLoop到OntheLoop的跳跃——不满意时，前者修产出物，后者修产生产出物的系统。
记忆、技能与评估——三根支柱的工程化
记忆系统的三个动作：写入、管理、读取。大多数实现跳过管理。FadeMem项目模仿艾宾浩斯遗忘曲线：长期记忆层半衰期约11天，短期约5天，存储量砍掉45%，关键事实保留了82.1%。三条技术路线：MemO的选择性事实提取、Anthropic的文档化自主管理、Neo4J的结构化知识图谱。
Skill是第三条路——不改权重、不靠搜索，把“遇到这种情况应该怎么做”写成可复用指令。Anthropic生产级经验：成熟的Skill越来越短，最终留下三样——精准描述、不可替代的领域知识、踩坑记录。
评估的核心是“分离生成者和评判者”。Anthropic的PGE三角色架构：规划者分解任务、生成者产出内容、评估者对照规格审查。三层信任梯度：确定性检查（地基，最可信但覆盖最窄）、AI审查（楼层，能看到语义问题但有偏见）、人类判断（屋顶，覆盖最广但最慢最贵）。
