摘要
30 秒看懂
Theo Browne 描述了 AI 模型未能找出或修复问题后，他如何改变方法。他让智能体定位相关代码、构建浏览器控制台工具，同时由自己提供观察和调试假设。
- 1换一个问题模型无法找到或修复问题时，Theo 转而测试多个假设。
- 2构建测试工具他要求通过控制台命令在生产环境中尝试修改，并立即观察结果。
- 3分工合作智能体快速定位代码和构建工具；Theo 提供了指导工作的信息和假设。
要点建议
- 即使 AI 模型无法独立找出原因，也能帮助调查问题。
- Theo 让智能体构建一个可通过控制台访问的工具，以便快速测试修改。
- 智能体加快了代码定位和实验，而 Theo 提供了指导调查的观察与假设。
全文
按章节阅读整理后的全文
01
利用模型辅助调查
Theo 讲述了如何从要求模型直接解决问题，转向用它测试假设。一个定制浏览器工具让他可以切换选项并观察效果。
这时我意识到，模型不会替我解决问题，甚至不会替我找到问题。于是我改变了思路：与其等一个答案，不如想想如何利用模型尽可能高效地测试不同的调试假设。
我让它把修改做成容易在生产环境中实验的形式，最好能通过控制台命令操作，让我立即看到差异。它编写了一个 window 绑定，创建了 __T3GPU，于是我们有了一个定制工具，可以在调查时来回切换选项。
智能体比我更快地在代码库里找到相关内容，也更擅长构建测试假设的定制工具。但为调查提供实际信息的人仍然是我。
同频道的其他文章
38:47EN → 简体中文
Theo - t3․gg· 2026年10月28日Theo 的长时间 Agent 实验：验证、算力与成本Theo Browne · Ping Labs滑板游戏和两个编译器项目展示了反复检查与弹性算力如何支撑 agent 工作，也揭示了循环可能带来的高昂成本。
36:07EN → 简体中文Theo - t3․gg· 2026年10月27日Theo 谈 Token 成本、编程智能体与 AI 能力的价格Theo Browne · Ping Labs一则关于 Lauren 的 AI 支出估算广泛传播，引出了对缓存计价、基准测试和编程智能体工作方式的讨论。
30:37EN → 简体中文Theo - t3․gg· 2026年10月26日Theo 的三个技能：用编程智能体审查和交付代码Theo Browne · Ping Labssol-loop、full-send 和 full-stop 如何定义审查、验证以及不同程度的合并权限。
0:43EN → 简体中文Theo - t3․gg· 2026年10月23日Theo 区分安全漏洞与实际攻击Theo Browne · Ping Labs一段简短讲解：软件漏洞披露和攻击事件为何属于不同类型的安全新闻。
29:22EN → 简体中文Theo - t3․gg· 2026年10月22日Theo 谈安全漏洞、被盗 API 密钥与 AITheo Browne · Ping Labs从漏洞披露到补丁部署之间的风险窗口，以及被盗推理密钥为何可能有价值的推测。
31:13EN → 简体中文Theo - t3․gg· 2026年10月20日Theo：更聪明的模型为何能帮助更多人Theo Browne · Ping Labs从游戏修改到编译器实验，Theo 重新思考谁能从更强大的 AI 中受益。