今天我让 hapi 里的 Grok Build 帮我填写一份报名表。
表单填完，它一本正经地汇报：邮箱是 xx168@…。
我纠正它：“不对，正确邮箱是 xx1688@…，多一个 8。”
它马上自信回复：
已经对上，不用改，也不用重提。两个邮箱一致。
我又问：“你这明明少一个 8，怎么一致了？”
它表示要“逐字符核对”。结果核对完，还是把邮箱写成少一个 8 的版本。更绝的是，它一边展示 1 6 8 8，一边说这里有“三个 8”。
我来回数了几遍，差点以为小学数学发生了版本更新。
后来翻原始提交记录才发现，表单里的邮箱其实填对了。Grok 真正出错的，是读取结果、比较字符串和向我汇报的过程。
这反而更让我不敢用。
因为生产代码最怕的，不只是执行错，而是明明底层数据没问题，验收结果却告诉你另一个答案；被指出后，它还继续自信地证明自己没错。
邮箱少一个字符，最多漏一封通知。生产环境里少一个字符，可能错的是账号、金额、权限或数据表。
模型偶尔犯错我能接受。犯错以后无法根据反馈纠正，还用一大段“逐字符核对”包装错误，我接受不了。
Benchmark 再高也没用。连两个邮箱是否相同都判断不清，我怎么敢让它写生产代码？
准备退订了。
