

## 一、起点：我每天都在用一个我无法验证的东西

参赛前，我是一名软件开发者。日常做的是链上系统的构建和监控——智能合约、交易监控、自动化，以及近来的 Agent 工作流：让自动化流程真正接到链上执行。
这个行业的文化只有四个字：不信任，要验证。你不会相信某个人说「这个合约是安全的」「这个数字是对的」——你要在代码里检查它。这个本能对我非常强。
另一件事同时在我身上发生：我每天都在用 AI，写代码、做研究、起草东西。而我一直撞上同一个缺口——输出看起来很权威，但我没有任何办法确认它是否正确。而且我越自动化，这件事越要命，因为一旦 Agent 能操作链上资产，错误的论断不只是麻烦，它会移动资金。
于是一个坚持验证的行业，和一个产出无人能验证内容的工具，在我这里相遇了。
## 二、我试过的第一个办法，是错的

故事始于一个非常普通的挫败感。AI 的输出通常好到让我开始信任它，但它偶尔会非常自信地错——一个看起来没问题、却在某个边界条件下崩掉的函数；一个听起来对、实际不对的事实。而当你发现的那一刻，你才意识到：你根本没有捕捉它的流程，你只是事后才知道。
我的第一反应是最明显的那一个——让另一个 AI 来检查。
也正是这里崩了。我现在有两个模型，如果它们意见不一致，我该信谁？我只是加了一层，却没有增加任何确定性。这是递归。我把信任问题挪走了，没有解决它。
于是我换了一个问题。不再问「我怎么检查这个论断」，而是问：「什么才能让我相信它？」
在加密领域，答案永远一样——不要信任论断，用代码检查它。而加密领域教给我的另一件事是：你可以把钱绑在行为上。我把两者合起来：把钱压在论断上，付钱给任何能证明它错了的人。如果没人能打破它，这个论断就赢得了一些可信度。
这就是 Falsify。不是一个更好的检查器，而是一个「错了会很贵」的市场。
## 三、被砍掉的三个想法

我放弃过几个方向，每一个死掉的原因都很具体。
第一个就是上面说的——让另一个 AI 来评判。它在同一个标准上失败了两次：它是递归，而且它连一致性都没有，同样的输入每次判决略有不同。如果答案在每次运行之间会变，你就没法用它在上面结算钱。
第二个是 AI 内容检测——判断一段文字是不是 AI 写的。这个我很快放弃，因为它回答的是错误的问题。文本是不是模型生成的，并不能告诉你它是否真实；而且检测器是可以被绕过的，大家早就知道怎么写能躲开。
第三个不是我的设计选择，是被逼出来的。我本来想让 Gemini 为安全类论断生成漏洞利用代码，它拒绝了——安全过滤拦住了。这是一个硬信号，不是判断题。于是我把系统拆开：正确性类论断由 AI 生成反例；安全类论断由确定性攻击夹具生成攻击，AI 只负责解释。
这个被迫的拆分，最后让产品比我原计划更诚实。
## 四、我没有做的那件事

在动手之前，我没有和任何人聊过这个问题。
这是我流程里最弱的一环，我不想掩饰它。比赛窗口非常短，我下了一个赌注：先把机制做出来、端到端证明它能跑，再去验证需求。所以我的「用户研究」基本上就是我自己——我是每天的 AI 用户，这个挫败感来自我自己的工作。
我实际做的替代动作，是试着推翻自己的假设。我问：今天哪些地方的验证是真正有效的？测试对代码有效，审计对合约有效。那为什么这覆盖不了这个问题？答案是成本和速度——审计要几周、几千美元，而 AI 的输出根本不会自带测试。
所以最后我拿到的不是验证过的洞察，而是一个已知的缺口。我知道我该去聊谁：那些正在交付 AI 生成代码的小工程团队，以及负担不起审计的独立开发者。我只是还没聊够。
## 五、一个人的团队

就我一个。没有联合创始人、没有雇员、没有外包。
这不是原则性决定——窗口只有大概两天，现实上也没办法把任何人拉进来。但它逼我去想清楚：哪些必须我亲自做，哪些可以交出去。
所以我的「团队」是我加上一个 AI 编程助手。我用它像一个非常快的承包方：它写代码、起草部署配置、帮我调试，速度比我打字快得多。但判断权我留着——做什么、砍什么、什么算证据，以及某个东西是真的在工作，还是只是编译通过。
说实话，这一部分可能是整个故事里最值得写进 playbook 的。几年前，这个项目需要三四个人——合约工程师、前端、基础设施。现在是一个人加 AI，两天。这是真正的变化。
反面是，我并没有传统意义上的团队：没有互补技能，没有人来挑战我的假设。这是真实的弱点，也是我第一个要改的事。
## 六、32 位溢出教我的事

AI 的能力和局限都影响了我的做法，但说实话，是局限决定了架构。
能力那面很直接：Gemini 快，而且结构化。我可以要 JSON、拿回 JSON，直接喂进测试。我可以并行跑三个不同人格，成本只是三次 API 调用——几年前那是三个人。
但真正定义架构的是局限。
最清楚的例子：早期 Gemini 提出了一个听起来完全有说服力的反例——它论证 32 位整数溢出会破坏这个函数。问题是我的合约用的是 256 位无符号整数，那种溢出根本不可能发生。推理合理，结论错误。测试跑了一遍，通过了，判定为「未被证伪」。
那一次运行教会了我整个设计。如果我让模型来裁决，它会把一个真实论断宣布为被打破，然后钱就会因为一次幻觉而移动。
所以我定了一条硬规则：AI 只能提议，它从不打分、从不评判、从不结算。
另一个局限是安全过滤——它拒绝为安全类论断生成漏洞利用代码。
所以诚实的总结是：AI 给了我速度和广度，而它的不可靠告诉了我边界该放在哪里。
## 七、两小时和两天

第一版是刻意做得很丑的。我从本机上最小的闭环开始：一个有已知 bug 的小合约、一个在 bug 被触发时会失败的测试，以及一个让 Gemini 去找出能打破它的输入的脚本。
这比我预想的快——大概两小时左右就成了。Gemini 几乎立刻找到了反例，测试失败，脚本标记为「已证伪」。那一刻我知道形状对了。
但「在我机器上能跑」不是产品。所以第二版是同一个闭环加三样东西：一个结算合约，让钱真的被托管和释放；身份与声誉层；以及一个真正的网页界面，而不是终端。
我真正认为它「工作」的版本——那个我不再只是在期待的时点——是整套东西跑在公开测试网上的时候。有人发布一条论断，AI 攻击它，验证器判定它被打破，然后一笔真实交易完成结算。五笔交易，你可以在区块浏览器上看。那大概是两天，端到端。
「能跑」和「跑到我希望的样子」之间的差距，几乎完全在钱这一部分。AI 找到 bug 是一个 demo。赏金真的付出去才是产品。
## 八、AI 打字，我做决定

AI 几乎打了所有的字。我做的是决策。而这个切分，正是产品建立在其上的同一个切分。
在产品内部，AI 生成反例——那是 Gemini 的职责。而作为编程助手，它写了大量代码：合约、网页界面、部署配置。它还帮我调试——有两次构建失败，还有一个密钥权限问题，是一起解决的。
我做的是所有需要判断的部分。我选择问题和框架。我决定边界：AI 提议，但永不裁决。我决定什么算证据、什么叫「做完了」。我做取舍，因为不可能什么都做。而且我操作它：部署、给测试网钱包充值、跑结算、自己去区块浏览器核对交易。
不可验证的东西，就不算数。
老实说，这就是产品所编码的同一套纪律。我不会接受模型对我自己项目的判决，所以我也确保产品不会接受。
## 九、那个真正起作用的 prompt

影响最大的，是那个「本身就是产品」的用法：Gemini 作为对手。不是帮我写代码，而是攻击论断。
而大部分思考都花在 prompt 上。大概是这样：
「你是一个验证正确性论断的对抗测试者。论断：[内容]。目标合约源码：[真实代码]。人格侧重：[例如相等性与同一性检查]。找出具体输入，使函数的结果不等于论断所说的结果。只返回这些键的 JSON：a、b、reasoning、confidence。」
这里面有四件事很重要。
角色是「对手」，不是「助手」。如果你让模型去 review 代码，它倾向于附和；如果你让它去打破它，它才会真的尝试。它拿到的是真实源码，所以它推理的是存在的那个合约，而不是它想象出来的一个。人格那一行让三个版本分别从边界值、相等性、溢出去攻击，不会全收敛到同一个显而易见的答案。
而最重要的第四点：这个 prompt 从不要求判决。它要求一个候选和一个理由，判定由测试给出。所以边界不是靠系统别处强制实现的——它已经写在 prompt 里了。
回报是立刻的。Gemini 在几秒内就在一个简单函数里找到了一个逻辑 bug，还给了清楚的解释，而且是我能直接喂进测试的格式。
## 十、零收入，和我的第一次「结算」

我没有付费客户。这一点我直说。
离得最近的一次，是我自己把整个闭环端到端跑了一遍，用一个测试网钱包。我发布了一条论断，AI 攻击它，验证器判定它被打破，一笔真实交易完成结算。五笔交易，公开可验证。但那是我用测试网的钱付给我自己。它证明机制能跑。它不证明别人想要它。
我在提交材料里对此也很明确——我申报的收入是零。我本可以把那笔测试网结算算成一次真实交易、把数字做得好看一点，但那会是不诚实的；而这个产品的全部意义，就在于论断应该是可核查的。
另一个更小但真实的信号是：产品确实是线上公开的。任何人都可以打开它、把一条论断跑一遍，不需要跟我说话。所以分发是存在的。缺的是需求侧的证据——而我知道那是我下一步要去拿的东西。
## 十一、为什么是 85/15

有两个约束驱动了定价。
我不想对「尝试」收费。如果你按次收验证费，你卖的就是彩票——不管有没有发现问题，客户都要付钱，而攻击者会被付费墙劝退。所以我把费用做成有条件的：除非论断真的被打破、赏金真的付出，否则不收费。
我也希望平台的动机和客户的动机指向同一个方向。如果 Falsify 只有在真的发现缺陷时才赚钱，它就没有理由去堆工作量，或者把没坏的东西宣布为坏了。
所以模型是：客户自己设定赏金。结算时，发现者拿 85%，平台留 15%。客户自己选价格点位——低风险论断二十美元，让他紧张的东西一千美元。而且关键在于：如果论断存活，钱还归他。
之后我学到的，主要是关于我自己的不确定性。15% 在 pitch 里听起来很干净——真正的考验是：当有人因为一个没被发出去的 bug 而看着这笔赏金时，他会不会觉得这个费用显然值。这个我还不知道。
## 十二、怎么让人相信我

我还没有客户可以在他们身上建立信任，所以我走了另一条路：我试着让产品「无需信任」，而不是去索取信任。
我反复对自己说的一句话是——我没法让别人相信我，那就应该消除「需要相信」这件事。
这体现在三个地方。判决是可复现的：它来自确定性测试，任何人都能跑出同样的结果，链条里没有「相信我判断」这一步。钱是公开的：结算发生在链上，有交易哈希，任何人都能查，不是截图，不是仪表盘，是公开记录。第三，我把同一个标准用在了我对项目自己的论断上——我的日志和 prompt 都被记录下来了，包括模型出错的那一次；而在提交材料里，我报的是零收入，而不是把测试网结算包装成收入。
如果我在卖验证，那我自己的论断就该是第一个经得起审视的。
## 十三、最难的那几个小时

最难的那一刻是部署前的最后几个小时——而且跟代码毫无关系。
东西在我机器上已经能跑了：合约、测试、AI 找到 bug。然后我一部署，它就坏了。不是代码坏，是它周边的一切坏：API 密钥被限制到了错误的服务；然后额度用光了；然后密钥权限不对，容器连密钥都读不到。每一次修复看起来都是最后一次，而每一次都要再等一整个构建周期。
那是一种很具体的挫败：你自己的活儿是好的，你却在配置上丢掉几个小时，而截止时间在逼近。
让我继续下去的，是我能分清「想法坏了」和「管线坏了」。闭环在本机是通的，所以问题可解，只是繁琐。
还有第二件事帮了我：我早就决定了，一次可验证的运行，胜过任何数量的描述。所以我的标准不是「做得漂亮」，而是「让一条论断走完整个闭环，有一笔我能指给人看的交易」。这是个更小的目标，它让我没有慌。
## 十四、撇开点子，是什么让我走到了这么远

两点，而且都是习惯，不是天赋。
第一，我在一个「什么都不凭信仰接受」的环境里干了很多年——合约、测试、部署。你会很快学到：你对代码行为的心理模型通常都略有偏差。所以我做东西的时候，会假设自己的论断是最不可靠的那一环。这是为什么我让测试来负责、而不是我的判断；这也是为什么我报零收入，而不是包装一笔测试网交易。
第二是范围纪律。在截止日期下，我的本能不是把东西做得惊艳，而是找出「最小的、但算得上真的东西」。对这个项目来说就是：一条论断，走完整个闭环，有一笔任何人都能查的交易。其余都是可选项。这个决定大概救了整个项目——我本来很容易花两天做一个漂亮但什么都没证明的界面。
第三点相关：愿意说出缺什么。我说了没有客户、动手前没做访谈、没有收入。这不是谦虚，而是因为，如果我在卖「验证」，那我一旦被发现在夸大自己的论断，产品的可信度一句话就没了。
## 十五、如果今天有人要开始创业，头两周该做什么

两周，我会分开用。
第一周：跟十个有这个问题的人聊。不要问「你会用这个吗」——那个问题只会得到礼貌的谎话。问他们今天怎么做、这让他们付出什么代价、他们已经试过什么。十次对话会告诉你问题是否真实，这是任何数量的开发都做不到的。
第二周：做出最小的、能产生真实证据的东西。不是 demo，不是 deck——一笔交易、一个付费用户、一个别人能核查的产出。如果第二周就有客户付了你十美元，你学到的东西比开发一个月还多。
还有一点专门针对用 AI 做事：选一个正确答案可以被客观验证的问题——一个测试、一个数字、一个可核查的事实。当正确性可以被测量时，AI 是惊人的；当正确性取决于品味或判断时，它是危险的。这个项目能成，很大一部分原因是我选了一个「对错可测」的问题。
最后一条：早点收钱。免费用户会告诉你产品不错。只有付钱的人会告诉你它值钱。
## 十六、今天最关键的技能已经不是「能不能做出来」

三个做法起了最大作用。
我假设自己的论断是房间里最不可靠的东西。我不去辩护我做的东西，我去打破它。我不断问「最小的、算得上真的东西是什么」，而不是「什么看起来厉害」。我把墙当成设计输入——Gemini 拒绝写漏洞利用代码时，那不是要绕过去的障碍，那是关于边界该放哪里的信息。产品里最诚实的部分，直接来自一个限制。
关于技能，我认为关键的那个已经变了。过去是「你能不能做出来」，现在 AI 能做出很大一部分。稀缺的技能是定义什么叫「正确」——把模糊的目标转成可核查的东西：一个测试、一个数字、一个标准。如果你能做到，AI 就变得极其强大；如果你做不到，你会得到很快的产出，却无从判断它对不对。
第二个技能是对输出的判断——不只是读它，而是判断它是否合理、是否被验证过、以及要验证它需要什么。
第三个是运营能力：真的去部署、去收费、去处理真实用户。现在很多人生成代码；更少的人能运行一个真的有钱在流动的系统。
## 十七、还有三件没人提前告诉我

从第一天起就留证据。不是为了比赛——而是因为证据会累积成可信度。保存日志、保留失败的运行、记下真实的数字、不要把故事往上取整。当别人问你的产品是否有效，你要么有一份物证，要么只有一个观点；物证每次都赢。它还会逼出一种让你变强的纪律：如果你在写下发生了什么，你就没法悄悄说服自己事情比实际更好。
不要一上来就把它做得像真的。我见过有人花一周做一个域名、一个 logo、一个落地页，然后发现从来没搞清楚有没有人在乎。没有人的第一版需要好看，它需要产出一件别人能核查的东西。
还有一个让我意外的点：做决定比做东西更累。AI 省掉了大量打字，剩下的是一堆没有反馈的判断——砍什么、什么算做完、要不要相信这个输出。那才是现在真正的工作，而这部分没人会提前告诉你。
## 十八、如果只能留一句话给下一个人

如果只能留一件东西，我会留一个模板：在任何东西被做出来之前，先定义什么叫「正确」。
我这周撞到的每一堵墙，都是这个问题的变体。当我说不清什么算「论断被打破」时，我其实是在朝一种感觉做东西；而当我写下「AI 生成的一个输入让测试失败」这句话之后，整个架构就从这一句话里掉出来了——做什么、砍什么、什么算证据。
而对用 AI 做事的人来说，这是「快」和「有用」的分界线。AI 会很乐意把你模糊描述的东西都建出来；如果你能精确说出什么叫正确，你就能检查它的输出、然后迭代。
所以那个模板会刻意小：一页纸的练习。写下你的想法，然后写下这句话——「当 ______ 时，就算成功」——把它填到连陌生人都能核查的程度：一个数字、一个测试、一笔付款，任何可被观察的东西。
如果你填不满这个空，那不是版本问题。那就是你真正要先解决的那个问题。


----
（本文根据 Build with Gemini XPRIZE × AI WorkBridge 访谈整理，项目：Falsify。）

参赛前，我是一名软件开发者。日常做的是链上系统的构建和监控——智能合约、交易监控、自动化，以及近来的 Agent 工作流：让自动化流程真正接到链上执行。这个行业的文化只有四个字：不信任，要验证。你不会相信某个人说「这个合约是安全的」「这个数字是对的」——你要在代码里检查它。这个本能对我非常强。另一件事同时在我身上发生：我每天都在用 AI，写代码、做研究、起草东西。而我一直撞上同一个缺口——输出看起来很权威，但我没有任何办法确认它是否正确。而且我越自动化，这件事越要命，因为一旦 Agent 能操作链上资产，错误的论断不只是麻烦，它会移动资金。于是一个坚持验证的行业，和一个产出无人能验证内容的工具，在我这里相遇了。

错了会很贵：一个关于验证的黑客松复盘

我不相信自己写的代码，所以我做了个产品来打破它

人工智能

一位开发者因AI输出无法验证而构建Falsify：通过赏金机制，用真实资金奖励能证明论断错误的人。核心是AI仅提议、测试来裁决的架构，利用加密市场将验证变为经济激励。文章复盘了产品设计中的关键取舍与限制，并强调了“定义正确”对AI驱动开发的重要性。

智能合约

软件开发

AI编程

容器

Agent

JSON

热销域名限时优惠，新客首年免费！


domain

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

错了会很贵：一个关于验证的黑客松复盘-腾讯云开发者社区-腾讯云

错了会很贵：一个关于验证的黑客松复盘

错了会很贵：一个关于验证的黑客松复盘

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐