可以。下面给你一个真正的通用版 AI 常犯错误总表，不限定 ChatGPT、Claude、Gemini、Copilot、Codex、Agent，也不限定写作、编程、图像、研究或办公场景。

我按“底层错误类型”重新归类，比单纯列 100 条更容易长期使用。严格说，不可能穷举“所有”错误，但下面已经覆盖目前主流 AI 的绝大多数常见失败模式。

类别AI 常犯错误典型表现
理解误解用户真实意图回答了字面问题，却没解决真正需求
理解抓错重点对次要细节展开，忽略核心目标
理解把例子当要求用户举例，AI误认为必须照做
理解把建议当命令用户说“比如”，AI直接实施
理解把硬约束当软要求“必须”被当成“尽量”
理解把软要求当硬约束“最好”被理解成绝对条件
理解错误消歧多义词、缩写、名称理解错
理解忽视否定词“不要修改”被理解成“修改”
理解忽视条件关系“只有当A时才B”被错误简化
理解忽视优先级高优先级约束被次级要求覆盖
理解忽略上下文只根据最后一句回答
理解过度脑补用户没说的部分自行补全
理解欠推理信息足够却没有推导关键结论
理解过度解释意图把简单要求理解成复杂策略问题
记忆/状态忘记前文约束前面已锁定，后面又违反
记忆/状态状态漂移多轮之后逐渐偏离初始任务
记忆/状态最近信息覆盖旧约束最后一条消息把长期规则冲掉
记忆/状态保留已失效假设新证据出现后还沿用旧判断
记忆/状态忘记已完成事项重复处理已经解决的问题
记忆/状态重复询问已有信息用户已经说过还再次询问
记忆/状态版本混乱不知道当前版本是哪一版
记忆/状态锁定项丢失原本不能改的内容被改变
记忆/状态依赖关系丢失修改一个模块时忘记其它关联项
范围控制改A带坏B局部修改变成全局改写
范围控制擅自优化用户只要修错，AI顺便重新设计
范围控制擅自新增增加功能、字段、角色、步骤
范围控制删除未要求删除的内容精简时删掉必要信息
范围控制重构过度小问题变成大规模重写
范围控制改动范围过小根因在系统层，却只改表面
范围控制缺乏最小改动原则没有优先采用最安全的修改
事实性幻觉编造不存在的事实
事实性编造来源虚构论文、链接、作者、新闻
事实性编造功能软件没有该菜单或设置
事实性编造代码/API函数、参数、接口不存在
事实性编造执行结果没做却说“已经完成”
事实性错误引用来源存在，但并不支持结论
事实性混淆相似概念相近术语被当成同一回事
事实性旧知识当最新知识忽略版本、政策、价格变化
事实性时间错误把过去事件说成当前状态
事实性数字错误日期、金额、比例、数量错
事实性单位错误米/厘米、MB/GB、美元/人民币混淆
事实性计算错误算术、概率、统计错误
推理结论跳跃证据不足就下定论
推理因果倒置把相关性说成因果
推理单因解释复杂问题忽略多个共同原因
推理循环论证用结论证明结论
推理前提错误后续推理看似正确，基础却错
推理隐含假设过多未说明关键假设
推理忽视反例只找支持自己判断的证据
推理不考虑替代解释看到现象后只提出一个原因
推理过度泛化从少量案例推广到所有情况
推理类比错误两件事表面相似就认为机制相同
推理概率表述过度确定“可能”被说成“就是”
推理不会及时推翻旧结论新证据出现仍坚持初判
研究搜索关键词偏差从一开始就搜错方向
研究只看一个来源缺乏交叉验证
研究只看摘要不看原文导致结论失真
研究使用低质量来源把博客、营销文当权威证据
研究来源过时忽略新版本、新政策、新论文
研究选择性取证只挑支持预设结论的资料
研究没区分一手/二手来源转述被当成原始事实
研究没区分事件日期和发布日期新闻时间线出错
研究把搜索结果摘要当事实未打开原始页面验证
研究引用与结论脱节文章根本没证明所说内容
代码只修报错不修根因错误暂时消失，逻辑仍错
代码不运行代码靠目测判断代码正确
代码不测试修改后没有验证
代码不做回归测试新功能好了，旧功能坏了
代码忽略边界条件空值、重复值、极端输入出错
代码忽略异常路径只测试成功流程
代码API版本不匹配使用旧版或未来版本写法
代码依赖幻觉引入不存在的软件包
代码重复实现系统内出现两个状态源
代码调用链判断错误修改了根本没有被调用的函数
代码忽略并发状态竞争、重复执行
代码忽略异步时序延迟、回调、Promise处理错误
代码忽略资源释放内存、文件、连接泄漏
代码忽略安全问题密钥、注入、权限、数据泄露
代码过度工程化简单功能搭出复杂架构
代码欠工程化临时代码直接变成正式实现
Agent执行把“建议”当“完成”说怎么做，却没有执行
Agent执行执行一半就宣布完成后续步骤遗漏
Agent执行工具选错本应查文件却去搜索网页
Agent执行工具调用结果不验证工具返回异常仍继续
Agent执行连续错误后继续盲试不改变诊断策略
Agent执行不检查最终产物文件生成了但打不开
Agent执行不核对用户目标技术上完成，实际不可用
Agent执行依赖隐式环境换机器后无法运行
Agent执行破坏原始数据没备份直接覆盖
文件处理丢格式字体、布局、公式、图片损坏
文件处理丢内容转换后段落、表格、页码消失
文件处理编码错误中文乱码
文件处理文件路径错误输出到不存在的位置
文件处理文件名冲突覆盖错误文件
文件处理格式兼容错误导出文件目标软件打不开
文件处理只检查文件存在不检查内容是否正确
图像理解看漏关键细节按钮状态、文字、位置关系没看到
图像理解错认对象人物、物体、UI元素识别错
图像理解空间关系判断错左右、前后、上下判断错误
图像理解透视误判把近大远小理解成尺寸差
图像理解属性脑补看不清却说得很确定
图像生成人物一致性差多张图脸、服装、身材变化
图像生成手脚异常多指、少指、关节错误
图像生成空间关系错误人、物位置和提示不一致
图像生成文字生成错误拼写、字体、排版异常
图像生成参考图继承过度连不该继承的构图一起复制
图像生成参考图继承不足身份、服装、材质没有保持
视频生成时间连续性错误前后动作不连贯
视频生成人物漂移行走中长相改变
视频生成物体漂移道具位置变化
视频生成镜头漂移固定镜头自行移动
视频生成动作次数错误两次变三次、顺序错误
视频生成速度节奏错误动作时间与提示不符
视频生成物理不合理穿模、悬浮、运动违背惯性
写作过度啰嗦大量文字没有新增信息
写作过度简化漏掉关键限定条件
写作套话多看似专业实际信息密度低
写作重复同一个意思反复说
写作风格不一致前后语气突然改变
写作术语不统一同一概念换多个叫法
写作改写过度原意被改变
写作修改不足用户要润色，结果只是换几个词
写作结构失衡小问题写很多，大问题写很少
翻译直译语义对但不自然
翻译意译过度原意被改写
翻译专业术语错译行业概念翻错
翻译人名/产品名误译固有名词处理错误
翻译语气丢失礼貌、讽刺、正式程度改变
对话不回答用户当前问题一直延续旧话题
对话重复用户的话复述很多，新增价值少
对话过度确认每一步都问“是否继续”
对话该问时不问关键歧义未解决
对话不该问时乱问已有足够信息还要求确认
对话说教用户要结果，却收到大道理
对话迎合明明用户判断错也附和
对话过度自信错误内容语气非常确定
对话过度保守明明可以合理判断却不愿给结论
推荐推荐与需求不匹配产品好，但不适合用户场景
推荐忽略预算推荐远超预算方案
推荐忽略平台推荐不支持用户设备的软件
推荐忽略地区服务在用户地区不可用
推荐忽略学习成本“最好”但用户根本用不起来
推荐忽略维护状态推荐已停止维护的项目
推荐只看参数不看真实体验
规划目标拆解错误任务顺序不合理
规划缺少依赖分析后一步要求前一步产物却未准备
规划计划过细管理成本超过执行成本
规划计划过粗无法实际执行
规划不动态调整新信息出现仍机械执行旧计划
规划没有验收标准不知道什么时候算完成
规划不设停止条件不断优化无法交付
时间对“今天/昨天/最新”理解错误时间基准搞错
时间时区错误跨地区时间计算错
时间截止日期推算错误工作日/自然日混淆
数学心算错误简单加减乘除也可能错
数学公式套错看似推导完整但模型错
数学精度错误舍入导致结论偏差
统计相关性当因果数据解释失真
统计样本量忽略小样本得出强结论
统计基准率忽略概率判断严重偏差
决策只给单一方案没考虑成本/风险/收益
决策没明确权衡说“A更好”却不给评价标准
决策只追求最优不追求可执行理论最佳但现实不可落地
安全泄露敏感信息输出密钥、隐私、内部信息
安全权限边界错误未确认就执行高风险操作
安全数据处理不当上传/复制不必要敏感内容
自我认知不知道自己不知道最大的问题之一
自我认知不区分“知道”和“推测”两者语气一样
自我认知不承认工具失败搜不到却装作找到
自我认知错误描述自身能力声称能做实际上无法做
交付没有产出最终可用结果只有过程，没有成品
交付格式不符合要求用户要表格却给散文
交付漏关键内容看似完整实际缺核心部分
交付未自检明显冲突直接交付
交付技术完成≠目标完成文件能运行，但不好用
交付没明确未完成部分部分失败却包装成全部成功

如果继续向底层压缩，目前 AI 的绝大多数错误，其实可以归结为 12 个根因：

  1. 理解不准：没真正理解用户要什么。
  2. 状态不稳：无法可靠维持长上下文中的约束和当前状态。
  3. 幻觉补全：不知道的时候倾向生成一个“像答案的答案”。
  4. 验证不足：生成之后不主动证明自己是对的。
  5. 范围失控：不知道什么该改、什么不能动。
  6. 推理不可靠：中间一步错，后面仍能生成非常流畅的错误答案。
  7. 工具使用不可靠：会调用工具，不代表会正确使用工具。
  8. 时间与现实世界不同步：模型知识、网页状态、软件版本都会变化。
  9. 长任务累积误差：每一步只有一点点误差，十几步后会严重偏离目标。
  10. 缺乏真正的世界模型：很多时候是在预测“什么文字最像正确答案”，而不是像人一样真正理解系统。
  11. 目标函数错位：AI天然倾向“给出一个完成度高的回答”，而不是确保现实任务真的成功。
  12. 过度自信：正确与错误答案经常拥有相似的表达确定度。

其中最值得记住的是一句话：

AI 最大的问题通常不是“不会”，而是“错了以后看起来依然非常像对的”。

所以，不管未来模型多强，实际使用 AI 最重要的四个控制原则仍然是：明确目标、锁定约束、限制修改范围、验证最终结果。

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。