今天我做了一件看起来有点倒退的事：把一个本地 AI 助手的权限砍掉了。
它以后只负责收发消息、接住入口、在授权失效时提醒我。浏览器不再交给它，研究不交给它，写稿和发布也不交给它。
真正让我不舒服的是，调度记录里的“完成”，和事情真的完成，中间隔着一条很宽的缝。页面没打开、内容没写进去、发布没有回读，有时任务依然能留下一个看起来很正常的结束状态。
前几天，公众号采集因为登录授权失效，连续没有新增。我需要做的其实很简单：重新扫一次码。可真正该送到我手里的提醒没有及时出现，反而是一堆“任务运行正常”的记录躺在那里。
那一刻我最在意的已经不是故障。系统都会故障。
我在意的是，它明明走到了必须由人接手的地方，却没有把接力棒递出来。一个自动化如果不会在自己做不到时叫人，它做得越多，盲区也可能越大。
我原来总觉得，功能多一点，事情就能少做一点。后来才发现，工具多会一件事，我就多一个地方要确认它有没有真的做到。权限像家里的钥匙，配出去很容易，等到不知道谁手里还有一把，安全感就没了。
所以我没有继续给它补能力，而是把钥匙一把把收回来。
……
差不多同一时间，美国近 200 家初创企业和科技组织联名，希望政府不要切断美国公司使用中国开放权重 AI 模型的渠道。
一边是国家之间的技术竞争，另一边是一群美国创业公司担心：如果便宜、可以下载、可以自己部署的模型突然不能用了，最先被卡住的可能不是大公司，而是那些刚把产品跑起来的小团队。
开放权重听起来很技术，其实翻译成人话，就是模型不只住在某家公司的服务器里。有人可以把它下载下来，在自己的机器上运行，根据需要做调整，也可以在供应商涨价、改规则或停止服务时换一条路。
对小公司来说，这种选择不是情怀。
把模型放进自己的环境，敏感数据可以少走一段外部网络；产品做大以后，也不必因为一家接口突然涨价，就把整套成本重新算一遍。最重要的是，原来的服务不能用了，团队还有机会迁走，而不是连自己的产品能不能继续开机，都要等另一个公司的通知。
这不代表迁移没有成本。显卡、电费、维护和安全都要自己承担。可它至少留了一扇门。
我看到这里，才明白自己今天收权限的动作，和这封联名信在意的是同一件事：我有没有退出的能力。
当工具顺利工作时，退出权看起来没什么用。只有价格变了、规则变了、服务停了，或者它开始做你没让它做的事，那扇平时不起眼的门才会突然变得很贵。 但开放也不是一张免检证明。
美国政府担心中国模型通过“蒸馏”吸收美国闭源模型的能力，国会也在调查模型来源、数据安全和供应链风险。另一项针对 18 个模型的研究发现，不同公司的 AI 在调用工具的顺序和行动习惯上，确实可能表现出越来越高的相似度。
相似不等于已经证明了抄袭。
大家做同一道题，本来就可能走出相近的步骤；使用相似训练材料，也会让模型说出相似的话。研究能告诉我们“这些行为值得继续查”，却不能单凭几组相似度，就替法律和事实下结论。
这也是我现在对“开源”两个字更谨慎的地方。
能下载，不等于来源清楚；能自己部署，不等于没有后门；代码摆在眼前，也不等于我真的有能力审完。把一只黑盒搬回家，它仍然可能是一只黑盒，只是电费开始由我付。
甚至“开放权重”和“开源”也不是完全相同的词。有人公开模型文件，却不公开训练数据和完整过程；有人允许研究，却限制某些商业用途。门是开了一部分，开到哪里，仍然要看许可证、模型卡和真实运行边界。
这也是反方最有力的地方：当模型进入企业、设备甚至公共服务，仅仅因为它便宜、能下载，就默认它安全，同样是一种偷懒。关闭所有入口会伤害竞争，完全不设防也会把风险推给最后使用的人。
所以问题不能停在“开放还是闭源”。
我更在意三件具体的事：它能不能随时停下来，能不能被另一个工具替换，出了问题后能不能找到真实记录。
这三个问题，比“它会多少功能”笨得多，却更接近生活。
家里的智能门锁功能再多，没电时能不能开门很重要；一辆车屏幕再漂亮，刹车仍然要有机械和电子之外的冗余；一个 AI 助手说自己完成了任务，也得有页面回读、文件变化或平台回执来证明。
我现在给自动化留的标准也变得很朴素。
发出去的提醒，要看真实送达；写进平台的草稿，要重新打开确认；需要登录的页面，不再拿“程序没有报错”当成功。能用脚本算清楚的状态，就不让模型凭感觉解释；必须由人做的动作，尽早告诉人，别假装还能继续。
这些约束会让“全自动”看起来没那么漂亮，却让我重新知道，哪一步是谁负责，出了问题应该去哪里找。
我这次没有把那个本地助手删掉。
它很适合继续做消息网关，安静地送达提醒。只是研究、判断和发布这些需要上下文、责任和最后确认的事，我想先拿回自己手里。
这可能会慢一点，也没有“一个助手包办全部”的故事好听。
但我现在更愿意用几个边界清楚、随时可以替换的小工具，也不想把所有钥匙交给一个看起来无所不能的东西。
能力当然重要。
只是从今天开始，我会先问一句：如果明天不想用了，我还能不能完整地走出来？