树莓派4B自建网页服务器指南 （3.1）· 番外篇：AI助力, 一次实践论视角的技术复盘
一、起因：一块树莓派，三篇文章
过去几天，我做了一件事：把一块树莓派从烧录系统开始，一路配置到 WiFi 稳定、IPv6 公网可达、SSH 主机名可访问，然后把整个系统制作成 Golden Image，最后把全过程写成三篇专栏文章。
听起来不复杂。但如果你玩过树莓派，就知道这里面有多少坑：
- 官方烧录工具在国内网络下动不动就断
- WiFi 连上了但几分钟后断流
- IPv6 地址拿到了但重启后又没了
- brcmfmac 驱动莫名其妙丢包
- 想要备份系统镜像，结果被空分区填充体积膨胀到 59GB
这些坑我一个没落下，全踩了一遍。
但这次和以往不同的是：我有 AI 辅助。
二、AI 幻觉的本质：普遍知识与具体条件的脱节
很多人说 AI 幻觉是当前最大的问题——AI 会一本正经地给出错误的答案，使用者如果没有判断力，就会被带进沟里。
这话没错，但只说对了一半。
我这次实践中遇到的一个典型例子：AI 告诉我，在 /boot/cmdline.txt中加入 init=/usr/lib/raspi-config/init_resize.sh可以实现首次开机自动扩容。我照做了，结果系统启动时报错：
Boot and root partitions are on different devices系统起不来了。
如果我是一个完全的新手，这时候大概率会骂 AI 误人子弟，然后放弃。但我的反应是：AI 给的是通用方案，我的环境有特殊约束，需要验证和修正。
后来我按执行逻辑启发，尝试了另一种方式——用 systemd oneshot 服务在系统完全就绪后再执行扩容，问题解决了。
这件事让我想明白一件事：AI 幻觉的本质，不是 AI 在胡说八道，而是 AI 给出的“普遍知识”与你的“具体条件”之间存在脱节。
用一句老话讲就是：他之蜜糖，汝之砒霜。
AI 的训练数据来自海量互联网文本，它知道“大多数情况下”怎么做。但它不知道你家光猫是华为还是中兴，不知道你用的读卡器是不是山寨货，不知道你的 apt 缓存里装了什么奇怪的包。这些变量，只有你在真实环境里跑一遍才能暴露出来。
所以 AI 幻觉不是 AI 的问题，是使用者缺少“验证回路”的问题。
三、两轮循环：人与 AI 协作的实战模型
经过这三篇文章的实践，我总结出一个“两轮循环”的人机协作模型：
第一轮：AI 出大方向，人执行验证
AI 提供新领域的正确框架
→ 人执行验证，修正误差
→ 人对该领域有了实践经验产出： 一个经过验证的、属于你自己的“实践后大方向”。
第二轮：人出大方向，AI 补充细节
人提出实践后的大方向
→ AI 补充执行细节
→ 人审核细节，确认无误产出： 一份可落地、可复现、经得起推敲的最终方案。
为什么必须是两轮，不能一轮？
一轮的问题是：AI 出大方向 → AI 补充细节 → 人直接执行。这个流程缺少“人来验证修正”的关键环节。AI 的大方向可能是对的，但细节里藏着它不知道的环境约束。这些变量只有你在真实环境里跑一遍才能暴露出来。
两轮循环的本质是：
第一轮用 AI 的效率快速建立认知框架，用人的实践修正框架误差。
第二轮用人修正后的框架指导 AI 填充细节，用人的经验审核细节质量。
AI 的幻觉在第一轮被实践过滤掉，在第二轮被经验审核掉。剩下的就是可落地的方案。
四、实践论：AI 时代的方法论复归
这个过程让我想起教员的《实践论》。
《实践论》的核心思想是：认识来源于实践，理论必须回到实践中去检验、修正、深化。
这个循环放在 AI 时代，不但没有过时，反而更加精准：
第一步：AI 提供间接经验（理论/方向）
→ "NM 接管 WiFi + IPv6 SLAAC 配置大概是这些"
→ "brcmfmac 防飘参数是 roamoff=1 feature_disable=0x82000"
→ "首次开机扩容可用 systemd oneshot 实现"
↑
这是"感性认识"阶段——AI 帮你快速从零升到"知道大概往哪走"
第二步：人在真实环境实践验证
→ 烧录 → 配 NM → 看 journalctl → ip -6 addr show
→ brcmfmac 参数不认 → 删 wifi_pm=0 → 重验
→ init_resize.sh 报错 → 改 rc-local 方式 → 重验
↑
这是"理性认识"开始形成的阶段——你通过试错区分出
AI 给的是通用解 vs 你环境特有的约束
第三步：修正理论，再实践
→ 把验证过的参数写进 brcmfmac.conf
→ 把验证过的扩容脚本固化进 Golden Image
→ 把验证过的流程写成专栏文章
↑
这是"认识再回到实践"——理论被你本地化了、可复现了
循环往复 → 认识螺旋上升大多数人用 AI 只停留在第一步：AI 说啥就是啥，出问题觉得“AI 不准”，没有第二步的亲自验证，所以认知永远是“二手的”。
而强制走完二三步的人，才能真正把 AI 变成自己的工具。
五、从实践到认知：认知底座的建立
这次经历让我意识到一件事：从实践到认知的路径通畅，本身就是一种底层能力。
我把它称为“认知底座”，和技术架构做了一个类比：
| 技术架构 | 认知架构 |
|---|---|
| 树莓派物理机 | 生命健康底座（稳定的身体、精力、睡眠） |
| Golden Image（可还原的系统基态） | 稳定的认知基态（不被情绪带偏） |
| 实践验证（烧录、配置、排错） | 动手做、看反馈、修正假设 |
| 专栏文章（可复现的文档） | 提炼出的可迁移方法论 |
| Docker 弹性底座 | 实践→认知的通畅路径 |
| 跑在上面的各种服务 | 应用认知解决具体问题的能力 |
没有健康的身体，实践无法持续；没有通畅的实践→认知路径，经验无法沉淀为可复用的认知资产。而一旦这条路径通了，面对任何新领域，都能快速完成“陌生 → 熟悉 → 掌控”的转化。
六、马哲第一性原理：存在与意识
写到这儿，我突然意识到，这一切的底层逻辑，其实就是马哲的第一性原理：
存在决定意识，意识反作用于存在。
- 树莓派是存在，WiFi 断流是存在，brcmfmac 报错是存在
- 你的意识（对网络配置的理解、对排错方向的判断）是被这些存在塑造的
- 不是你先想明白再动手，是你动手了、遇到了、解决了，才真正明白
然后：
- 你理解了 NM 和 systemd-networkd 的冲突后，反过来修改了系统配置
- 你理解了 ext4 缩容的原理后，反过来改进了 Golden Image 的制作流程
- 你理解了自动扩容的机制后，反过来设计了 first-boot-expand.service
你的意识不是被动反映存在，而是主动改造存在。
这就是“存在决定意识，意识反作用于存在”在技术实践中的完整复现。
七、结语：自己的事情自己掌控
最后说一句最朴素的体会：
自己的事情自己掌控，自己负责。指望他人解决一切，最终总会陷入怨天尤人的境地。AI 亦是如此。
- 系统起不来 → 不是 AI 的错，是自己没验证
- 镜像太大 → 不是工具的问题，是自己没缩容
- 备份失效 → 不是教程没写，是自己没跑通
AI 给了你方向，给了你细节，给了你排错线索。但最终拍板的、动手的、验证的、承担后果的，永远是你自己。
工具负责效率和信息密度，人负责判断和验证责任。
工具可以出错，人不能放弃验证。
工具自会迭代，人更不能停止学习。
这三篇文章、这个专栏，都是这条原则的实物证明。