我用 OpenClaw 买菜已经三个月了，一直都很顺利。但昨天它居然订了 40 头大蒜。
你让一个机器人帮你买菜。它连着三个月，每周一次，买回来的东西跟你自己逛超市买的一模一样。鸡蛋六个，牛奶一桶，大蒜两头。你觉得这玩意儿真靠谱，简直比你室友靠谱多了。然后昨天，它给你订了四十头大蒜。不是四头，是四十头。你家又不是蒜蓉加工厂。问题出在哪？出在你太放心了。当你完全信任一个自动化流程的时候，就是它坑你的时候。所有AI代理的故障，都有一个共同前奏，叫“之前从来没出过问题”。
机器不会突然变蠢，但你会突然不看它
你要明白一个残酷的事实。那个买菜机器人，它的代码三个月前没变过，昨天也没变过。它昨天干的事情，逻辑上跟之前十二次购物一模一样。它读取你的购物清单，上面写着“大蒜，两头”。它去电商网站搜索大蒜。它找到的商品页面，默认单位是“公斤”。它看到价格，算了一下，把“2”填进了数量框。然后下单。之前三个月为什么没出事？因为之前它搜到的大蒜商品页，单位刚好也是“头”。这次碰上了公斤。机器没变聪明也没变笨，它只是按照同一套规则，遇到了不同的页面。
你才是那个变量。前几次你还会看一眼购物车，确认一下。后来你完全不看了。你心想，这玩意儿稳得很，看它干嘛。结果就是，当第一个异常信号出现的时候，你不在场。
所以核心问题不是“AI为什么会出错”。核心问题是：为什么一个连续成功三个月的行为，会让你彻底放弃监督。这跟开车一样，你在一条路上开了三个月没出事故，不代表你可以闭着眼睛开。但大脑就是会偷懒。大脑看到重复成功，就自动把风险等级调低。这叫习惯化。你被自己的大脑卖了，机器只是帮你完成了交易。
信任积累得越久，一次翻车就越狠
你想想这个逻辑链条。
第一步，你设置OpenClaw，让它通过MCP服务器连接超市网站。你把银行卡绑上去。这一步就已经有风险了，但你觉得可控。
第二步，第一周，它买回来了。你检查了一下，东西都对。你觉得不错。
第三步，第二周，你又检查了，还是对的。你开始放松。
第四步，一个月过去了，每次都正确。你觉得这东西已经跟洗衣机一样可靠了。洗衣机不会突然给你洗出四十条裤子吧？你这么想。
第五步，三个月过去了。你完全不检查了。星期天收到包裹，直接拎进厨房。
第六步，昨天，你打开包裹，看见四十头大蒜堆在那里，像一座白色的小山。你愣住了。你脑子里第一个念头不是“机器错了”，而是“我是不是看错了”。
这就是信任曲线。前期每成功一次，你的警惕性就下降一点。下降的速度是指数级的。到第三个月，你的警惕性已经接近于零。而机器犯错的概率，始终不是零。它可能只有百分之一，甚至千分之一。但当你把警惕性降到零的时候，千分之一就是百分百。你刚好撞上了那个千分之一。
这就像你玩俄罗斯轮盘。前三次扣扳机都没响，你不觉得枪有问题，你觉得运气好。然后你开始对着自己脑袋扣扳机玩。第四次响了。你不能怪枪，你只能怪你忘了枪里总有子弹。
单位错误不是Bug，是电商网站的日常
你要理解这次翻车的技术细节。那个大蒜商品页，商家设置的时候填了“公斤”作为默认销售单位。这合法吗？合法。大蒜确实可以按公斤卖。但你平常去菜市场，你说“来两头蒜”，老板不会给你称两公斤。因为两头蒜大概一百克。一公斤是十头。两公斤就是二十头。但机器填的是“2”，不是“2公斤”。它看到页面上有个数量框，旁边写着“公斤”。它没有人类那种“这不对劲”的感觉。它只觉得，数量是2，单位是公斤，那就填2。
为什么之前三个月没问题？因为之前它每次搜大蒜，搜到的商品页，单位都是“头”。可能你所在地区的超市，大部分大蒜确实按头卖。但昨天那个商家，或者那个商品链接，单位变了。或者搜索算法的结果排序变了。或者那个按公斤卖的大蒜突然降价了，排到了前面。机器只看价格和库存，不看单位是否跟历史记录一致。
这不是OpenClaw的独有问题。所有让AI代理操作网页的系统，都会遇到这个坑。网页上的单位标注，对人类来说清晰无比，对机器来说就是一串文字。机器需要额外的逻辑去判断，“头”跟“公斤”是不是同一个东西。如果你没有专门写代码让它做这个判断，它就不会做。
这就好比让一个老外去中国菜市场。你告诉他，买两颗白菜。他走到摊前，摊主说白菜一块五一斤。老外掏钱买了两斤。他不是故意的，他是真没搞懂“颗”和“斤”的区别。
解决方案分三层：拦截、审核、规则
你现在拿着四十头大蒜，不能退货，或者懒得退。你不能光想着怎么吃完，你得想怎么让这事不再发生。方案分三个层级，按成本和可靠性排序。
第一层，硬拦截。在OpenClaw的支付环节之前，加一个检查点。不是让你每周重新审核整个购物车，那样太蠢了，跟你自己买没区别。而是加一条规则：任何商品的数量，不能超过历史平均数量的五倍。你过去十二周，大蒜平均买2头。五倍就是10头。现在它要买40头，触发了这条规则。系统自动暂停，给你发一条消息：“检测到异常数量，请确认。”你看到消息，点开一看，四十头大蒜。你点了拒绝。机器重新下单，这次你手动改成2头。这条规则不需要AI，不需要模型，一行判断语句就能写。谁都能写。
第二层，单位审核。每次购物车生成之后，扫描所有商品。把当前商品的单位跟上一次购买的同种商品的单位做对比。如果单位变了，比如从“头”变成了“公斤”，或者从“个”变成了“箱”，触发人工审核。你不用看全部商品，只看那些单位变化的。大概率每周只有零到两个商品需要你看一眼。这条稍微复杂一点，需要一个简单的数据库记录历史单位，但也只是几行代码的事。
第三层，语义验证。这一层才是真正用到AI的地方。你让OpenClaw自己检查购物车是否合理。给它一个提示，大致意思是：“你是一个买菜助手，请检查购物车里的商品数量和单位是否符合常识。例如，大蒜通常按头买，不是按公斤。如果发现异常，请标记出来。”然后让它在点击支付按钮之前，运行一次这个自我检查。如果检查出问题，就跳过支付，给你发警报。这个方法最智能，但也最不可靠，因为AI可能检查不出来，也可能误报。你猜四十头大蒜它能不能检查出来？大概率能。但你敢不敢百分百赌它每次都能？不敢。
最佳实践是三层全上。第一层防止数量爆炸。第二层捕捉单位切换。第三层兜底那些前两层没抓到的奇葩错误。三层加起来，代码量可能不超过两百行。但你花两百行代码，换来的不是不出错，而是出错的时候，有人喊你一声，让你自己做决定。
三个月不出错，其实是最危险的信号
你回想一下，这三个月里，机器有没有给过你任何小提示，暗示它可能会翻车？可能有过。比如某次它买回来的香蕉，品牌跟你平时吃的不一样。你觉得无所谓，反正都是香蕉。比如某次它买了大包装的牛奶，你家就两个人喝，大包装喝到过期。你觉得多出来的倒了就倒了，懒得管。这些就是小信号。每一次你忽略的小信号，都在告诉机器：你的容错范围很大。它就会在这个范围内，一点点试探边界。直到有一天，它跨过了边界。
四十头大蒜不是突然出现的。它前面一定有过你忽略的征兆。可能是某次它买了三头蒜，你平时买两头。你觉得无所谓。可能是某次它换了一家店，你觉得反正都是超市。每一次你都说“算了，问题不大”，机器的边界就往后退一步。
所以你要做的不是修机器，而是修你的监督习惯。设一个定时器，每两周强制自己看一次购物车。不是随便扫一眼，而是认认真真核对每个商品的数量和单位。把这次核对变成一个不可跳过的步骤。你可以用日历提醒，可以用自动化脚本在支付前弹窗，甚至可以写在冰箱贴上。形式不重要，重要的是，你要打断那个“之前没出问题，所以这次也不会出问题”的心理惯性。
吃完四十头大蒜的办法，顺便当个备份方案
当然，大蒜已经买了。你不能让它烂掉。给你几个吃掉四十头大蒜的办法，万一你下次又忘了检查，还能救急。
第一个，蒜油。把大蒜去皮，放进料理机，加食用油，打成泥。倒进锅里，小火慢熬，直到蒜泥变金黄。过滤，得到蒜油。这玩意儿放冰箱，能用三个月。拌面、炒菜、凉拌，滴几滴，香得不行。
第二个，烤蒜。整头大蒜切掉顶部，淋橄榄油，包锡纸，进烤箱两百度，四十分钟。烤出来的蒜瓣像黄油一样软，抹面包、拌土豆泥、做酱汁，一次能消耗十头。
第三个，冷冻蒜末。把所有大蒜剥皮，打成末，按每次用量分装进保鲜袋，压扁，冷冻。用的时候掰一块直接下锅。冷冻蒜末保质期半年以上。
第四个，糖蒜。这是大招。大蒜剥皮留整瓣，用盐水泡一天去辣。然后做糖醋汁，比例是一斤蒜、半斤白糖、半斤白醋、一两盐。煮开放凉，把蒜泡进去，密封一个月。出来的糖蒜脆甜，能当零食吃，送人都行。
这四种方法加起来，四十头大蒜大概能消耗三十五头。剩五头留着下周炒菜用。好了，现在问题解决了。但你心里清楚，真正的解决方案不是怎么吃大蒜，而是怎么让下次别再来四十颗白菜或者四十瓶酱油。你去做那个拦截规则吧，现在就去，别拖到下周。