刚开始使用生成式 AI 时，最令人兴奋的是「它居然能做」。
但当能力进入真实工作，兴奋会迅速让位给另一个问题：我能不能控制它？
控制不是把每一步都交回给人。真正有用的控制包括：
- 在开始前知道它会做什么；
- 在过程中知道它正在做什么；
- 在结束时知道它做了什么；
- 在出错时知道如何停止和恢复。
可解释不等于可控制
一段事后解释可以帮助理解，但不能替代权限、状态和操作边界。
比如，模型可以解释为什么修改了某个文件，但如果修改前没有确认、修改后没有 diff，解释本身并不能降低风险。
产品应该把控制设计进默认路径
可回退、可预览、可暂停、可审计，这些能力不应该藏在高级设置里。
如果一个 AI 产品需要用户先成为专家，才能安全地使用它，那么它仍然停留在工具演示阶段。
好的可控性不会让产品显得笨重。它只是让强大能力有了可以被信任的外壳。