早晨，本应是一杯咖啡唤醒活力的时刻，却成了一场令人抓狂的技术实验。The Verge 的一位科技记者起床，走进厨房，对着支持 Alexa 的博世咖啡机说：“煮杯咖啡。”没有复杂要求，也不想即兴创作，只想让机器按程序执行——结果，被拒绝了。而且，这不是一次意外，自从升级到 Alexa Plus（亚马逊生成式 AI 语音助手）后，每天的晨间对话几乎都变成了这场“拒绝秀”。
令人哭笑不得的是，2025 年的 AI 已经能写论文、写代码、陪人聊天、甚至教书，但在清晨一句“煮杯咖啡”面前，彻底翻车。社区里的吐槽声此起彼伏，从开灯、播放音乐到定时器，一切看似简单的操作都成了挑战。
原因很简单：LLM（大语言模型）天生引入了随机性。它们能理解更多含义、生成更丰富的表达，但代价是——确定性大幅下降。当你希望控制一台咖啡机，要求它“即时、可重复、零误差”，这种自由反而成了漏洞。相比之下，传统语音助手虽然笨，但高度可预期：识别关键词、填参数，执行结果稳定。
为了弥补生成式 AI 的不稳定，亚马逊和谷歌尝试让 LLM 与智能家居 API 深度绑定，但问题仍然存在：哪怕一次微小偏差，都可能导致操作失败。换句话说，你的咖啡机偶尔不听话，完全在意料之中。
理论上，让新助手达到旧助手的可靠性并非不可能，但需要庞大的工程投入和失败兜底。现实里，资源有限、刺激和利润诱惑巨大，最简单的路径就是先让技术进入现实世界，再慢慢自我修正。我们都是 AI 的长期“内测用户”。
那么，为什么仍要坚定使用生成式 AI？答案是潜力。代理式 AI（Agentic AI）可以理解复杂任务之间的关系，动态生成执行逻辑，这是旧技术无法做到的。过去的规则和关键词匹配系统，只能执行单条指令，无法理解目标、拆解任务，也无法生成新的行动路径。
社区讨论显示，虽然基础指令仍易出错，但新助手在理解复杂命令方面明显更强。灯光、温度、音乐……复杂 Routine 的设置，比传统 App 界面更方便。摄像头通知也更智能，“门口出现不熟悉面孔，但未进入院子”，代替了过去模糊的“后院检测到运动”。
结论是显而易见的：问题不在于 AI 本身，而在于它被放置的场景是否合理。生成式 AI 不是失败，只是被要求做了不适合它的事情。今天，这条清晰的边界尚未完全画出，未来仍值得期待。
