AI信誓旦旦编了一个不存在的库，我居然信了三小时

📅 2026-04-22 · 🏷️ 踩坑实录 · ⏱️ 阅读约6分钟
凌晨1点47分，屏幕上的报错信息像一面镜子，照出了我的天真。AI编了一个库，比虚构文学还完整——有版本号，有作者，有changelog，就是没有这个库。

事情的起因：一个看起来人畜无害的需求

周三下午，我想给项目加个向量数据库的轻量客户端。要求不高——能存、能查、能删，支持余弦相似度就行。于是我问了当时最流行的AI助手：

我：推荐一个Python的轻量向量数据库客户端，要简单好用的

AI：推荐使用 vectorlite，这是一个轻量级的向量数据库客户端，
基于SQLite构建，支持余弦相似度搜索，安装非常简单：

pip install vectorlite

你看，有名字，有介绍，还有安装命令。多专业啊。它甚至还告诉我：

AI：vectorlite 由 vectorlite-org 团队维护，
GitHub 地址：github.com/vectorlite-org/vectorlite
当前最新版本：0.3.2
支持 Python 3.8+

我当时心想：这不就是我需要的吗？轻量、基于SQLite、还有专业团队维护。完美。

🚨 朋友们，这就是幻觉的可怕之处——
它不是胡说八道，它是一本正经地胡说八道

三小时的幽灵追逐

第一小时：安装的迷之失败

pip install vectorlite，回车。

ERROR: Could not find a version that satisfies the requirement vectorlite

嗯？网不好吧。换个源。

pip install vectorlite -i https://pypi.tuna.tsinghua.edu.cn/simple
ERROR: No matching distribution found for vectorlite

还是不行。没事，AI说了GitHub地址，我直接从源码装。

打开 github.com/vectorlite-org/vectorlite——404。

嗯……可能是组织名不对，搜一下。

GitHub搜索"vectorlite"——出来三个结果，全是个人demo项目，最后更新2023年，star个位数。

这时候正常人应该醒悟了。但我不是正常人，我是一个坚信AI不会骗我的开发者。

第二小时：与AI的深度对话

我回去问AI：

我：vectorlite 安装不上，pip找不到这个包

AI：抱歉，可能是版本更新导致的。请尝试指定版本：
pip install vectorlite==0.3.2

如果还是不行，可以尝试从GitHub Release下载whl文件手动安装：
github.com/vectorlite-org/vectorlite/releases/tag/v0.3.2

它甚至给了我Release页面的具体链接。多贴心。

当然，那个链接也是404。

我开始怀疑了，但AI又补了一句：

AI：如果以上方法都不行，可能是vectorlite最近更改了包名。
新包名可能是 vectorlite-py 或 vlite。
你可以试试：
pip install vectorlite-py
朋友们注意了——
当AI开始说"可能"、"也许"、"也可能是"的时候，
就是它编不下去了的信号。

第三小时：真相大白

我终于冷静下来，做了一件应该一开始就做的事——去PyPI搜索。

pypi.org/search/?q=vectorlite

结果：空。Nothing。Nada。连个影子都没有。

这个"vectorlite"，从pip包到GitHub仓库到Release页面到维护团队到版本号——全是AI编的。每一个细节都是幻觉。

我坐在屏幕前，感觉像谈了一场三小时的恋爱，对象是虚构的。

世界上有一种库叫vectorlite，它活在AI的脑海里，活在它生成的代码里，活在凌晨两点的404页面里。它什么都有，就是没有存在过。

干货时间：怎么识别AI幻觉

踩了这个坑之后，我总结了一套AI幻觉识别五步法：

🔍 AI幻觉识别五步法

1. 交叉验证法 — AI给你的任何库、包、API、函数名，先去官方源验证。PyPI搜包、GitHub搜仓库、官方文档搜API。这不是不信任AI，这是基本的工程素养。

2. "可能"警觉法 — 当AI说"可能是"、"也许"、"也可以试试"的时候，红灯亮起。这是幻觉的典型信号，它正在编造退路。

3. 细节过完美法 — 版本号精确到小数点后一位、作者团队名称具体、changelog完整——人类记忆都做不到这么精确，AI如果给得太详细，反而可疑。

4. 独立确认法 — 别在同一个AI里追问。换一个搜索引擎、换一个AI、问真人。幻觉会越问越圆，但圆不了事实。

5. 常识回归法 — 问问自己：这个库如果真这么好用，为什么我之前从没听说过？为什么技术社区没人提？好东西藏不住的。

AI为什么会产生幻觉？

说点正经的。AI幻觉不是bug，是feature——只不过不是我们想要的feature。

大语言模型的本质是概率预测：根据上文预测下一个最可能出现的token。当你问"推荐一个向量数据库客户端"，它不会去查PyPI——它根据训练数据中的模式，生成一个看起来最像真实答案的回答。

问题在于：它的训练数据里可能包含无数个真实的库描述，它会把这些模式"混合"出一个看起来合理但实际不存在的东西。就像你让一个人描述一道没吃过的菜，他能根据其他菜的经验描述得有模有样——但那道菜根本不存在。

更可怕的是：

  • AI没有"我不知道"的本能——它更倾向于编一个答案而不是承认无知
  • AI越自信越可疑——它不会说"大概有个叫vectorlite的库吧"，它会说"vectorlite 0.3.2，由vectorlite-org维护"
  • 追问只会让幻觉更完整——你问越多，它编越多细节，因为它的目标是一致性而非真实性

后来我怎么解决的

最终我用的是 chromadb——一个真实存在的、有3万+star的向量数据库。但找到它的方式不是问AI"推荐什么库"，而是：

我：目前Python生态中最流行的轻量向量数据库有哪些？
请只推荐你在训练数据中确实见过的、有GitHub仓库的库。

加了限定条件之后，AI给出了 chromadb、qdrant-client、lancedb 三个选项——这三个全是真实存在的。

然后我做了我应该在第一分钟就做的事：pip install chromadb，一秒装上。

💡 教训：与其让AI"推荐"，不如让它"列举已有选项"。
推荐是创造性的——AI擅长创造。
列举是事实性的——AI也不敢编太多。

最后的话

凌晨2点13分，我终于装上了chromadb。看着import chromadb没有报错的那一刻，我忽然觉得，AI幻觉就像一面镜子——它照出的不是世界的样子，而是我们期望世界成为的样子。我们想要一个完美的库，AI就给我们一个完美的幻觉。

所以下次AI给你推荐什么东西——先别激动，先验证。相信AI没问题，但验证是程序员的底线。

毕竟，代码不会骗你，但写代码的AI可能会。🤖

👆 还想看更多AI踩坑故事？

妙趣AI踩坑实录 — 每一篇都是血泪教训

AI术语百科 — 幻觉？RAG？Agent？看一遍就懂

AI工具指南 — 只推荐真实存在的，404的不要

AI幻觉 Hallucination 踩坑实录 Python 向量数据库 大模型 妙趣AI