# 「搞定了」不算交付证据

> 交付要看工件和实测，完成后的下一步是验收

- 作者：王乙锟 (William Wang)
- 日期：2026-11-16
- 栏目：道（为什么这么判断）
- 网址：https://blog.openet.ai/posts/done-is-not-evidence/

> 信言不美，美言不信。 —— 《道德经》第八十一章

---

## 我问搞定没，还要能看到结果

我不把「搞定了」当成交付证据，可信的是拿得出的产物、实测和亲眼看到的结果。2026-09-01，我让 agent，也就是能调用工具做事的 AI，先验证能不能感知到所有信息，确保交付稳定。对于它说的搞定，我随后要求预览。

> 让我预览一下，我问你的时候就是问你搞定没，你记住一下，你说搞定了我是没把握确认你搞定了多少的

这句话的重点在「多少」。写了代码、做出结果、走通真实使用路径，可能都被压缩成同一个完成状态。我拿不到中间的区别，就不知道哪些已经能用，哪些还得继续查。

我需要的工件，就是做完后能拿出来检查的东西，比如文件和实际结果。再加上怎么验证的、验证覆盖到哪里，完成才有可讨论的范围。这个要求也适用于人；说得笃定，只能告诉我说话者有把握，不能替我确认事情本身。

## 几种失败不能混成一种

第一类是答应了，事情却没有留下来。记录里有一次，agent 的承诺随那次程序运行一起消失，直到我催问才有下文。这类问题需要一份能留下来的任务记录，让下一轮知道还欠着什么。做事的那一轮结束了，责任不能跟着散场。

第二类是只看见东西在，没确认它能用。Aladdin 是我把编码 agent 接进办公聊天平台的产品，它的路线图记过程序还在运行、活却没干成，以及发送后没有检查返回结果的问题。我也纠正过：「你不要只测端口,要对交互对实现效果负责」。端口能连通，只说明有入口；用户从这个入口进去以后拿到什么，还得另看。

第三类是把测试集的标注当成唯一答案。我说过：「不要只看正则,测试集标注的只是一种可能。」正则是按文字模式做匹配的方法，它能帮忙找差异，但差异不自动等于错误。如果题目容许多种合理结果，就得回到输入和结果本身判断，不能只看它有没有长成标注的样子。

第四类是用估算顶替实查。我的要求很直接：「我不要估算,我要真算。」在另一条纠正里，我要求把失败结果一条条用肉眼看过去，不能预估。只要拿一个数量来证明质量，就得能交代它是怎么数出来的；不能因为大致看过几项，就把印象写成整批结果。

第五类是代码和测试都看过，真实运行仍然出了问题。2026-08-21 的审查记录里，两条最重的问题靠运行痕迹才被抓到，代码审查和测试都没抓住。其中一条出在测试自己身上：本该只碰小块代码的单元测试，写坏了线上的记录。检查本身也可能造成损伤，不能因为它叫测试，就默认它已经提供了可信的证明。

这几类失败要补的东西不同。承诺丢失，需要能继续追踪责任；只看入口，需要补上真实交互；标注有局限，需要重新判断答案。换成一句「加强测试」，容易让每个人都点头，却没人知道下一步该检查什么。我更想先问清楚，这次的证据到底漏掉了哪一段。

## 完成之后先进入待验收

我现在要证据，先从能预览开始。把用户输入和最终结果放在一起看，失败的条目逐个检查，不只盯着汇总数字。这些都是我明确提过的要求。预览的作用是让我看见实际产物，别把一段完成说明当成产物本身。

> 完成了记得勾选待验收状态，我们可以复查这个问题是否解决

待验收这个状态留出了一段必要的距离：做事的一方认为完成，接下来还要有人确认问题真的解决。确认以前，别把责任一笔销掉。我也不希望待验收成为一个没人再看的堆积处；如果没有复查动作，只是换了个更谨慎的名字，问题还在。

Aladdin 已把工件复核和证据标准加进系统，路线图记录为已部署、观测中。我不能据此说交付已经可靠。它还提醒了一点：账本没列出工件，不等于没有工件。记录是找证据的入口，有疑问还得回到实际产物去看。

检查本身也要接受检查。我的工程原则里把一种情况叫「假绿闸」：检查写出来了，却总是显示通过。每道新检查先做一次反向验证，故意退回坏版本，看它会不会报错。如果已知的坏结果也能过关，这道检查就没有资格替交付作保。

这里要分清两件事：好版本通过，说明它在当前条件下没被拦住；坏版本被拦住，才说明检查能识别对应的问题。反向验证也不能证明它识别所有错误，只能把这次新增检查的能力范围坐实。范围说小一点，比亮着绿灯却什么都没证明强。

## 证据要花时间，我自己也会漏

这套要求会慢，也会贵。逐项打开结果需要人的时间，重跑和复核需要计算资源，反向验证还要额外做一次对照。我愿意为关键结果花这份力气，却不能把它当成没有成本的好习惯。每多要一层证据，就多承担一层检查工作，需要想清楚这层检查能减少什么不确定性。

我在自述里承认过：「周全的测试是我的弱手」。这个自我判断也意味着，我不能把全部验证押在自己身上。要求证据，不能建立在我有本事亲自看完所有东西这个前提上，否则整个流程会卡在我身上。

我给 AI 协作者的约定，是让它承担实现和工程纪律，完成代码改动后主动自审，不把这份工作全退回来给我。我亲眼看结果，是补上一种判断。它仍然需要先把自己的检查做完，拿得出我能复核的东西。

另一个代价是容易把验收做成表演。报告越长，截图越多，不一定越可信；如果每次都重复同一套没有针对性的动作，我也会被材料淹没。证据应当回答一个明确问题：它证明了哪项结果，还有哪项没有覆盖。回答不了，就不该靠篇幅增加分量。

## 我不打算把每件事都验成大工程

如果只是试一个可随时丢弃的想法，我可以接受很窄的验证范围。先确认它值不值得继续，再决定往哪里补证据。问题在于要把这个范围说出来，不能今天只做了小试验，明天就拿它证明整套东西已经可靠。

对答案本来就不唯一的任务，验收也不能变成逼它猜我的标准答案。我前面反对把标注当唯一答案，同样要防自己凭一次肉眼判断就盖棺定论。人会漏，测试也会漏，我需要的是彼此补位，发现矛盾后继续查。

这套做法还有一个可能错的地方：我会不会为了确认，拖得比失败本身还贵。我的取舍是看后果和可逆性，越难收回的动作，越值得提前花时间验证；能轻易重来的尝试，可以把验证做小。交付时明确讲出已经看过什么、还有什么没看过，比把所有阶段都叫搞定更有用。
