「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

栏
道 为什么这么判断
写于
篇幅
2,088 字
卦
比
000010
这是校验和,不是占卜
原文
Markdown
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。