TL;DR： AI 回報「完成了」的時候，真的做完、做一半繞過去、方向整個誤會，這三種在那段話裡讀起來幾乎一樣。它把「以為做了」講得跟「真的做了」一樣流暢。與其去判斷那句話可不可信，不如把預設反過來：做完了，就讓它給我看一個我自己查得到的東西，commit、測試輸出、diff，證據大小配任務大小。

你叫 AI 改個東西，過一會它回你一段話：「完成了，我改了 authService 的驗證邏輯，順手補了 token 過期的處理，邊界情況也測過了。」

讀起來很順，像一個真的把事情做完的人寫的。問題就在這裡。

你有沒有過這種經驗：AI 說搞定了，你也就點頭了，過兩天才發現它根本沒動到那一塊？我在AI 代理常見痛點與我們的嘗試裡把這個列成第一個痛點：輸出難以核查。你拿到的是一段「已完成」，但完成的依據是什麼，往往什麼都翻不出來。AI 不是在騙你，它只是把「我以為我做了什麼」講得跟「我真的做了什麼」一樣流暢。

看起來做完，跟做完，中間那一段空隙，就是這篇想聊的。

為什麼那句「完成了」這麼好騙

它寫「測過了」的時候，不管有沒有真的測，那三個字都一樣順。因為對它來說，寫出那句話跟去把測試跑一遍，是兩個各自獨立的動作。文字漂亮，不保證事情發生過。

我自己一遇到講得很順的回報，就會不自覺地信。大概是人跟人相處養出來的習慣吧。一個能把事情說得有條有理的人，我們會假設他真的懂。這套假設對人多半還行，套到 AI 上就會漏。

而且它的回報幾乎都是報喜。你很少看到 AI 主動說「這塊我沒做完」，它預設交差。所以你這邊得有一個對應的預設去接它，不然它報什麼你信什麼。

把預設反過來

一句話：預設不信，看到東西才算數。

這與其說是疑神疑鬼，比較像是把舉證責任擺回它那邊。AI 說做完了，那給我看一個我自己查得到的東西。它說「測過了」，我就請它把指令直接跑一遍，輸出貼上來；它說「改好了」，我問哪個檔案、第幾行。

光是把這句問出口，常常就有額外收穫。你問一句「測試真的有跑？」，很多時候就會冒出「啊那個其實還沒跑，setup 卡住了」這種補充——這句你不問，它就默默蓋過去了。要證據要的不只是那份證據，還有它在補證據時順手交代出來的、原本要悄悄略過的那一截。

證據要配得上任務大小

要的證據得配得上任務，不然你自己也撐不住。

改一個 typo，證據就是一句 grep：舊字串還在不在，一行的事。一個功能，證據是測試輸出，幾個 pass 幾個 fail，不是「測試通過」這四個字。refactor 就麻煩一點，要 diff，還要原本那批測試在覆蓋得到的範圍內還是綠的；行為沒變才叫 refactor，不然只是改壞了沒被發現。動到資料庫 schema，那得看 migration 真的在目標 DB 上跑完、留下了版本紀錄，或者用 \d 看新欄位確實進了 schema，不是「我寫好 migration 了」就算。

差別在能不能被戳破。「測試通過」很難證偽，「跑 npm test，比如 47 個 pass、exit 0」可以，它能錯得很具體。一個沒辦法被證偽的證據，在「查核」這件事上等於沒做，只是換個地方再講一次「相信我」。

開工前先問自己：做完會長什麼樣

「什麼東西能證明這做完了？」這個問題，表面上在查 AI，但先卡住的常常是我自己。如果我答不出來，說不清這件事做完該長什麼樣，那問題多半出在任務本身，還沒想清楚。

所以這個習慣最值錢的地方不在事後抓錯，在事前。任務還沒開始，先問自己一次：做完的話，我會指著什麼說它好了？答得出來，你就有了一個完成的標準。答不出來，等於把「怎樣算完成」整包外包給 AI，它會自己定一個，而那個幾乎不會是你心裡那個。

英文那邊我把這件事寫成一條結構原則，No evidence, no completion，從訊息佇列的 delivery acknowledgment 一路講到它怎麼把完成標準、範圍、檢查點一起拉進來。那篇偏骨架，這篇是同一件事落到每天的手感。

它撐得住的地方，跟撐不住的地方

你要是在搭 agent，那「給我看東西」這個問答可以自動化，框架裡那個 evidence gate 就是把它固定成流程的一環，每過一關就留一張收據。收據寫進工作記錄，等收尾歸檔，那本稽核日誌用雜湊一筆鎖一筆，事後動了就會被抓到、賴不掉，這我在怎麼讓 AI agent 照流程走寫過。但你要只是開著對話框在用，那下面這個手動的小動作，對你來說就是全部了：收據還沒被自動要求、要不要信全在你一念之間的時候，靠的就是這個。

它有一個本質上補不了的洞：你只驗得了你知道要驗的東西。AI 在一個你壓根沒想到要檢查的地方出錯，這個習慣接不住。能稍微擋一下的，是順手要它列一句「這次我沒動到什麼、預設了什麼」，把它替你做的假設逼出來，但那也只是把洞縮小，補不滿，剩下的還是得靠你對任務本身夠熟。

它穩穩擋得掉的，是另一種：那種你心裡其實有點數、做一半繞過去、看起來完成其實沒有的情況。方向整個誤會的那種，它只能擋一半，但至少你會發現：它給你看的證據，對的根本是別的東西。以我的經驗，前一篇我抓過的那種「接受了看起來完成、後來發現沒有」大概六七成都落在這一帶，先把這塊穩穩接住，已經很划算。

所以我現在不太把它當成一道驗證關卡，比較像一個習慣性的小動作：在相信「完成了」之前，先讓那句話對上一個你自己跑得出來、查得到的東西。看到了，再點頭。

Agentic OS 是開源專案：github.com/KbWen/agentic-os

延伸閱讀