整理这篇文章时,我重新打开了那份把对话博客要求落进代码的计划。最让我停下来的,是实施记录里的两种结果:规则测试通过,帮助命令测试通过;但拿历史草稿去审计,选中的 13 篇都有问题。
如果只看“完成”两个字,很容易以为文章已经合格。如果只看审计没有通过,又容易以为新工具没做好。同一份记录把这两件事放在一起,反而让我看清了这次工作的意义:检查工具可以完成,接受检查的内容仍然需要修改。
此前,13 篇对话博客的基准已经写进 skill。它要求按主题组织材料,拿掉私密细节,交代真实场景、判断和取舍,突出关键句,最后回到下次怎么做。这些要求并不含糊。问题在于,项目代码没有对应的检查,后续执行者仍有可能把它当成普通 Markdown 处理。
写清楚以后,还缺了什么
我很容易把“已经写成规则”当成事情的终点。既然文档里说了要脱敏、要深写、要本地预览,接下来照着做就好。但这份计划的背景恰恰指出了另一种可能:规则留在说明里,执行走自己的路。
这不一定出于故意忽略。接手者可能只看到当前文件,可能沿用普通文章的处理方式,也可能觉得自己已经理解了要求。文章能被读取,格式能被识别,并不能证明它讲清了为什么做这个决定,更不能证明里面没有工作现场留下的私密信息。
一条要求写得再清楚,如果执行时没有对应的检查,它仍然需要每个接手者重新记住。
我想减轻的正是这种依赖。每次交稿都靠人重新翻文档,既重复,也容易漏掉同一个角落。可如果只是把文档加长,把“必须”写得更重,检查动作仍然没有落点。要求越多,交接时要记住的东西反而越多。
因此,这次计划把目标收得很具体:新增可复用的规则库、草稿审计命令和测试。说明继续负责解释什么样的文章值得写,程序开始负责把能够检查的要求逐项报告出来。这样,接手者至少能知道哪些地方还没有达到约定,而不是只得到一句“再写深一点”。
先确定检查的是哪批文章
这份计划里有个细节,我觉得比“默认检查 13 篇”更值得保留:优先按本地预览页里的 Markdown 链接,确定正式草稿。
一个草稿目录可能同时留着短版、改写版和备份。假如直接数目录里的文件,数量看起来很客观,检查的对象却可能不对。同一篇文章留了多个版本,不等于多交了几篇文章;真正准备给人看的版本,也不一定是目录里所有文件的集合。
计划因此明确,如果预览页链接了 13 篇,就优先以这些链接所指的文件作为正式批次。任务说明进一步写明,预览链接的选择优先于散落的备份稿。这里先回答的是“检查谁”,然后才是“检查什么”。
这件事让我重新意识到,自动检查并不是从一个漂亮的评分公式开始的。对象选错以后,统计再精确也没有意义。若把备份里的缺陷归到正式稿上,人会花时间修无关文件;若漏掉真正展示的版本,又可能对着另一份内容宣布通过。
检查对象的边界,是检查结果能够被信任的前提。
13 也是同样的道理。它是当时这批文章的默认数量,不能由此推导出每次写作都必须凑到 13 篇。实施记录列出的命令既支持目录,也支持单篇文件,还提供跳过数量检查和预览检查的选项。我理解这些选项的用途,是让检查对应当前任务,而不是把某批作品的形状变成永久模板。
把要求拆开,才知道程序能管到哪里
基准写在文档里时,读起来是一套完整的写作要求;进入代码时,就需要拆成不同性质的问题。
文章数量、是否存在预览、有没有指定的结尾小节、加粗数量是否落在约定范围内,都比较容易得到明确答案。敏感路径、机器信息、地址和密钥形式,也适合通过模式检查提供拦截或提醒。计划同时把疑似具体人物称呼列入提醒范围,这类结果尤其需要回到上下文判断。
另一些要求则更难。比如文章有没有讲清决策链,所谓失败处理是不是有实际内容,结尾的方法能不能被别人拿走使用。这些并不因为出现了某个词就自动成立。
实施记录说规则库加入了深写检查,但我不能因此把它理解成程序已经能够判断文章深度。我在这里更愿意把它当成检查线索:提醒我回到可能缺失的部分,继续读内容,而不是替我读完以后作出全部判断。
程序能检查到的结构,不等于文章已经表达出来的意义。
一种可能的错误捷径,是为了通过检查补几个小标题,凑够加粗,再加一段“下次我会怎么做”。外形齐了,判断仍然可能是空的。另一种捷径,是因为程序不能完整判断好文章,就干脆不检查。前者高估了规则,后者放弃了已经能够减少的遗漏。
我更愿意在两者之间划清职责。可以稳定判断的项目交给程序;涉及语义的结果作为复读提示;有没有真实经验、解释是否充分、读者能不能理解,继续由审稿承担。这样,检查不会冒充审美,也不会因为审美复杂而失去用处。
测试通过,旧稿仍然可以不通过
实施记录保留了那次历史审计的摘要:识别出 13 篇文章,找到 1 个预览文件,13 篇文章都有问题,整体结果没有通过。上下文说明,这批链接指向较早的短稿,尚未达到新固化的深写要求。
我没有在这次写稿时重新运行原项目,所以这里说的是历史记录里的结果。这份摘要也没有展开每篇的完整问题清单,我不能进一步断言哪篇少了哪个段落,或者每篇都是同一种缺陷。
但已有记录足够说明一个重要区别。规则测试检查的是工具是否按设计工作,历史审计检查的是实际材料是否满足要求。两种检查回答不同问题,结果完全可以同时成立。
测试通过和内容合格,是需要分别举证的两件事。
如果为了让最终报告好看,遇到旧稿失败就放宽要求,新加的检查便失去了意义。反过来,如果看到旧稿失败就宣布规则库无效,也忽略了检查本来就该暴露差距。正确的后续动作,应当取决于具体问题:是规则误判了,还是内容确实没有达到标准。
这次计划没有把重写历史正文包进来,也没有接入自动改稿。这个边界让我觉得踏实。检查完成以后,可以明确留下需要处理的问题,而不必为了得到一个绿色结果,顺手替人改写整批内容。发现差距本身就是交付的一部分,前提是差距被如实说明。
独立审计,还不是发布入口的强制拦截
还有一个容易在复盘时被说大的地方:要求写进代码,不代表所有发布动作都已经被代码拦住。
原计划明确不改变已有发布入口的行为,不自动发布或部署。新增的是独立审计能力;实施记录还写明,skill 随后补上了发布前运行审计的说明。因此,这次变化让要求可以执行、可以报告、可以由不同接手者重复使用,但不能据此声称所有路径都无法绕过它。
这个区别影响我怎样评价完成度。一个可运行的审计命令已经比纯文字提醒多走了重要一步,不过它是否必经,取决于实际流程有没有调用。若后续需要发布入口强制检查,那应当成为明确的另一项改动,并验证失败时是否真的停止。
我更愿意把这里的取舍看成工作范围的自觉。先把规则表达清楚,把检查工具做好,把结果留给人看;是否继续接入关键动作,由下一项具体需求决定。为了讲一个完整的成功故事而把这些阶段揉在一起,反而会遮住系统目前真正能保证的部分。
下次我会怎么做
下次再把一组作品当作基准,我会先确认希望保留的是什么。作品数量可能属于当次任务,讲清判断和保护隐私则可能值得长期保留。把这些分开,才能避免程序忠实执行了一个已经不适用的形式。
接着,我会确定正式交付物的范围,把每条要求对应到能够观察的证据。能明确检查的,给出明确结果;只能提示风险的,说明需要复读哪里。对于深度这类要求,我会回到段落本身,看它有没有解释原因和代价,而不只数标题或关键词。
验证时,我会分别保留工具工作的证据和内容接受检查的结果。通过的样本有价值,不通过的样本同样有价值。尤其面对旧稿,先弄清差距,再决定修规则还是改文章,不让“全部变绿”替代真正的判断。
最后,我会检查这条规则究竟停在哪里:在说明里,在可运行的命令里,还是已经进入实际交付流程。每走到一层,就按那一层的证据说话。对我来说,把经验留下来的意义,是让下一次接手的人少猜一点,也让未来的自己能够看清,哪些要求已经被检查,哪些判断仍然需要亲自负责。