系列說明 >> 本系列大部分 PR 來自私人或公司專案，部分程式碼、環境設定與實作細節不便公開。
我只能保證文中提到的 PR 與問題皆為真實案例，但會經過必要的匿名化與內容調整。
本系列主要分享問題如何被發現、背後的思考方式，以及解法如何形成，不會深入討論完整實作與部署細節，敬請見諒。
如果回到 Day 1，我真的沒想這麼多。
當時的問題很單純：
我能不能不要每次都自己開 Terminal、接 UART、下 Command，再把結果貼回去給 Agent？
先讓它碰得到設備再說。
結果 Day 2 Full Run 一放大，PASS 開始露餡。
有些 Command 根本沒跑完整。
有些 Readback 不對。
有些 RC 跟 Report 混在一起。
到了 Day 3，為了知道 Command 到底跑完沒有，我們甚至把 Marker 塞進 UART，然後再花一篇把自己塞進去的污染拔掉。
非常工程師。
先挖洞。
掉進去。
再開始討論洞為什麼不該存在。
後來 serialwrap 有 Transparent UART、WAL，Human monitor 跟 Agent probe 也能一起活著。
我那時才慢慢感受到：
Agent 能碰到硬體，只是第一關。
真正重要的是，它碰了什麼、什麼時候碰、結果從哪裡來，之後還有沒有東西可以重看。
不然 UART 從「只有人能操作」進化成「Agent 也能操作」，只是把不可追的手工操作換成不可追的自動操作。
速度比較快而已。
FAIL 通常很誠實。
它至少會站在那裡告訴你：
我壞了。
PASS 比較麻煩。
它會讓你想下班。
Day 8 之後，問題從「Test 能不能跑」變成：
這個 PASS 到底是哪一份 Case、哪一列 Workbook、哪一份 YAML、哪段 Source、哪個 Before／Proposed 算出來的？
另一份 YAML 能不能冒充審過的版本？
Repo 拆過以後，Audit Pipeline 還是不是指著同一份 Cases？
四百多條 Case 跑到一半斷掉，明天是 Resume，還是從頭再燒一次 Bench？
這一幕做完後，我對 PASS 的看法變得很差。
不是不相信 PASS。
是開始要求它帶證件。
結果
+
Identity
+
Provenance
+
Evidence
+
可重播的 Progress
少一塊，都只能算：
有一個東西說它過了。
Test PASS 從答案變成了一個 Claim。
做到 Audit，我原本以為已經夠龜毛。
Criteria 要查。
Citation 要綁。
同一 API 在 Workbook 出現多列，要知道到底引用哪一列。
然後 Day 14 又發現：
正向跑三次都 PASS，也可能只是 Criteria 寫得太鬆。
所以補 Negative Control。
錯的值也要真的 Fail。
很好。
再往下一天，Auditor 跑完告訴我：
「Source 我有看。」
我忽然又卡住。
我要怎麼知道你真的看了？
於是連 Reviewer／Auditor 的 Read，都開始要求 Machine-observed Tool Calls。
這時我才真正接受一件事：
No Self-certification 不是用來防 Agent。
它是用來防所有工程角色。
Builder 不能自己說 Build 對了。
Verifier 不能自己說 Verify 過了。
Reviewer 也不能因為名字叫 Reviewer，就自動獲得可信度。
包括我自己。
只要某個角色同時擁有：
做事
+
定義成功
+
宣布自己成功
遲早會出事。
差別只是幾點下班。
Day 16 開始，我本來以為故事會進入：
多 Agent 平行開工，效率起飛。
確實有起飛。
先飛走的是我的注意力。
誰在做哪個 Issue？
哪隻 Agent 結束了？
下一隻能不能開始？
誰卡住？
哪份 Plan 才是現在的？
Agent 說 Done 了，Workflow 為什麼沒往下？
我一邊回答、一邊切 tmux、一邊看 Branch、一邊把下一棒叫起來。
後來才發現：
原來我一直是那個沒有 Repo、沒有 Test、也沒有 Log 的 Scheduler。
所以才一路長出 Durable Job、Completion Lifecycle、Pinned Plan、Planning Artifact、Card／Combo／Deck、Coordinator、Control、Monitor。
名字很多。
但它們其實一直在拆同一件事：
以前偷偷放在人腦裡的責任，到底應該由誰正式持有？
D17 最關鍵的不是「Agent 做完」。
是：
poll
→ gate
→ handoff
→ release
真的走完，下一棒才有資格開始。
D18 不是多一份 Plan Parser。
是 Ready 跟 Fanout 不能各信各的。
D19 小pa不是來幫我寫比較漂亮的 Plan。
是 Plan 被退件時，終於有人對「這次到底要做什麼」負責，而且內容本身看得到、查得到。
D22 Cortex 正式拆出去時，我又踩到一次：
新 Repo 能跑，不代表舊家已經沒權力。
所以舊 Package、Import、Manager、Timer 沒退乾淨以前，都不能說 Cutover 完成。
到這裡，Agent 沒有變得比較聽話。
只是它們開始不能靠一句：
「Done。」
直接改變世界。
Cortex 剛拆完沒多久，下一隻 Agent 看著舊 Package 問：
為什麼不能先留著相容？
我又開始解釋：
兩份 State Owner。
舊 Timer。
Authority Cutover。
打到一半，我忽然覺得很累。
不是因為這題很難。
是因為這題我昨天才付過學費。
前二十二天其實一直都有這種東西：
局部能跑
≠ 全鏈完成
同一個 Fact 有兩份 Authority
≠ 比較安全
沒有 Durable Artifact
→ 下一個人只能重新猜
所以 D23 才開始做 Memory。
但 Memory 這條線也沒比較客氣。
Transcript 全存，下一隻 Agent 還是讀不完。
切成 Atomic Slice，東西一多又找不到。
MOC／Search 有了，Session Start 的 Brief 又只是導覽，不是依 Task Recall。
Hook 有觸發、Brief 有內容，結果 Agent 根本沒真正開 Knowledge。
Memory 拆成 Hippo、Usage 能觀察之後，到了 D29 又出現更漂亮的一巴掌：
舊答案跟新答案一起被 Recall。
我一開始怕 Agent 忘記。
做到最後開始怕它記得太好。
所以 Knowledge 還得知道：
這是在哪個 Code State 學到的
這份是不是已被新版取代
這只是某次 Session 的狀態
這其實是一件還欠著的事
Memory 能提供的是 Prior Knowledge。
不是現在的 Truth。
這條線如果不守，所謂「越來越會學」，最後很可能只是：
越來越有自信地翻出以前的答案。
表面上，這三十天有 UART、TestPilot、Audit、Persona、Cortex、Hippo。
Repo 越來越多。
名詞也越來越多。
但如果把名字全部拿掉，剩下來的東西很像：
能跑
≠ 完成
PASS
≠ Proof
有人說看過
≠ 真的看過
Agent Done
≠ Workflow Transition 完成
Read
≠ Applied
Applied
≠ Outcome
記得以前
≠ 現在仍然正確
我後來常寫的那些原則，也不是一開始坐在桌前設計出來的。
什麼 One Authority per Fact。
Artifact before Transition。
Physical Reality Wins。
Bounded Autonomy。
No Self-certification。
比較像每踩一次坑，就多長一條疤。
因為只要責任沒有被外顯，最後一定會有人偷偷補。
通常是我。
只要 Authority 有兩份，最後一定會有人挑自己喜歡的那份。
通常也是我。
只要沒有 Artifact，下一次就只能靠記憶。
很不幸，還是我。
所以這三十天真正被自動化掉最多的，可能不是 Coding。
是：
我腦子裡那些原本沒有名字、沒有 Log、沒有 Contract 的工程責任。
現在 Cortex 已經能發布 Canonical Engineering Outcome。
Hippo 也知道一則 Memory 有沒有被 Offered、Read、Applied。
看起來只差最後一條：
這次用了哪則經驗
+
最後工程結果到底怎樣
然後才能比較有資格討論：
這則經驗應該 Reinforce、Contradict，還是 Retire？
但這條 Outcome Binding 還沒完成。
Hippo 的 Issue #96 也還開著。
所以沒有「三十天完整 Autonomous Learning Loop 成功閉環」這種結尾。
沒有就是沒有。
如果我在最後一天為了漂亮，把 Open Issue 寫成架構已完成，那前面二十九天大概都白寫了。
這系列一路在講：
Completion 不能靠自己宣布。
Day 30 也一樣。
剛開始用 Agent，我很容易把焦點放在：
它能不能寫？
它能不能修？
它能不能一次做更多？
現在我比較在意的是：
它做了以後，誰能證明真的發生？
它要改 State，誰有 Authority？
它說 Done，哪個 Artifact 支持 Transition？
它拿以前的經驗來用，那份經驗現在還成立嗎？
我沒有因此變得比較不相信 AI。
剛好相反。
正因為我準備讓它做更多，所以才不能把可信度建立在：
「它看起來很有把握。」
Agent 可以寫 Code。
可以操作 UART。
可以跑 Test。
可以 Review。
可以 Plan。
可以派工。
可以讀 Memory。
有一天，可能真的可以自己完成更長、更完整的工程閉環。
但有一件事我希望不要跟著自動化掉：
它不能只因為自己說做對了，就得到「做對了」的資格。
三十天前，我只是想讓 Agent 幫我多做一點事。
三十天後，我真正想留下來的，是一套即使 Agent 做得越來越多，現實還是有辦法對它說：
「等等，證據呢？」
這三十天的路很長，也很短，希望大家在這段旅程裡都能有所收穫。
Have a nice day.
iThome鐵人賽
看影片追技術