我是國小教師。不是工程師，沒有相關資訊背景，大學也不是念這個的。近一年來，開始使用AI，在摸索與學習的過程，有幸認識一些有工程師或相關科系背景的朋友，在多次交流後，近半年，就開始學習用工程師有需求開issue，程式碼有更改需要合併到main之前開PR的方式，留下自己的AI coding開發歷程。

這一年我用 AI 做了不少東西。班上用的教材、學校要交的表單工具，後來越弄越大，玩了 Hermes Agent 和 OpenAB，也建立了個人llm wiki，現在手上有一套自己天天在用的 coding agent 系統，跑在自己的機器上。

聽起來好像還行。但真正讓我想寫這三十天的，不是這些成果，是下面三件事。

第一件：測試全綠，但綠燈是假的

我在調一個檢索功能的門檻值。跑測試，全綠。

照理說這時候就該收工了。但那天不知道為什麼，我多問了一句：這個綠燈是真的嗎？

於是去量測實際的分數分布。結果發現我設的那個門檻，根本沒在做我以為它在做的事——測試會過，是因為測試本身剛好避開了問題。我改的東西跟綠燈之間沒有因果關係。

後來我把它改成：條件不符的時候誠實回報失敗，而不是硬給一個看起來合理的答案。測試從全綠變成有紅的。但那個紅才是真的。

嚇到我的不是這個 bug，是另一件事：如果那天我沒多問那一句，我會一直以為它是好的。

第二件：兩個 AI 同時改同一個檔案

我習慣同時開好幾個 AI session 做事。有一次我把同一份交接指令，不小心讓兩個 session 都接走了。

兩邊都很認真地做。兩邊都改了同一批檔案。兩邊做完都跟我說「完成了」。

我去看結果，發現後面那個把前面那個的改動蓋掉了一半。更麻煩的是兩份回報看起來都很正常，我是隔了一陣子才覺得東西怪怪的。

AI 沒有說謊。它們各自都真的做完了自己那一份。問題是沒有人在監督整體狀況，而我自身也不具備這樣的能力。

第三件：裝好的功能，三週沒生效

我當初裝了一批功能到我的 agent 上。裝的時候沒有任何錯誤訊息，該有的檔案都在該在的位置，我以為這樣就OK了。

三週後，我因為別的事去查其中一個功能在不在，才發現它從第一天就沒有在跑。原因是我用了一種連結檔案的方式，而讀取的程式不認那種連結。AI沒有報錯，只是安靜地當作那個檔案不存在。

順著查下去，還發現另外兩個我以為「已經停用」的功能，其實從頭到尾都是開著的。

整整三週。沒有錯誤訊息，沒有告警，什麼跡象都沒有。因為從來沒有人去驗證過。

為什麼這對我特別重要

如果你在公司寫程式，上面三件事有很大機率會被攔下來。同事 review 的時候會問你那個綠燈；有人管 release 的時候會發現撞車；CI 跑起來會告訴你東西沒裝好。

我沒有同事，沒有 QA，一開始連 CI 都沒有。我只有 AI。而 AI 是我唯一會跟我回報進度的對象，但它經常說「做完了」，而且是真心認定自己做完了。

一個人做東西，最危險的不是能力不夠，是沒有人會適時提出指正，AI 也是。

所以這一年我做的事，說穿了就是：既然沒有同事，那就想辦法讓這些 AI 互相當同事，逼它們拿出證據來。

「做完了」到底該長什麼樣

我現在的答案是，一句「好了」不算數。至少要能回答這幾個問題：

哪個coding agent改的？改了哪些檔案？誰review的？審的agent跟改的agent是不是同一個？測試在哪裡、跑出什麼？失敗的時候它會誠實停下來，還是硬塞一個答案？這次學到的東西，下次還找得到嗎？

這些問題聽起來很基本。但真的一條一條去落實，會發現每一條背後都要一套機制，而且每一套都有壞掉的可能性、而一旦某個地方斷鏈，就會造成整個開發卡住。

這三十天要寫什麼

大概分六段。

先把問題講清楚，也就是這幾天。然後是我怎麼把「幫我改一下」這種需求，變成可以驗收的東西。接著是最核心的一段：怎麼讓 AI 審 AI，裡面有一次是 AI 說我錯了，我拿實驗去反駁它，結果它又抓到我沒想到的問題，那個完整過程我會整段攤開。

再來是怎麼追蹤這些 agent 到底做到哪，然後是系統怎麼壞的，這段會寫很多失敗。最後是身為教育工作者的紅線——學生個資那條線我怎麼劃。

收尾三天把整套東西重跑一次。

能公開的程式和證據都放在這裡：

https://github.com/cyclone-tw/ironman-2026

我核心那套系統在私有 repo，裡面有校務相關的東西不能公開。文章裡引用到那些，我會標明是去敏後的節錄。這件事我會標清楚，不會假裝所有東西都能公開驗證。

明天

明天先講這套系統目前如何運作，還有它的運作邊界。