你可能也在交代 AI 做事時加過一句：做不到就停下來，告訴我卡在哪。

然後 AI 從來沒停過。每次回來都是「完成」。

Day 3 我請 AI 把面板做成 90 年代復古風，工作單（交給 AI 的任務說明）寫了「三次做不出 Y2K 質感就停手回報」，它回報的是「通過」。你可能會想：那是「質感」太主觀，寫成數字就好了。

我另一次的停損（卡住時什麼情況要停手回報）寫的就是數字：超過 8 秒就停。它還是沒停。

規定慢過 8 秒就停，它交出一份要等 31 秒的報告

usage 是 Mac 選單列上的小工具，顯示幾家 AI 工具用了多少，也能產生一份用量報告網頁。6 月 21 日下午，我想在報告裡加一個「年度回顧」：一整年用了多少、最忙的是哪一天，還有一面像 GitHub 那樣的綠格子牆。

我的做法是兩個 AI 分工：Claude 跟我討論、寫工作單，Codex 照工作單動手。

年度回顧要讀一整年的使用紀錄，可能會拖慢報告。所以工作單裡有一條停損，整理成白話是這樣：

年度資料讓報告明顯變慢（超過 8 秒）→ 停下來，回報實測花了幾秒

11 分鐘後，Codex 回報「已完成」：629 個測試全過，幾個容易算錯的地方也自己檢查過了。它還量了報告檔多大：約 46 KB，遠低於工作單另一條停損的 3 MB 上限。

接著 Claude 自己量了一次：開報告要等 31 秒，光是讀一整年的資料就要約 18 秒，早就超過 8 秒。

回頭看工作單，要它做完自己跑的檢查，列的是程式風格檢查、型別檢查、自動測試，還有幾個計算的邊界情況。沒有一行叫它計時。所以它量了檔案大小，卻沒量時間。

多一行「量秒數」，這次它停了

為了那 31 秒，Claude 提議加快取：把算好的年度結果先存起來，下次開報告直接拿。我選了這條路，Claude 寫了第二張工作單，整理成白話是這樣：

停損：
第二次開報告（直接拿快取）還要超過 2 秒 → 停下來，回報實測數字

做完要自己跑的檢查（上一輪就是漏了計時才出包，這輪務必量時間）：
- 量第一次開報告、第二次開報告、快取過期後重開，各花幾秒

括號裡那句，是 Claude 自己寫進去的。

7 分鐘後，Codex 這次停了。回報第一句是：快取做好了，測試也過了，但效能驗收觸發了停損。下面附上量到的時間：

年度資料那段，第二次開直接拿快取，花 0 秒，快取確實有用。可是整份報告還是要 10.5 秒，遠超過 2 秒。

Codex 還自己多做了一個實驗，確認慢的不是年度資料：它把「重算年度資料」那段程式改成一被呼叫就報錯。報告只要去重算，就會當場出錯。結果報告順利跑完，還是要十幾秒（這次量到 13.8 秒）。年度資料確定是從快取拿的，報告照樣慢，慢的不是今天加的東西。

Claude 看完回報，跟我說：

你要的功能修好了，但你不會「感覺」變快——而且原因不是這個功能。

它的判斷是：那 10 秒花在讀這個月的使用紀錄、算月報的數字。這些是月報本來就要做的，跟年度回顧無關。

它不是不聽話，是只看得到「看起來做完了」

這不是我運氣不好。

Claude Code 官方最佳實務的第一節，就把這件事寫得很白：Claude 覺得工作看起來做完了，就會停。如果沒有它自己跑得了的檢查，「看起來做完」就是它唯一的依據，你就變成那個驗收的人，每個錯都等你去發現。

Anthropic 工程團隊另一篇文章也寫到：沒有明確要求的時候，Claude 會改程式、甚至跑完單元測試，就把功能標成完成，卻沒發現整個功能實際用起來是壞的。在他們做網頁的例子裡，明確叫它用瀏覽器、像真人一樣從頭操作一遍，它大多就測得出來。

Codex 那次也一樣：629 個測試全過，但沒有一項檢查會量開報告要多久。

官方的解法：給它一個會回「過」或「不過」的檢查

官方的建議是，給 Claude 一個會回「過」或「不過」的檢查：測試、建置、程式風格檢查、比對輸出的小腳本、畫面截圖都行。它做完就跑檢查、看結果，沒過就改到過為止。

還有一句要記住：叫它拿出證據，不要只說成功了。證據是測試的輸出、它跑了什麼指令、回了什麼，或結果的截圖。看證據，比你自己重跑一次快。

拿這個標準回頭看三條停損：

• Day 3 的復古面板：「有沒有 Y2K 質感」，沒有一個檢查回得了過或不過，只能靠它自己覺得。
• 第一張工作單（加年度回顧）：「超過 8 秒」是數字，但 Codex 沒去量。回報裡沒有開報告花了幾秒，這條停損根本沒被檢查過。
• 第二張工作單（加快取）：寫明要量三種情況各花幾秒。秒數出現在回報裡，超過了，它就停了。

停損本身也要數得出來。這兩張工作單其實都還有一條：「同一處程式改超過 3 次，檢查還是過不了，就停」。這條不用它評自己做得好不好，數一數改了幾次就知道。

有了檢查，下一個問題是：怎麼確保它真的會跑？官方列了四種做法，越往下要設定的越多，你越不用在旁邊盯著：

1. 寫在同一個指令裡：叫它做完跑檢查，沒過就改。官方說這種做法今天任何任務都能用。OpenAI 給 Codex 的官方寫法也一樣：修完跑程式風格檢查和相關的測試，回報跑了哪些指令、結果是什麼。
2. /goal：Claude Code 的內建指令。你給一個完成條件，每當 Claude 做完一輪、準備把控制權交回給你，就換一個小模型檢查條件成立了沒，沒成立就讓 Claude 繼續做。
3. Stop hook：放在設定檔裡的檢查程式，每次 Claude 要結束前都會跑，沒過就不准結束。不過官方設了上限：連續擋 8 次之後，Claude Code 會強制結束。
4. 第二意見：另派一個 AI 專門挑錯，讓做事的不是替自己打分數的那個。

我那張加快取的工作單，用的就是第一種：把檢查寫進工作單裡。

實測 /goal：做不到的目標，最後也被判「達成」

/goal 的官方文件寫明：負責檢查的小模型不會自己跑指令、不會讀檔，只看 Claude 在對話裡秀出來的東西。所以條件要寫成 Claude 的輸出證明得了的樣子，官方說好用的條件通常包含三件事：一個量得出來的結束狀態、怎麼證明、途中不能改動的東西。官方也建議加上輪數或時間上限，例如「或做滿 20 輪就停」，免得它一直跑下去。

為了確認它實際會怎麼做，我用 Claude Code 2.1.276 做了一支故意每次跑 3 秒的小程式 report.py（裡面就是 time.sleep(3)），出三種題目各跑一次。

第一次，做得到的目標：加快取，讓第二次執行變快。

/goal 第二次執行 python3 report.py 的實測秒數印在對話裡，而且小於 2 秒；report.py 印出的內容不變；或做滿 10 輪就停

Claude 先存下原本的輸出，加了快取，自己量兩次：3.04 秒、0.04 秒，再用 diff 確認輸出沒變，全部貼在對話裡。檢查的小模型判定「達成」，理由裡引用的就是對話裡那個 0.04 秒和比對結果。前後不到 2 分鐘。

第二次，做不到的目標：條件改成「不准修改 report.py，也不准新增任何檔案」。不能改程式、也不能存快取檔，不可能變快。一樣加上「或做滿 5 輪就停」。

第一輪 Claude 就說：在這些限制下做不到，第二次執行還是 3.05 秒。可是檢查的小模型連判了四次「還沒達成」，理由是「做滿 5 輪」還沒成立。Claude 只好每輪再量一次，量滿 5 輪。最後，檢查的小模型以「已經做滿 5 輪」判定達成。

它把「或做滿 5 輪就停」當成另一個達成條件：秒數沒達標，但輪數做滿了，整個條件就算成立。/goal 記下的結果是「達成」，不是「失敗」。

第三次，同一個做不到的目標，拿掉輪數上限。

Claude 一樣第一輪就說做不到。檢查的小模型判了兩次「還沒達成」，第三次才判定這個條件做不到，把目標記成失敗。

三次跑下來，有三件事要知道：

• 檢查的小模型每次判定，引用的都是對話裡的實測數字。證據沒出現在對話裡，它就判斷不了。
• 「或做滿幾輪就停」會變成另一種「達成」。做不到的時候，它會做滿那幾輪，最後照樣記成達成。/goal 說達成，還是要看 Claude 最後寫了什麼。
• 做不到的目標，也不會第一輪就停：第二次多量了 4 輪，第三次多講了兩輪，才停下來。

今天可以帶走的

不管用哪個 AI 工具，工作單第三格「做完怎麼算對」（三格的寫法見 Day 2）和停損，照這樣寫：

做完怎麼算對：
- 結束狀態：＿＿＿（測試通過、秒數小於＿＿、輸出跟原本一樣）
- 怎麼證明：跑＿＿＿，把指令和結果貼在回報裡
- 路上不能動：＿＿＿
停損：
- 同一處改超過 3 次還是不過，就停，回報卡在哪

用 Claude Code 的話，同樣的內容可以交給 /goal，照這個格式填：

/goal ＿＿＿的實測結果印在對話裡，而且＿＿＿；不准改＿＿＿

要加「或做滿幾輪就停」也可以，數字設小一點。最後別只看 /goal 記成「達成」，要看 Claude 寫的是做到了，還是做不到。

收到「完成」，先找證據：你要的秒數、測試結果，有沒有出現在回報裡？沒有，就還不算完成。

明天繼續看，工作單送出去以後的事。

參考資料

• Claude Code 官方最佳實務，〈Give Claude a way to verify its work〉一節（沒有檢查時它只能靠「看起來做完」、四種強制程度、叫它拿出證據）：https://code.claude.com/docs/en/best-practices
• Anthropic，〈Effective harnesses for long-running agents〉（講 Claude 會沒好好測就把功能標成完成，明確叫它像真人一樣測才做得到）：https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents
• Claude Code 文件，〈Keep Claude working toward a goal〉（/goal 的用法、怎麼寫完成條件、三種判定）：https://code.claude.com/docs/en/goal
• OpenAI，〈Prompting〉官方指南的 Codex 範例「Fix a bug」（「Verification」一段：修完跑程式風格檢查和最相關的一小組測試，回報指令和結果）：https://learn.chatgpt.com/docs/prompting
• usage 專案：https://github.com/aqua5230/usage
• 年度回顧上線的那次發布（commit b72d5e8，v0.22.0）：https://github.com/aqua5230/usage/commit/b72d5e8