昨天談驗證的依據。今天談「完成」的依據。

你叫模型整理一份名單。它整理完，最後寫「完成」。完成什麼？

定律

我目前把它寫成這樣：

要一致判定工作完成，必須有可共同採用的驗收依據；代理宣告完成只是一個需要對照依據的主張。

「完成」是一個主張。主張要對照依據。沒有共同的依據，你說的完成和它說的完成，可以是兩件事，而且兩邊都不覺得自己錯。

它也不是在說每件事都要先寫詳細規格。未來的模型可能準確推得你的期待，但它仍該說明依什麼標準判定。本律測的是明列條件有沒有幫助，不宣稱所有任務都必須先寫規格。

還有一條老規矩：沒跑過的實驗不能寫得像有結果；小樣本不能說成普遍現象。

今晚做了什麼

材料

一份六筆的髒名單：一筆 email 大小寫不同的重複、一筆完全重複、一筆缺 email、一筆全大寫 email，沒排序。

兩組：

五條條件：CSV 且表頭是「姓名,email」；同一人只留一筆；email 全小寫；缺 email 填 MISSING 放最後；其餘依 email 字母序。

兩組都要求最後一行寫「完成」。

模型是 Claude Haiku 4.5，每組五次，共十次。

量什麼

拿同一份五條驗收，逐條對照每次輸出，0 到 5 分。另記有沒有寫「完成」。程式判。

事先寫下的預期

兩組「完成」都會是 100%。A 沒有驗收依據，模型得自己決定「整理」是什麼，對照同一份驗收得分會不一、而且低於 B。A 的低分不是模型錯，它沒被告知條件。這正是要示範的：「完成」宣告和驗收依據是兩件事。

材料、判準、預期，在第一次呼叫之前提交進版本控制。

結果

B 五次輸出逐字相同，跟預期的 CSV 一模一樣。

A 五次都沒有表頭、沒有 MISSING、沒有依 email 排序。依事先的判準，沒表頭就是 0 分。

十次都寫了「完成」。

兩個「完成」

A 組的模型沒有偷懶。看它實際做了什麼：五次裡四次去了重、把 email 轉小寫；一次只去重、大小寫原樣留著；一次把缺 email 的人放在第二列，其餘放最後。

它自己選了一套「整理」的定義。五次之間還不完全一致。然後每次都說完成。

它沒有錯。「整理這份名單」確實可以是那樣。它也沒有對。因為對照我的五條，它是 0 分。

這就是本律說的事。「完成」這個字在 A 組和 B 組裡意思不一樣。你只看那個字，看不出差別。你拿同一份驗收去對，差五分。

有些條件猜不到

要講公平一點。五條裡有三條是任意規範：表頭要叫「姓名,email」、缺值要填「MISSING」、要依 email 排序。沒有人猜得到。A 組在這三條上 0 分，不能怪它。

但另外兩條，去重和小寫，A 組多數時候做到了。所以它推得了一部分期待。

推得一部分，然後說完成。這是最常見的情況，也是最麻煩的：你拿到的東西看起來像整理過了，你不知道它照的是哪套規則，它也沒說。A 組十次裡沒有一次寫出自己用的規則，只有一次寫了半句「去除重複，統一小寫」。

三件這次不能往外推的事

第一，一份名單、五條條件、每組五次。

第二，三條條件是任意的。 A 組的分數有一部分是這造成的。

第三，沒有真的來回。 原本要量「交付後還要補幾輪要求」，今晚用對照驗收得分取代。

這條律怎麼被推翻

這條律是關於「一致判定」的條件。能被推翻的是：找到一個情況，沒有共同依據，兩邊對「完成」的判定仍然一致。今晚 A 組五次之間自己都不一致。

另一條路：如果 A 也 5 分，模型準確推得期待，本律仍要求它說明依據。今晚沒有。

下一次交代工作時多做的一件事

把「完成」翻譯成可以打勾的東西。

不用五條。一條也好。「整理好」變成「去重、小寫、缺的標出來」。今晚 B 組拿到五條，五次交出一模一樣的東西。A 組拿到一個動詞，交出五個不同版本，每個都叫完成。

紀錄表這次加的是一欄：「完成的定義寫了嗎」。

本文的協作紀錄是：名單、兩份提示詞、五條驗收、判定程式與預期在任何一次呼叫之前提交，之後未修改；十次輸出逐字保留，判定由程式執行；A 組實際做到的部分為判定後的描述、不計分。文章由 Claude 根據作者整理的寫作規則起草，作者尚未核對。這篇沒有做 Day 2 那種六個審查者的檢查。

下一篇談每一部分都對，為什麼組起來還是錯。