昨天談「完成」的依據。今天談「每個部分都完成了」之後的事。

三個模組，各自的測試都過。組起來，報告說平均長度 152.5 公尺。實際是 152.5 公分。

定律

我目前把它寫成這樣：

子任務各自正確，只有在它們的介面與共同限制也相容時，才能支持整體成果正確。

前提是：整體成果是由子任務組合出來的。各自正確是必要條件，不是充分條件。少的那一塊叫介面：A 交出去的東西，B 拿到手時，兩邊對它的理解一不一樣。

它也不是在說一定要拆成很多步。未來的模型可以自動管理所有相依關係，甚至一次做完更有效。本律不保證多拆幾步更好，它只檢查局部通過與整體通過之間有沒有落差。

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

一個從資料到報告的小流程，三個模組：

read_lengths() 回傳三根樣本的長度，docstring 寫「單位：公分」。average(xs) 回算術平均。report(mean_m) 把平均格式化成「平均長度 X 公尺」，docstring 寫「mean_m：單位公尺」。

各自都對。各自的單元測試都過。組起來：report(average(read_lengths()))，輸出「平均長度 152.50 公尺」。錯了一百倍。

三種檢查方式，程式碼相同，差在陪同的東西：

問題固定：最終報告對不對。輸出一行，「正確」或「有錯：一句說明」。

模型是 Claude Haiku 4.5，每條件四次，共十二次。

量什麼

有沒有說有錯，理由有沒有提到單位。程式判。

事先寫下的預期

S 是檢驗點。陪同的證據是「各模組測試皆通過」。如果 S 說「正確」的次數比 W 和 I 多，就示範了局部通過誤導整體判斷。

也事先寫了：三條件都 4 次全抓到，本律成立但落差未被示範，如實報告。單位錯接在 docstring 裡明寫，屬於容易案例。

材料、判準、預期，在第一次呼叫之前提交進版本控制。

結果

十二次全部指出公分接到公尺，多數還算出正確值 1.53 公尺。

落在事先寫的「未被示範」。

測試全過，還是被抓到

S 組是我最想看的。四條 PASSED 擺在眼前，每個模組都被證明是對的。模型四次都沒有因此說整體正確。

它看的不是測試。它看的是 docstring：一個說公分，一個說公尺，中間沒有換算。這個資訊在程式碼裡，不在測試裡。測試只證明每個模組自己對，沒有一條測試碰到模組之間的那條線。

所以今晚的結果是：當介面的規格寫在看得到的地方，「各自通過」沒有騙到人。

真正的整合錯誤長什麼樣

得說清楚為什麼今晚太容易。

真實的整合錯誤，單位通常不在 docstring 裡。read_lengths 就叫 read_lengths，寫它的人心裡知道是公分，沒寫。report 的作者心裡想的是公尺，也沒寫。兩個人各自的測試都過，因為各自的測試用的是各自心裡的單位。錯接發生在兩個腦袋之間，程式碼上沒有痕跡。

那種情況下，S 組會不會還是 4/4，我不知道。本次沒測。本律描述的落差，要在那種情況下才會出現。

三件這次不能往外推的事

第一，一個流程、一種錯誤、每條件四次。

第二，單位明寫。 隱含單位未測。

第三，沒比較分解和一次完成的產出。 只比較檢查方式。

這條律怎麼被推翻

這條律是關於充分條件的陳述。一個反例就夠：找到一組子任務，各自正確、介面不相容、整體卻對。今晚的介面不相容，整體就錯了，沒有反例。

另一條路：如果 S 出現「正確」，示範了局部通過誤導整體。今晚零次。

下一次組合模組時多做的一件事

替每條線寫一行。

不是替每個模組，是替每條連接。A 交給 B 的是什麼，單位是什麼，範圍是什麼。今晚 I 組那張介面表就是這個東西。它沒有讓 I 組比 S 組好，因為 docstring 已經把單位寫了。但 docstring 沒寫的那天，那張表是唯一會有的地方。

紀錄表這次加的是一欄：「每條線的單位」。

本文的協作紀錄是：三個模組、三份提示詞、判定程式與預期在任何一次呼叫之前提交，之後未修改；十二次輸出逐字保留，判定由程式執行；一次輸出帶有 subagent 洩漏的署名行，逐字保留。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 AI 說「完成了」，外面的世界真的改變了嗎。