昨天讓 Claude Code 按照 Task Plan 完成文章搜尋功能，最後執行完整 Test，結果是 24 passed, 0 failed。

看到所有 Test 都通過後，我開始思考另一個問題：

Test 全部通過，就代表這個功能真的完成了嗎？

其實不一定。

因為 Test 只能確認「我們有寫進去的測試案例」是否符合預期。如果一開始就漏掉某個需求，或根本沒有針對某個情況建立 Test，那麼即使所有 Test 都通過，也不代表功能一定完整。

所以今天我想測試 AI Self-Check。

這次我沒有直接讓 Claude Code 修改程式，而是讓它重新檢查昨天完成的功能，並且對照原本的需求與 Task Plan。

我給它的指令是：

請重新檢查剛才完成的文章搜尋功能。

請對照原本的需求與 Task Plan，確認：

1. 每一個 Task 是否都已完成
2. 新增的 Test 是否全部通過
3. 原本的 Test 是否仍然通過
4. 是否有漏掉的需求
5. 是否有修改到與這次任務無關的程式碼

如果發現任何問題，
請列出問題與原因。

先不要修改程式碼。

這次我特別加上「先不要修改程式碼」，因為我想觀察的是 Claude Code 能不能自己找出問題，而不是發現問題後直接幫我修掉。

這也讓我發現，Test 和 Self-Check 其實是在檢查不同的事情。

昨天的 Test 比較像是在確認：

「這段程式的行為是不是符合預期？」

今天的 Self-Check 則是在確認：

「我是不是有把原本要求的事情全部完成？」

例如這次的文章搜尋功能，原本的需求包含搜尋 title、搜尋 content、不分大小寫，以及沒有 keyword 時維持原本的行為。

假設我只實作了 title 搜尋，但 Test 剛好沒有測試 content，那麼 Test 仍然有可能全部通過。

所以：

Test 通過 ≠ 需求一定完整。

這也是我這幾天實驗後開始感受到的差別。

如果 AI 只是寫完 Code，然後看到 Test 通過就直接回報「完成」，它比較像是一個執行工具。

但如果 AI 能夠在完成工作後，再回頭查看自己的修改，重新對照需求、Task Plan、Test 結果，確認有沒有遺漏，這就更接近我前面研究的 Agent。

我也開始把「完成一個任務」這件事情重新定義。

不是：

Code 寫完 = 完成

也不是：

Test 通過 = 完成

而是需要同時確認：

需求有完成
+
Test 有通過
+
沒有遺漏需求
+
沒有產生不必要的修改

這讓我覺得 Self-Check 是 AI 開發工作流中很重要的一個環節。

因為人寫 Code 時也不可能只確認「程式有沒有報錯」，還需要回頭確認自己是不是做對事情。

如果 AI 未來可以自己完成「執行 → 測試 → 檢查 → 發現問題 → 修正 → 再驗證」這一整套循環，那它就不只是幫我寫 Code，而是真的開始具備一個能夠完成任務的工作流程。

而這也讓我開始思考下一個問題：

如果 AI 發現問題，是不是每一件事情都應該讓它自己決定？

有些程式修改可能可以直接讓 AI 處理，但如果涉及資料庫結構、API 設計或重要架構，就可能需要人先確認。

所以接下來，我想研究的不是「AI 能不能自己做」，而是：

什麼事情可以讓 AI 自己決定，什麼事情需要人來確認？
明天研究主題:Human-in-the-Loop：哪些事情該讓 AI 自己決定？