Part 5｜第 26／30 篇
今日要做的事： 把 Day 24 的 64 列收成 A／B1／B2／C 四欄，看 Hard 16/16 和完整性 0.071 能不能算同一件事。
今天要解決的目的： 分清這次領先來自控制邊界，還是來自七日生活資料。後者我們幾乎沒有。

C 的 Hard 是 16/16。同一欄旁邊，完整性是 0.071。

0.071 不是模型只聽懂 7.1%。它是既定公式：當天有冰箱和時間預算，得 0.5，再乘覆蓋率 1/7。七日紀錄只有題目當天這一筆。

所以我今天想問的比較小：硬限制都守住了，就能說這套 Agent 夠了解這個人嗎？

今日任務卡

1. 記分板，分母照舊

回答 ask 的列，Time、Budget、Leftover、Chain、Equipment 是空的，不進分母，也不當成 0。

A 有 9 題追問，Time、Leftover、Equipment、Budget 的分母都是 7。C 的 G16 是追問，這四欄的分母都是 15。Chain 只有 G06 冰箱裡有剩咖哩；A 那題追問，分母是 0，寫 N/A。Balance 四欄都是空的，這 16 題沒有餐點標籤。

解析 64 列全部成功。A 的 Leftover 是 2/7，比例看起來高過 B1 的 3/16，只因為少了那 9 題追問。這兩格不能直接比百分比。

2. Hard 全過，不全是模型忽然變乖

四法用的是同一個 gemini-3.5-flash。差在看得到什麼，以及不合法的菜還在不在清單上。

A 只有那一句和 15 道菜單。B1 多了十秒看到的名字。B2 多了當天冰箱 JSON，仍沒有時間、預算、設備和過敏限制。C 有同一份 JSON，也有這些限制。候選先過設備、過敏、時間、預算；避開甲殼類時，貝類也不進名單。過敏種類沒講清楚，C 要回答 ask。

G01 的問句沒說朋友對蝦過敏。B1 和 B2 選了蒜香義大利麵。C 的清單裡沒有蝦、也沒有蛤蜊，它只能在剩下的菜裡選，結果是蒜辣透抽義大利麵。G04 只剩微波爐，這句話沒寫在問題裡。A、B1、B2 的 Hard 在這兩題裡是 1/2，C 是 2/2，兩題都是微波丼。過敏三題 G01、G02、G16，C 是 3/3，A 是 0/3，B1 和 B2 是 1/3。

這些格子說明控制邊界有在做事：模型碰不到已經被拿掉的選項。它沒有說明「多看一份 JSON」和「先過濾再生成」各自貢獻多少。這次比的是四種資訊加上控制流程的配置，沒有把 Context 和 Rule Engine 拆開各跑一輪。C 的 16/16 不能整筆記到 Gemini 頭上。

3. 沒贏的地方，分母都很薄

完整性 C 是 0.071，高過 A 的 0，低過 B1 的 0.15 和 B2 的 0.30。B2 高，是因為單日冰箱 JSON 在公式裡可以算到 0.30，而且沒有再乘 1/7。C 乘了。七日生活資料只剩題目當天，這張表沒有辦法驗證「連續記錄會不會讓下一餐更好」。LifeFlow 那個承諾，這次還沒被測到。

Time 只要交了菜就是全過：A 7/7，B1 和 B2 16/16，C 15/15。四法分不出高下。Chain 只有 G06 一題，B2 和 C 是 1/1，B1 是 0/1。一題可以記，不能拿來講跨天鏈接已經穩定。

Leftover 總數 C 是 10/15，看起來領先。拆開就沒有那麼整齊。15 分的 G03、G11，四法都是 0，過得了時間的菜用不到只剩 3 天的青江菜和袖珍菇。微波爐兩題 C 是 0/2，微波丼用的是還能放 12 天的蛋。B2 在 G04 選了要開火的透抽麵，Hard 沒過，倒是碰到青江菜，所以這兩題 B2 是 1/2。快過期的 G07、G10，C 是 2/2，那是另一組題，不能拿來蓋過前面這兩組。

G05 點名歐姆蛋咖哩。A、B1、B2 都選了那道，Hard 過，Budget 沒過，採購 7 點，上限 4。C 的候選裡沒有這道，交的是蝦仁豆腐花椰菜蒸蛋，Hard 和 Budget 過。合規，點名的菜不在答案裡。沒有人試吃，我不會寫使用者因此不高興。只能說：守住預算，和交出對方剛剛講的那道菜，這次不是同一件事。

Balance 沒有列。偏油、連續外食，記分板上是空的。

4. 合規、看過冰箱、願意天天開，是三件事

這 64 列支持的範圍不大。同一個模型，在 C 這組配置裡比較少踩到硬限制。原因裡同時有兩樣東西：它看得到別人沒有的限制，而且不合法的菜在生成前就離開清單。兩樣綁在一起，我拆不開誰的功勞比較大。

它不支持的也很清楚。合規不是資料完整。0.071 就是覆蓋率把當天那一筆稀釋之後的數字，不是理解力分數，也不是長期 LifeFlow 已經生效。合規也不是滿意度。G05 那種改推薦，評分器算過，人會不會覺得被敷衍，這份考卷沒問。Rule Engine 能把候選縮小，它不會把缺的六天吃飯紀錄補出來。

所以我把結案寫成 mixed。Hard、Leftover 的總數、Chain 那一題，C 沒有落後；Chain 和 B2 並列，而且只有一題。完整性低於 B1 和 B2。Time 全過。Balance 沒有資料。這份 Benchmark 還沒有證明 C 連續用下去會比較好。

5. 今日結論

Hard 16/16 代表這次的過濾有把不合法的菜擋在模型外面。完整性 0.071 代表七日資料只剩當天。兩格都是真的，放在一起還不能叫做了解這個人。

下一篇： 工程測驗過了以後，還要看人願不願意每天打開它。操作如果很煩，16/16 會停在考卷上。

附錄：這張表怎麼加總

通過數 / 有資料的列數
空值留 N/A，不進分母
完整性沿用 Day 24：A 0、B1 0.15、B2 0.30、C 0.5×1/7
scorer_version: scorer-1
來源: Day 24 out/rows.json，64 列