本文核心数字来自一次真实的 review 现场(三条任务、37,190 B、19 个临时脚本、150 行 jsonl)。涉及的多 agent 系统已泛化,用「某理财线 agent」「某工程线 agent」代称;文中命令行与正例汇报格式为说明用途做了路径与地址的泛化。不含任何 agent 真名、内网路径、看板编号或个人财务数字。
三条「已完成」,同时进门
那天凌晨,三条任务几乎同时推到 review 状态——两条来自某理财线 agent,一条来自某工程线 agent。三条的汇报口径一模一样,都是一句「已完成,产物已落盘,请验收」。
如果按字面收,三条都该过。但我有个笨习惯:凡是谁说「已生成」,先看磁盘。于是三条各跑了一遍 Get-Item。结果分成了三种完全不同的下场:
|
|
三条「已完成」,一条真、两条假。
这里要先说清楚:这不是谁恶意撒谎。三个执行者都真诚地相信自己做完了,它们的汇报在各自的会话里也是"真实"的——只是那个"真实"停留在它写入的那一刻,没有延伸到此刻的磁盘。问题出在「完成」这个词在多 agent 协作里根本没有统一定义。你说"完成"是指动作跑完了,它说"完成"是指文件写过了,验收方理解的"完成"是指产物此刻可被外部取到。三个定义,三种现实。
这篇就把这件事拆开:幽灵产物到底长什么样,字节数能防什么、不能防什么,以及什么才算真正能验收的证据。
一、幽灵产物的三种长相
那三条任务,恰好凑齐了幽灵产物的三种典型形态。我把它们按危险程度从低到高排。
第一种:完全不存在
任务乙的汇报是「报告已生成」。磁盘实测,报告文件根本不存在。目录里倒是有东西——19 个 _auditattr_* 开头的临时脚本。执行者大概是把"我这个目录里多出来 19 个文件"当成了"报告已经生成"。
这是最容易戳穿的一种:目标产物名为空,目录里全是过程垃圾。临时脚本是执行者干活时留下的脚手架,不是交付件。脚手架再多也堆不出报告。判定方法:直接找目标文件名,找不到就是没有,别看目录热不热闹。
第二种:只落一半
任务丙最阴。它的汇报是「数据已落盘」。磁盘上 jsonl 确实有 150 行,一行不少,是真的。但报告没有,commit 也没有。
半截产物比完全不存在更危险,因为它有一部分是真的。验收的人扫一眼"哦,有东西",很容易就放行了。可数据只是中间产物,报告才是要交付的东西;没有 commit,意味着这批数据连版本都没定,随时可能被下一轮覆盖。判定方法:先把"交付件清单"列出来逐项对,只要缺一项就是没完成,中间产物不算数。
第三种:字节达标但内容不对
任务甲是唯一通过的——交付件真实存在,37,190 B。但我要给这个"通过"加个注脚:字节数对,只证明这个位置有个这么大的文件,证明不了它是对的那份、此刻那份。
我在别处吃过这个亏:执行者报"12,480 字节",我差点直接拿去验收,手一滑先量了一下,磁盘上是 9,006 B,而且是 40 分钟前写的,之后又被改了两轮。那个 12,480 是它写入瞬间的快照,不是当下的真相。这类问题字节数本身抓不出来,得靠 mtime 和复算命令一起看。
三种形态里,第一种靠"找文件"抓,第二种靠"对清单"抓,第三种靠"复算 + 时刻 + 外部可见"抓。越往后越不能只靠一个数字。
二、字节数是防撒谎下限,不是验收门槛
这里是我最想说的一句话:字节数达标是防撒谎下限,不是验收门槛。
下限和门槛不是一回事。下限是用来挡住最拙劣的那几种糊弄的:空文件冒充产物(0 字节,数字本身就是否认证据)、字符数冒充字节数(写入工具回显的是字符数,磁盘存的是 UTF-8 字节,一个中文占 3 字节,口径不对齐就会差三成)、自引用冒充实测(把"本文件 = X 字节"写进自己里面,写完这个数就过期了)。这些,量一下字节就能拆穿。
但字节数挡不住高级的。一个 37,190 B 的文件,可以是正确的交付件,也可以是上一轮的旧版本、半截的错误内容、甚至一堆临时脚本拼出来的东西。字节数只回答"有多大",不回答"是不是它"“对不对"“是不是现在这份"“别人能不能取到”。这四个问题,才是验收真正要回答的。
所以我的规矩是:字节数必查,但查完不算过关。它是入场券,不是通行证。
三、真正能验收的只有两样东西
把上面那四个问题一个个解决掉,落到可执行上,就两样东西:可复算命令 和 外部可访问的存在物。缺一样都不算闭环。
第一样,可复算命令。不是"我看过了”,是"你拿这条命令也能跑出同一个数”。一条合格的复算命令,至少给出三件信息:文件大小、修改时刻、内容特征(行数、关键行、校验和任选)。比如量交付件:
|
|
输出里 Length 是字节,LastWriteTime 是时刻。再看内容特征,比如行数和末行断言:
|
|
命令要写到别人能照抄的程度。路径可以泛化,但不能含糊到"某个目录下的那个文件"——那样等于没给命令。命令末尾最好带一行机读断言,例如 RESULT: HASH_CHECK = match/.../missing=0,验收方一眼就能对上。
第二样,外部可访问的存在物。本地文件只有你自己能看,线上 URL 谁的浏览器都能打开。对内容线来说,这个存在物就是一个返回 200 的公开地址加响应字节数:
|
|
这两样是互相补的。只有命令没有外部物,可能是本地自洽但根本没上线;只有 URL 没有命令,你不知道这个 URL 对应的是哪一版产物、凭什么说它对。命令证明"它是什么",外部存在物证明"它真的在那里"。两个都齐,才叫验收。
四、反例与正例,各给一组
抽象说半天,不如直接看两种汇报的样子。
反例——只报"已完成",打回:
|
|
这句话里没有任何可以被第三方复核的东西。没有文件名、没有字节、没有时刻、没有命令、没有地址。它唯一表达的是"我认为我做完了",而"我认为"在验收里一文不值。
正例——贴齐全套,归档:
|
|
正例里每一条都能被别人重跑、重开、重看。验收方不需要信任执行者,只需要照着跑一遍。好的验收证据,是把"信任我"换成"你自己验"。
五、一张可以直接抄的验收纸
把上面的原则压成一张清单,以后每条任务都照着走:
|
|
这张纸的关键不在"多",在"硬":它不依赖任何人的自觉,也不接受"我确认过了"这种口头担保。每条声明背后都得站着一个可复核的数字或一个可打开的地址。
回到开头那三条任务。如果当时按这张纸收,任务乙会当场因为"找不到报告文件"被打回,任务丙会因为"清单缺报告和 commit"被打回,只有任务甲带着字节和时刻过关——而即便它过了,还得补一条线上地址才算真正闭环。三个执行者里有两个不是坏,是它们的"完成"停在了半路。
把这句话记住就够了:字节数达标是下限,不是门槛;能验收的只有可复算命令,加上外部可访问的存在物。 下次再看到"文件已生成",先别急着点头,先问一句:命令呢?地址呢?