大家好，我是Zack。

先说今天早上刚发生的一件事。

我的发帖脚本跑完，日志连着三次报 POSTED_OK: false。意思是三条推文都没发出去。

脚本自己也信了，直接打印一行：第 3 条发送失败，中止队列，不继续发。

要是就这么算了，今天的活等于白干，还得重发一遍。

但我去 X 上搜了一下，三条全在。06:30、06:31、06:33，一条不少。

日志错了三次，行为对了三次。

今天就聊聊这个话题：AI 说「做完了」，你怎么知道它真做完了？尤其你根本不会看代码的时候。

先说老办法为什么坑人

大多数人验收 AI 干的活，靠两样东西：AI 的汇报，和日志。

AI 的汇报长这样：「已完成！功能全部实现」。它自己说自己行，跟商家自己给自己打五星一个道理。

日志呢，是程序运行时吐出来的记录。POSTED_OK: false 就是一个返回值——程序跑完告诉外界的一句「结果汇报」。

问题在哪？这个返回值是代码算出来的。

今天那个脚本的判断逻辑是：发完帖看页面地址有没有停在原地。而 X 发帖成功后会跳回首页，地址一变，它就判 false。

判断逻辑写错了，返回值就是错的。而且错得很自信，三次全错，一条没漏。

信日志的下场是什么？两条路：要么重发三条重复帖，要么像今天这样直接中止队列不跑了。实际活全干完了，白报一场错误。

所以记住一句话：日志是代码写的，代码会错；行为是真实世界的结果，不会。

我现在的验收法：三步，全是看行为

第一步：验收标准提前写进需求

别等它做完再想怎么验，下需求时就加一句：

做完别停，开页面演示。按钮点一遍，
填一条真实数据给我看结果。

这句的作用是让它自己先演一遍。演示翻车，它自己就返工了，轮不到你发现。

这步省的时间最多：以前是你发现问题→描述问题→它返工，一来一回半小时。现在是它自己演自己修，你只看最后一场演示。

第二步：填真实数据，不用假数据

演示的时候，别让它用 test、123、aaa 这种假数据。拿你自己真实场景里的数据填。

为什么？假数据哪都能过。

我见过表单用「test」提交一切正常，换成真名字带个空格就报错的。假数据永远验不出这种坑。

具体操作：让它当场填一条你明天真的会用的数据，然后你拿这个结果跟你手工做一遍的对照。对得上，才算过。对不上，当场打回。

第三步：只认你亲眼看到的，不认它说的

它说「按钮都能点」，不算数，你要自己点一遍。

它说「数据已保存」，不算数，你刷新一下页面，看数据还在不在。

今天那三条推文，我最后认的是搜索结果页里能看到帖子原文——这叫行为验证。脚本日志说失败，我不认，因为页面上有真东西。

我现在的固定动作已经改成：发一条，验证一条，再发下一条。验证就是去页面上找这条帖子在不在。三条全找到，才算真发完。今天这套流程跑下来，零重试，一分钟都没浪费在「以为失败」上。

前后对比

误判率 100% 的日志，和 100% 准的行为，你选哪个？

什么情况这招不够用

行为验收能证明「你试过的这条路是通的」，证明不了「所有路都通」。两类场景要加东西：

一是量大。10 个页面挨个点一遍还行，100 个就不现实了。这时候让 AI 写一个自动检查脚本，把点按钮的活交给脚本跑。注意，你还是要用行为验收——验那个检查脚本本身跑出来的结果对不对。

二是涉及钱和删数据的操作。光演示不够，先在测试环境跑一遍，或者动手前先备份。这类操作返工的代价不是时间，是真金白银。

两条能带走的

一，你不需要看懂代码，你需要看得懂行为。按钮、数据、页面，这些东西你天天都在用，它们就是你的验收工具。

二，验收标准提前写进需求，比做完再验省一半时间。它自己先演，翻车它自己修，你的时间只花在最终确认上。

你最近一次被 AI 的「已完成」坑过是什么情况？评论区聊聊，看看大家踩的坑是不是同一个。