指标与验收标准

上一章讨论希望实现什么、准备做什么，以及工作以后发生了什么。这一章继续往前走：当小叶把任务交给同学、AI 或一组工具以后，怎样判断事情做到了哪一步，怎样知道收到的成果是否可以接受？

本章的人物、活动、人数、时间和检查结果均为原创教学设定。不同场景中的小叶用于帮助理解，不要求把所有案例拼成同一段经历。具体比例与门槛只服务于案例，不能直接作为其他项目的通用标准。

一、一百张卡片交回来了，应该算完成吗

小叶正在为校园开放日整理活动信息。他希望第一次来学校的人能够找到适合自己的活动，知道何时到哪里、是否需要报名。组织方提供了活动资料，小叶请 AI 将其整理成一百张卡片，放进一个可以在手机上查看的页面。

每张卡片包含五项信息：活动名称、适用对象、地点、时段、报名方式。AI 很快交回文件，告诉他：“一百项已全部完成，信息完整，排版清晰。”页面也确实能打开，卡片数量正好一百。

小叶抽看几张，感觉不错。不过，当他逐条对照组织方确认的资料时，发现其中六张卡片地点写错，另外四张时段写错。十处错误分别落在十张不同的卡片上；其余字段都符合本轮资料。这意味着，有人可能看着一张格式完整的卡片，走向错误的地点，或在活动结束以后才到场。

小叶又找来第一次接触页面的同学，安排二十次独立查找任务。任务有明确的对象和问题，例如替一位只能下午到校的来访者，找到能够参加的摄影体验，并说清时间、地点和报名要求。最终十五次顺利完成，五次没有在约定条件内得到完整、正确的答案。

现在可以写出好几种看上去都像“完成率”的数字：一百张卡片都已生成，是百分之百；五百个字段有四百九十个符合资料，是百分之九十八；一百张卡片有九十张五项全部符合，是百分之九十；二十次查找任务成功十五次，是百分之七十五。

这些数字并没有谁在算术上撒谎。问题在于，它们回答的不是同一个问题。生成了多少、字段是否符合依据、整张卡片有没有错误、读者能否顺利办成事情，是几个相互关联而又不相同的观察角度。

如果小叶只告诉 AI“完成一百张”，它交回一百张便满足了最容易识别的条件。若小叶真正关心的是来访者能否使用，就需要进一步说明：哪些信息必须有依据，什么情况需要停下来确认，页面需要支持怎样的查找，交付时要提供哪些检查结果。

这不是要求一个普通活动先建立庞大的管理制度。它只是把“我觉得应该差不多了”变成大家可以共同理解的判断依据。任务越容易批量生成，这一步就越有价值，因为数量增加的速度，可能快于人发现问题的速度。

二、把指标、观察值和验收标准放回各自的位置

1. 指标告诉我们看什么

指标是为了判断工作状态而选择的观察量或观察维度。例如，“五项信息全部符合确认资料的卡片比例”，就把注意力放在整张卡片的信息质量上。“首次使用者完成查找任务的比例”，则把注意力放在使用过程上。

同一件事可以有多个指标。生成卡片的数量没有因此失去意义：小叶需要知道还剩多少活动没整理，数量可以帮助安排后续工作。但当它被拿来证明全部内容已经可以发布时，就承担了自己无法承担的作用。

我们不必为“指标”“度量”“测量值”等词建立一道严格的学科围墙。本章的实用区分是：先说清观察什么，再说具体看到了什么，最后说明据此如何决定。这样即使团队使用的术语稍有差别，也能避免混淆。

2. 观察值是某次检查实际得到的结果

“整张卡片全部符合资料的比例”是指标，“本轮检查为九十张除以一百张，即百分之九十”是观察值。后者离不开具体对象和检查时点。

如果小叶后来修正了十张卡片，旧观察值仍然描述修正前的那一版。不能因为文件名还是同一个，就把旧检查结果自动贴给新内容；也不能因为新内容已经修改，就把过去的记录改成一直没有出过错。

保留这些区别很有实际用途。以后再出现问题，小叶可以追溯究竟是首次生成时就有误，还是资料更新以后页面没有跟着改。不同原因需要不同处理方法。

3. 目标值表达我们希望达到什么水平

如果小叶提前提出“二十次查找任务至少成功十八次”，十八次或百分之九十就是本轮目标值。它和实际得到的十五次不同，也和衡量成功的具体方式不同。

为什么是十八次？需要结合使用场景、当前能力、失败影响、可投入的改进时间来解释。本章可以给定这个教学目标，但读者不应把百分之九十当成由管理学自动推出的答案。若另外一个任务直接影响重要的提交时间，或者失败后有很容易使用的人工帮助，适合的要求可能不同。

4. 验收标准告诉我们怎样作出接收决定

验收标准通常包含具体要求与检查方法。有的要求可以用一个比例表达，有的需要明确的事实判断，例如“所有活动的地点和时段已对照本轮确认资料，已发现的错误全部修正并复核”。

对开放日页面，小叶可以把这一条设成发布前必须满足的条件，再把查找任务的表现作为判断页面是否需要继续调整的依据。页面外观是否整齐也可以检查，但它不能抵消地点错误。

因此，验收不总是把全部项目相加得到一个分数。它可能先检查几项必须成立的条件，再对可以取舍的方面作出判断。接受某一批内容、要求修正、只接收其中已经确认的部分，都是可以清楚表达的结果。

管理学中，建立标准、取得实际表现并进行比较，是绩效评价的基本关系。可参看 OpenStax 对绩效衡量与评价的介绍。本章在此基础上讨论学生与 AI 协作中的具体做法。

三、一个“准确率”，需要把哪些意思说明白

1. 先确定检查的对象是什么

“准确率达到百分之九十八”听起来很清楚，实际可能仍然不够清楚。它是在说字段、卡片、回答次数，还是一组用户任务？如果对象不同，分子与分母就不同。

在本章开头，五百个字段中只有十个错误，所以字段符合比例是：

但十个错误分散在十张卡片上，一百张里只有九十张没有任何字段错误，所以整张卡片全部符合的比例是：

两者都算得对，第二个更接近“读者拿到一张卡片时，会不会遇到已知的信息错误”这个问题。它仍然没有直接告诉我们读者使用时的成功概率，因为不同卡片被查看的频次可能不同。

再另设一种同样包含十个错误字段的情景：错误集中在两张卡片上，每张五项都错。此时，字段符合比例仍为百分之九十八，整张卡片全部符合的比例却变为百分之九十八。这说明，不知道错误分布，就不能仅凭字段比例推出有多少张卡片可以放心使用。

这个例子不是要求所有项目都按最细单位统计，而是让小叶知道：一个漂亮的汇总数，可能隐藏不同的实际处境。检查单位应当与当前判断的问题相接。

2. “符合”必须有比较依据

对活动地点而言，“读起来合理”“这个楼名确实存在”，都不是足够的依据。卡片需要与这项活动的确认地点一致。对适用对象而言，写得热情也不代表符合要求；如果活动只开放给已经报名的来访者，就不能改成所有人都可以直接参加。

这里的准确不是由语气决定，也不是由 AI 在回答末尾写了“已核查”决定。小叶需要知道检查时用的是哪份资料、它适用于哪个日期，以及材料有冲突时采用了什么确认结果。

有些信息暂时查不到。这时应把它记录为待确认，不能因为没有发现反例就算作已经符合。与此同时，待确认也不一定等于已经错误。这两个状态对后续行动的要求不同：前者需要取得依据，后者需要修正内容。

3. 完整与正确可以分别检查

一张卡片的五个字段都不为空，可以说结构完整；如果地点填错，它仍然不是信息正确的卡片。反过来，已经写出的四项可能全部有依据，但缺少报名要求，读者仍可能无法决定下一步怎么办。

如果任务允许某些活动不需要报名，可以明确写“本活动无需报名”，而不是把空白一律解释成不需要报名。字段的有无和字段表达的状态，就不容易被混在一起。

对 AI 的要求也应对应这种区分。它可以先检查缺项，再逐项整理依据，最后列出仍不能确认的信息。单纯让它“再检查一遍质量”，可能得到另一个很流畅的总评价，却没有足够线索告诉小叶哪里需要处理。

4. 时间范围和版本也是定义的一部分

开放日开始前，活动地点可能调整。周三依据已确认安排写对的卡片，周五可能已经过时。小叶需要说明本轮接收的是“截至周五下午三点确认资料的版本”，并把三点以后发生的变更另行记录。

这并不保证三点以后世界不再变化，而是让大家知道这次检查覆盖到哪里。没有这个边界，合作双方可能一方认为自己按最新材料完成，另一方却拿更晚收到的通知指出未达标，争论很难找到共同起点。

四、分母里的那几个人，会怎样改变判断

1. 改变工作坊的记录条件，看看分母的作用

上一章，小叶组织三十人参加工作坊，希望至少二十四人能够处理一份新名单、解释去重依据并核对汇总结果；三十人都留到最后，观察到十八人达标。现在另设一场规模与目标相同的工作坊，改变记录条件，用来考察缺失信息会怎样影响判断。

在这场另设的工作坊中，十八人提交的结果符合要求，六人已经提交但还没有达到要求，另六人提前离开，没有提交本轮检查材料。于是，收到材料的二十四人中，有十八人达标。

如果小叶写“提交者达标比例为十八除以二十四，即百分之七十五”，这是一个正确而有明确范围的观察。如果他把它写成“全体参与者已有百分之七十五达标”，就改变了它的含义。

对最初的三十人，目前有证据确认达标的是十八人，比例为百分之六十。那六位没有提交的人尚未确定，不能直接算作已经学会，也不能在讨论真实学习状态时一律宣布他们没有学会。

最初目标是有证据支持至少二十四人达到条件。当前的十八份达标结果尚不足以确认这个目标实现了。小叶需要进一步取得缺失记录，或者继续提供支持，而不是通过删除六个人，把目标变成只讨论已经提交的人。

2. 不知道，不等于可以忽略

仅根据现有记录，三十人中真实达标人数可能从十八人到二十四人：下限是假设六位未提交者都没有达标，上限是假设他们全部达标。对应比例是百分之六十到百分之八十。

这只是由已知状态给出的可能范围，不是统计学上的置信区间，也不是说各种情况同样可能。我们没有得到足够的信息去分配这些情况的概率。

小叶真正有用的下一步，是了解为什么缺失。有人可能临时离场但已经掌握方法，有人可能因为不会做而没有提交。如果未提交者中不会做的人较多，只看提交者，就可能高估全体参与者的学习表现。原因需要了解，不能凭喜欢的解释补上。

同样的道理适用于 AI 帮忙处理的问卷、报名记录、作业反馈。遇到缺失值时，先明确缺的是什么、影响哪个判断，再决定是否需要补充。没有必要每次都做复杂统计，但不能让缺失悄悄从报告里消失。

3. 次数、人数和任务数要分别看

假设一个报名页面有十位同学各尝试一次，其中两位失败后各重试一次并成功。最终十个人都完成了报名，系统一共记录十二次尝试，其中十次完成。

按人计算，最终完成比例是十除以十，百分之百；按尝试计算，每次尝试的完成比例是十除以十二，约百分之八十三点三。前者告诉我们最后有没有办成，后者还暴露了过程中发生的失败。

如果小叶要判断有多少人需要后续帮助，人数口径更直接；如果他要定位页面是否容易失败，尝试记录也很有用。两者不应互相冒充，更不能拿这一周的人数比例去和上一周的尝试比例比较。

英国政府服务手册在讲完成率时，特别要求说明事务的开始与结束，并把中途放弃、失败等情况纳入相应分母。这里借用的是明确范围的思路，而不是要求校园项目照搬政府服务的具体规则。完成率衡量说明

五、比例很好看，为什么仍然不能接收

1. 有些缺陷不能靠其他优点抵消

小叶为开放日页面拟了一个评分表：信息质量占一半，易用程度占四分之一，视觉呈现占四分之一。某个版本的信息质量得八十分，另外两项都得一百分，加权以后是九十分。

如果团队只规定总分达到九十分就接受，这个版本便可以通过。但假如它的信息扣分恰好来自地点和时段错误，页面再漂亮也无法把来访者带到正确的活动现场。

这不说明加权评分一概没有价值。问题在于，小叶把一个“不应通过其他表现抵消”的条件，放进了允许相互补偿的算式。在评分之前，应先识别这类条件。

他可以先要求本轮已知地点、时段错误全部修正并复核；满足以后，再比较两种页面在查找便利、视觉层次和维护成本上的取舍。这样的顺序更符合任务实际需要。

2. 同样一次错误，影响可能差别很大

一张卡片的标题少了一个不影响理解的修饰词，和把下午两点写成上午十点，不能仅因为各占一个字段就认定影响相同。

指标可以先帮助发现问题，接下来的处理仍需要认识问题的后果。小叶可以区分会使来访者做错行动的信息问题、会明显阻碍理解的问题，以及不影响当前使用的小瑕疵。类别不用很多，只要能帮助安排修正顺序。

这里也不能反过来把所有事情都划为严重问题。若任何标点、间距和措辞偏好都拥有同样的阻断作用，工作便可能一直无法交付。重要程度需要由具体使用场景解释，而不是由检查者当时的情绪决定。

3. 最低要求与继续改进的方向可以同时存在

对一次校内活动，一个页面也许已经满足本轮接收条件，但仍有值得改进的地方。例如手机上的标题层级可以更清楚，某些活动的介绍可以更生动。这些改进不必全部挤进发布前的最后一小时。

把它们明确记为后续改进，并不意味着忽略质量，而是承认当前有不同阶段和资源条件。最低要求帮助决定能否进入下一阶段，改进方向帮助决定以后把时间放在哪里。

与此相应，通过验收也不等于它在所有场景里都完美。它表示按照已经说明的用途、范围和检查方法，这一版成果获得接收。这个结论越具体，后续协作越容易保持一致。

六、不容易用数字表示的质量，怎样讲清楚

1. “清楚”“有深度”“有创意”也可以展开讨论

小叶让 AI 写一段活动介绍，提出“简洁、生动、有吸引力”。这几个词表达了方向，却未必足以让双方对同一段文字作出相近的判断。

一个版本可能用了很多形容词，另一个版本可能直接写出参加者可以亲手完成什么。前者读起来热闹，后者更方便来访者决定要不要参加。究竟哪个更好，要回到介绍服务的读者和当前用途。

小叶可以把“有吸引力”展开成几个可讨论的问题：读者能否看出这项活动有什么具体体验？有没有一个与活动内容相符的细节让人产生兴趣？有没有为了显得精彩而许诺材料没有支持的效果？

这些问题不一定要各打二十分。团队可以对着具体文字讨论，给出理由和修改建议。能被检查，不等于必须被压成一个数字。

2. 用具体表现描述质量层次

对于“活动介绍是否足够帮助读者行动”，小叶可以准备这样一组描述：

这里的层次由表现来区分，而不是由“优秀、良好、合格”几个词互相解释。看到不同结果的人，可以指出自己依据了表中的哪一类表现。

这种描述仍然需要判断。例如，什么叫关键条件，要看使用者下一步做什么。只想了解活动氛围的人可能不急于报名，但准备当天下午直接过去的人，需要知道是否接受现场参加。若任务对象不同，描述也应调整。

3. 先一起看几份样例，发现标准里没有说清的地方

假设小叶和一位同学分别评价同一段介绍，小叶认为可以发布，同学认为缺少信息。继续争论“你要求太高”或“你不够认真”，往往解决不了问题。

他们可以把分歧落到具体位置：小叶假定读者已经看过活动总表，同学假定读者只会看到这一张卡片。原来，两人对使用条件的理解不同。若卡片将被单独转发，报名方式便应能从卡片本身或其中的明确入口找到。

共同检查几份样例，可以在批量制作前暴露这种分歧。最好既看一份容易判断的合格样例，也看一份明显有问题的，再讨论一份处于边界的。它们不必组成复杂的标准库，三份实际材料就可能有很大帮助。

4. 稳定的判断与对的问题，缺一不可

如果每次用同一套方法都会把“字数越多”判为“解释越深入”，结果可能相当稳定，却没有真正测到解释质量。反过来，大家都同意应该看读者理解，但检查方式每天变化，也很难比较改进前后的表现。

评价中常用“效度”讨论是否测到了想测的内容，用“信度”讨论在合适的重复条件下结果是否可靠、一致。对小叶而言，先记住这两个问题即可：我们看的是不是关心的东西？同样的材料在相同条件下，会不会因为判断方式含糊而得到完全不同的结果？CDC 的证据收集指南也把评价问题、指标、数据来源和资料质量联系起来讨论。

这并不要求审美和创意变成没有分歧的考试答案。对于合理的审美差异，可以保留不同意见，并说明各自偏向哪一种表达效果。标准的价值是帮助合作，不是抹去判断本身。

七、谁说“已经检查过”，和真正检查了什么

1. 自我报告可以帮助整理，不能独自证明结果

小叶请 AI 自查开放日卡片，它返回了一份很详细的说明：“已检查全部字段，没有发现问题。”这份说明可以作为接下来核对的线索，但如果里面没有对应资料、检查范围和具体发现，小叶仍然不知道它实际比较了什么。

可能的情况包括：AI 检查了是否存在空白字段，检查了文字是否通顺，或者只是根据自己生成的内容再次判断有没有明显矛盾。即使这些检查认真执行，也没有自动完成“对照活动确认资料”的工作。

更有帮助的返回内容，是逐条列出活动编号、对应资料的位置、不能确认的字段和发现的冲突。这样，小叶可以顺着结果去验证，而不必从一句总体评价重新猜测。

2. 检查者需要能够接触判断所需的材料

若地点变更通知只在小叶自己的聊天记录里，负责审查的 AI 没有得到这份通知，它就无法据此发现旧地点已经失效。把审查要求写得再严厉，也不能补上缺失的事实。

同理，如果一个同学负责看手机端排版，却只拿到文字文档，没有看到最终页面，他就无法确认标题是否被遮挡、按钮是否能够点击。验收方法需要与所要判断的性质相匹配。

AI 可以参与结构检查、材料比对、问题归类和检查报告整理。对于具体实现，能够真正读取文件、打开页面或执行程序的工具，还可以提供相应观察。小叶要看的是观察从哪里来，而不只看检查者叫什么。

3. 多一个检查者，价值来自多了什么证据

请第二个 AI 审查，有时能发现第一个遗漏的地方。但如果它拿到同样缺失的资料，又沿用同一种错误假设，两份一致的评价仍可能共同偏离事实。

因此，增加检查者以后，可以问：这次增加了独立的来源比较、不同的操作条件、真实的使用观察，还是只增加了一次对同一段文字的评价？这些不同安排提供的帮助不一样。

对开放日页面，资料核对与新来访者的任务观察互相补充。前者能够检查活动信息是否符合依据，后者能够发现入口难找、措辞含糊等使用问题。两者有交叉，但不能互相替代。

4. 看见失败过程，比只得到一个低分更容易改进

二十次查找任务里有五次没有完成。只有“成功率百分之七十五”，小叶知道尚未达到预期，却不知道该改哪里。

小叶进一步整理本轮的任务记录，发现两次失败是因为活动类别名称与读者习惯不一致，一次是因为报名入口藏在展开区域里，另外两次是因为卡片时间信息错误。有了这些具体记录，下一步就知道从哪里改起。

他可以调整分类名称和入口呈现，修正时间信息，再安排新的任务观察。每一类修正都有对应的问题依据，团队不必把所有页面重新美化一遍。

这里记录的任务完成情况，也只支持这次观察条件下的结论。二十次任务不是所有未来用户的完整代表，更不能凭一次结果证明 AI 已经让全校效率提高了多少。小规模观察仍然有价值，只是它的用途应当与证据范围相称。

八、在不同时间点，看不同层次的信息

1. 提前出现的信号，能帮助我们及时行动

开放日开始以后，来访者有没有顺利找到活动，是较接近实际结果的信息。但如果小叶直到当天结束才第一次发现地点材料还没有确认，已经来不及帮助当时走错路的人。

因此，他在制作过程中也可以看一些提前出现的信号：还有多少活动缺少确认资料，关键字段已经核对到哪里，新来访者是否能够看懂样例卡片。这些信息帮助判断工作是否有条件按时完成。

我们常把对未来表现具有提示作用的观察称为领先指标，把实际结果发生后取得的观察称为滞后指标。名称取决于所讨论的结果和时间关系，不是某个数字天生属于一类。

例如，样例卡片通过检查，对“样例是否合格”已经是结果；相对于“整批页面当天能否支持来访者使用”，又可以是一条提前信号。小叶只需知道它现在帮助预测或判断什么，不必纠结唯一分类。

2. 提前信号需要不断和后续表现对照

如果团队连续几次看到“卡片全部生成”，但每次都还需要很久才能修正并发布，那么生成完成就不适合作为已经接近交付的充分证据。

小叶可以进一步观察从生成到接收通常还卡在哪里。也许不是文字生产慢，而是资料确认不及时；也许卡片信息已经准确，但页面里的活动分类一直让新人困惑。

这与经济学部分的瓶颈讨论相接。指标能帮助把注意力放到限制整体完成的地方。若它只展示最容易增长的数量，就可能让大家忽视那个真正限制交付的环节。

3. 平均数可以有用，也可能漏掉一部分人的经历

考虑另一组独立的页面查找观察：十次任务中，八次各用一分钟，另外两次各用十一分钟，最终全部完成。平均用时是三分钟，中间位置的两次观察都为一分钟，因此中位数是一分钟。

若只说“大家一般一分钟就能找到”，那两次很长的查找过程容易被忽略。若只说“平均三分钟”，也无法知道是人人都在三分钟左右，还是少数任务特别困难。

小叶可以同时说明：十次都完成，八次在三分钟内完成，另外两次各用了十一分钟。这个简单描述就足以提醒他查看哪类问题困难，不一定需要立刻引入复杂分布模型。

测量任务完成与完成时间，是服务使用观察中常见的做法；同时看实际过程，可以帮助解释数字。GOV.UK 对服务效果观察的说明提供了这一基本思路。

4. 生成速度与完整工作耗时分别回答问题

AI 两分钟生成一批文字，小叶又用四十分钟补资料、修内容，再用十八分钟导入和检查页面，那么这次完整工作投入不能直接写成两分钟。

如果三段由小叶顺序处理，且这些时间均按本次占用计，合计是一小时。若生成期间他可以正常做别的事，人的实际投入又可以另行计算。与经济学部分一样，时间指标要说明算的是机器运行、人投入，还是从开始到交付的经过时间。

这不是要掩盖生成速度的提高。两分钟本身可以是有用的观察。只是小叶在判断本周还能承接多少工作时，更需要知道完整交付占用了多少资源。

九、检查方式会怎样改变人和 AI 的工作

1. 被明确要求的部分，通常更容易获得注意

小叶要求同学每人整理二十张卡片，却没有说明是否需要合并重复活动。于是大家自然会优先寻找容易写的条目。一场活动的几个相似介绍，可能被分别整理成多张，卡片数量很快达到目标，实际覆盖的活动却没有增加那么多。

这未必出于恶意。同学可能只是按已被强调的条件完成工作，而小叶在心里默认的“二十项不同活动”没有说清楚。指标的不完整，会让合作中的努力方向出现偏差。

对于 AI，也可以发生类似的结果。如果反复强调“务必达到一百条”，却允许没有依据时自行补全，输出可能更贴近数量和形式要求，却更难满足真实的信息需要。这里不需要假设 AI 有人的计件动机；明确给出的生成要求，本身就会影响它如何组织回答。

2. 数字可以变好，工作却没有实质改善

如果小叶要求“每张卡片必须有三个来源”，AI 可能把同一份活动说明的三个页面都列上。链接数量增加了，却不一定增加了支持地点和时间的有效证据。

如果要求“每次答复必须在三十字以内”，有的答复会很简洁，也可能把必要的报名限制删掉。如果只看“没有投诉”，团队可能把反馈入口放得很难找到，数字下降而实际困惑仍然存在。

这些例子说明，观察量和真正关心的性质之间需要有关系，而且这种关系可能随着工作方式改变。不能因为一个指标原先有用，就认为无论怎样围绕它安排任务，都始终代表同样的质量。

管理控制也可能因为不合理的目标和要求而引导出不合适的行为，可参看OpenStax 对控制要求影响成员行为的讨论。本章的卡片与 AI 情景是原创迁移，不把人类组织中的动机解释直接套成 AI 的心理活动。

3. 处理办法不是不断增加指标数量

发现数量会失真，便增加字数；发现字数会失真，又增加来源数、图片数和段落数，这样很容易得到一个越来越复杂的表，仍然没有接近读者真正需要什么。

小叶可以保留少数有用的观察：不同活动的覆盖情况、关键事实的核对状态，以及代表性使用任务的表现。出现异常时，再回到具体材料和过程里追问。

衡量体系不可能预先穷尽所有情况。让数字和真实样本保持联系，比幻想设计一个永远不会被误解的总分更实际。与此同时，允许成员提出“这个要求正在妨碍任务”的证据，能够帮助及时修正不合适的标准。

4. 示例帮助理解，检查仍要覆盖新的情况

小叶在制作前提供了三张好卡片，帮助 AI 和同学理解风格。这是有用的共同参照。但若最后只检查这三张已经反复修改过的样例，就不能据此推断其他卡片也同样合格。

可以另外挑选具有不同条件的活动：需要预约的、不需要预约的、上午与下午分场的、地点发生过调整的。检查这些情况，是为了了解方法在目标范围内能否使用，不是故意设计与真实任务无关的陷阱。

如果之后为修正问题又使用了这些材料，下一轮扩大范围时还应留意新情况。示例、练习材料和最终观察，各自承担什么作用，小叶应当心里有数。

十、验收也占用资源，怎样安排才合适

1. 检查要配合错误影响和工作规模

如果小叶只需要把一份已经核实的小名单改成表格，快速对照原文和检查总人数，可能已经足够。如果要生成一百张独立活动卡片，且不同来源经常更新，检查范围就需要扩大。

决定检查多少时，可以先看几个具体问题：错误会造成什么后果，哪些地方容易出错，能否在发布前发现，遗漏以后是否容易纠正。它们帮助安排注意力，不要求每次写一份复杂的风险报告。

对地点和时段，小叶可能选择逐项核对；对纯展示性的颜色和间距，可以先看典型页面和不同屏幕条件。选择不同方式应当有理由，不能把不方便检查的地方一概标成已经通过。

2. 抽查没有发现问题，不等于全部没有问题

从一百张卡片中选取十张，全部符合要求，这条记录能够支持“抽到的十张没有发现相关问题”。要把结论扩大到整批，需要进一步考虑如何选取、问题是否集中在某类活动，以及容许的遗漏程度。

如果这十张都是小叶刚刚手工修好的，结果对其他九十张的帮助很有限。如果选取能够覆盖不同资料来源和不同活动条件的卡片，观察可能更有针对性，但仍不等于逐张核对。

概率统计部分会继续展开抽样与不确定性。这里先保留一个管理上的基本做法：在报告里说明实际查了哪些内容、采用什么方法，把已经检查的范围与尚未检查的范围分别写清。

3. 尽早看一小部分，可以减少整批返工

小叶不必等一百张全部完成，再第一次告诉协作者报名方式写得不清楚。他可以在三张覆盖不同情况的样例出来后先讨论，再继续制作。

提前看样例能够发现共同理解的问题；最后看完整交付能够检查这一批实际成果；使用以后再看反馈，能够发现之前没有覆盖到的情景。这些检查发生在不同时间，目的也不同。

如果任务已经很熟悉、输入格式也稳定，就不一定每一小批都需要人工停下来确认。重复设置相同检查点，也会占用双方注意力。检查安排应随着经验和证据调整。

4. 修改标准时，说明是改要求还是改成果

假设开放日临时增加了二十项活动，团队原定范围只有一百项。小叶需要把新增范围、资料取得时间和交付要求一起讨论，不能既坚持原来工期，又把新增内容默认为原来就承诺过。

相反，如果原来一百项中已经有十处地点和时间错误，不能在看到结果后把“关键事实符合资料”偷偷改成“整体看起来差不多”，再宣布已经按原标准完成。

合理调整需要说明发生了什么变化、从哪个版本或时点开始采用新的要求，以及过去的结果仍按什么口径解释。这样既给现实变化留空间，也保留合作双方可以信赖的记录。

十一、把本章知识放进一次完整的任务交代

1. 先让对方理解用途，再说明接收依据

小叶可以把开放日卡片任务这样交代给 AI 或同学：

这批卡片面向第一次来学校的开放日来访者，需要帮助他们选择活动，并知道时间、地点和报名方式。请按已列出的活动编号整理一百项，每项保留活动名称、适用对象、地点、时段、报名方式。使用本轮提供的确认资料；资料缺失或冲突时，列入待确认清单，不自行补成确定事实。

先交三张能够覆盖不同报名和时段情况的样例，方便核对理解，再继续整批制作。交付时附活动编号与依据的对应关系，说明缺项、冲突、已经修正和仍待处理的内容。生成完成与检查完成分别报告。

发布前，地点和时段等影响来访者行动的信息需要完成核对，已发现的错误修正后再复核。页面还需要支持新使用者完成事先说明的查找任务：在三分钟内找到符合给定条件的活动，并正确说出相应时间、地点和报名要求，不由组织者替他指出答案。本轮安排二十次独立任务观察，至少十八次符合条件作为本轮接收要求之一；观察时记录未完成原因。

这里给出了一个具体的三分钟条件，用来补全本章开头提到的约定检查方式。小叶需要在实施之前说明它，而不是看到十五次成功以后临时改出一个条件。三分钟、二十次和十八次都是本教学场景的给定安排，具体项目可以另行确定。

2. 让返回结果支持决定，而不只是宣布好消息

按照开头这一次检查，当前状态可以这样写：一百张初稿已生成；五百个字段均已对照本轮确认资料；九十张卡片五项全部符合，另外十张有地点或时段错误，尚待修正；二十次查找任务十五次达到条件，五次没有达到，已记录原因。

这份说明没有抹去已经完成的工作，也没有用“整体不错”掩盖尚未满足的条件。小叶据此可以安排内容修正和页面调整，并知道本轮还不能按既定标准接收。

同时，不应把九十张信息符合直接写成“九十张已全面通过验收”。这些卡片通过的是本轮字段核对，页面查找任务却尚未达到接收要求。信息核对与使用观察需要分别报告，不能拿其中一项的通过替代另一项。

3. 保留证据，下一步才容易接上

小叶不需要把所有聊天过程复制给下一位协作者。更有用的是保留当前版本、活动编号、依据位置、问题记录与本轮接收决定。下一位同学看到这些内容，就知道从哪里开始修正，哪些事项需要重新确认。

如果只是把“请把页面做得更好”交给另一个 AI，它可能主要调整字体和配色，因为当前没有足够信息告诉它真正的问题。清楚的验收记录，也是在向后续工作传递上下文。

当修正完成，再核对受影响的内容，并考虑相关变化是否波及其他位置。比如活动时段既出现在卡片里，也出现在首页筛选条件里，就需要一起更新。任务分解和依赖关系将在后面的章节进一步展开。

本章的核心做法可以逐渐变成小叶的习惯：看见一个“已经完成”的声明，先明确它完成了哪个对象、依据什么条件、有什么观察支持，然后再决定接受、修正还是继续了解。这种判断不需要每次写成正式表格，却能持续影响他怎样使用 AI 和组织协作。

十二、练习与参考分析

练习一：同一个百分之七十五，能说明什么

小叶安排一项面向五十名已报名同学的学习练习。三十六人提交材料，二十七份达到要求，剩余十四人尚未提交。他准备写“本次学习达标率百分之七十五”。这句话应该怎样修改？

**参考分析：**二十七除以三十六确实是百分之七十五，但范围是提交者。完整的表述可以是：“五十名报名者中，三十六人已提交，其中二十七人达到本轮要求；提交者达标比例为百分之七十五，全体报名者中已确认达标的比例为百分之五十四。”

还应记录九人已提交未达标、十四人状态待确认。下一步既可以支持已经发现困难的人，也可以了解未提交的原因。不能为了让百分比高一些而删除未提交者，也不能在缺少依据时断定这十四人全部没有学会。

练习二：文件存在，是否证明这批图片已经可用

小叶请 AI 制作一批活动指引图。检查脚本显示文件数量正确，每个文件都能打开；AI 据此说“全部验收通过”。小叶准备把图片直接放进活动页面。现有检查够不够？

**参考分析：**文件存在且能打开，证明了交付结构的一部分条件，尚未证明图中的地点、箭头、文字和活动信息正确，也没有说明在最终显示尺寸下能否看清。小叶需要根据用途补上相应检查。

例如，先对照活动安排核对指向，再在页面实际使用尺寸下查看重要文字。对已有检查应准确命名为“文件检查通过”，而不是否认它的作用。问题出在把局部检查扩大成了整体接收结论。

练习三：九十分的版本，为什么仍然需要修正

小叶收到的页面在综合评分中达到九十分，但报名入口指向了另一场活动。有人认为：“标准就是九十分，总分够了就应该用。”应该怎样处理？

**参考分析：**先修正会导致用户办错事情的入口，再复核相关位置。总分的补偿关系不适合处理这一类缺陷。若原标准没有说明这种情况，团队需要承认标准存在遗漏，说明为什么补充条件，并与协作者协商由此产生的安排。

既不能因总分够高而忽视实际问题直接发布，也不能假装新增条件原先就已经明确。接收决策与合作中的责任判断需要同时诚实：成果现在需要修正，标准本身也需要改进。

练习四：平均两分钟，是否足以判断查找顺畅

另一次查找观察中，八次任务全部完成。七次各用一分钟，一次用九分钟。小叶报告平均两分钟；同学据此认为没有必要再看具体记录。你会怎样分析？

**参考分析：**总时间十六分钟，平均确实为两分钟。但若关心三分钟内能否完成，八次里只有七次满足，比例为百分之八十七点五。那次九分钟可能暴露某一类用户问题，也可能只是一个不适合直接推广的特殊情景，需要看记录才能判断。

这里不应把平均值宣布为错误，也不应看到一次长用时就断言整个页面很差。更完整的观察，是同时说明总体完成情况、时间分布中的差异，以及较慢那次发生了什么。

练习五：创意任务一定要变成计分表吗

小叶请 AI 为摄影体验活动写开场介绍。他希望表达有新意，但不愿把创意变成“必须三个比喻、五个形容词”。可以怎样建立有帮助的接收依据？

**参考分析：**先说明对象与用途，例如让第一次参加的人理解现场会做什么，并愿意投入接下来的体验。可以共同看几个不同风格的版本，讨论哪种细节产生了兴趣、哪处表达只是热闹却与活动无关。

活动事实和参加方式需要准确；在此基础上，可以保留比喻、叙述顺序、语气等方面的探索空间。评价可以附理由和示例，无须给每种修辞计件。标准帮助识别表达效果，同时给不同的好方案留出余地。

练习六：没有资料的字段，应怎样交回

小叶收到一批卡片，其中几个报名要求没有来源，AI 暂时填成“无需报名”，并在报告里说没有发现错误。另一位 AI 阅读卡片后也表示同意。这能支持接收吗？

**参考分析：**两次同意没有补上活动报名要求的依据。应把这些字段改为待确认，取得资料后再填写；必要时先接收不受影响且已经满足相应条件的部分，并清楚标出当前交付范围。

待确认不是已经证明错误，但也不是已经核查正确。报告应呈现这种状态，让小叶决定找谁确认或如何调整安排。继续增加对同一份卡片的无资料评价，无法代替所缺的信息。

下一章《计划与任务分解》继续讨论：明确目标和接收依据之后，怎样把工作组织成能够逐步完成、相互衔接的任务。