AI 任务合同：把输入、验收和停止条件写清楚

一句“专业、准确、不要编造”带来了十四次返工

唐宁是一名独立商业研究顾问，每月为客户制作一份 15 页渠道决策简报。资料包括访谈记录、销售表、竞品页面和上月版本。最初的任务说明只有一句：

根据这些资料做一份专业、简洁、有洞察的渠道策略简报，数据要准确，不要编造。

第一版通常很完整，连续 6 份简报却产生 14 次实质返工：旧数据混进当月结论；图表数字没错，标题却把相关变化说成因果；资料缺失时补出没有来源的“行业平均”；建议没有证据，页面仍被填满。每份人工复核和修改的中位数达到 96 分钟。

唐宁没有再补一句“务必认真”。她把历史返工改写成一份两页任务合同，先用 8 个旧资料包回归，再用于新简报。随后 6 份简报出现 3 次实质返工，复核中位数降到 41 分钟；无来源量化主张从 11 项降到 0，资料缺失仍强行下结论从 5 项降到 0，结构错误从 4 次降到 1 次。

从 14 次降到 3 次，降幅为（14－3）÷14＝78.57%。这组数字属于教学案例，人物、客户和简报并非真实项目，也不能证明任务合同普遍减少 78% 返工。合同没有替客户决定预算；它只让可用输入、必要输出、合格门槛、禁止行为和安全停止变成双方都能检查的约束。

这里的“合同”不是法律文件，也不是把提示词写得更长。它是一份运行边界：使用者能检查系统是否拿到了约定资料，执行者能知道何时继续、何时停下，复核人能根据同一标准判断产物是否可用。目标、输入、处理、输出、验收、禁止、停止和责任八个部分不必各占一章，却必须在真实失败发生时能定位到其中一处。

普通提示往往只写希望看到什么；合同还要写没有资料时返回什么、哪类错误不能被其他优点抵消、哪些动作始终留给人。一项工作规模很小，合同可以是一张卡；涉及多个文件、结构化产物和外部决定时，两页并不算长。长度不是质量证据，能否通过样本运行和失败回执验证才是。

合同条款从返工记录里长出来

唐宁把“返工”限定为完整简报生成后，因事实、范围、证据、权限或结构问题必须重做至少一个发现项或一页。字体、措辞偏好不计。每次事件只选一个首要原因，事件内部可以有多个错误检查点，避免把同一次旧数据污染重复算成几种返工。

3 + 2 + 2 + 3 + 2 + 1 + 1 正好是 14。表里没有“更认真”这种无法测试的要求。每条新规则都要能指出它预防哪种失败、由什么检查发现；既没有历史事件、也没有明确前瞻风险的要求先留在候选区，不直接让主合同越来越长。

合同首先限定一个决定：渠道负责人和财务负责人要判断，下季度是否把 20% 试验预算从渠道 A 移到 B。数据范围是 2026 年 4—6 月，并与 1—3 月比较，只分析 A、B、C；数据不完整的 D 不进入预算建议。简报不预测全年收入，不评估团队绩效，也不替客户批准预算。

这一步让“专业、有洞察”变成了停止点明确的任务。市场历史、团队能力和其他渠道可能有价值，但只在影响当前预算判断时进入正文。

输入清单要说明权威、版本和缺失动作

“参考全部附件”会把旧版本和不同权威的材料放在同一层。唐宁为六项资料指定角色：

销售和投入只能通过“渠道编号 + 月份”关联，不能根据渠道简称猜。上月简报最容易污染当月结论，因此它只提供版式；其中即使有正确数字，也必须回到本月权威资料重新确认。

输入清单还要保存运行时真正使用的版本。唐宁记录文件大小、修改时间和内容校验摘要；同名文件内容变化就生成新版本，不让前半段分析使用旧表、后半段又读取覆盖后的新表。I-01 与 I-02 的字段定义也写进合同附件：空值保持缺失，不能转为 0；渠道编号必须唯一；月份使用同一时区和期间口径。

“权威”只在对应事实范围内生效。财务确认版 I-02 是投入金额的权威，不负责解释客户态度；I-03 访谈可以支持样本中出现的理由，不能覆盖签署数据。来源冲突时保留两个值、对应版本和需要谁裁决，不能让模型选一个更符合建议的数字。

第一份产物是输入回执，不是十五页简报

正式分析前，系统先检查文件是否存在、版本是否正确、字段能否读取、关联键是否唯一、必需资料是否齐全。行数、字段和匹配率使用确定性规则，AI 只解释无法按规则归类的资料说明。预检不提前生成策略。

9÷1,248＝0.721%，正文取 0.72%，低于合同的 2% 停止线。若未匹配增加到 32 行，32÷1,248＝2.56%，就停止预算比较。系统不能用已匹配的 97.44% 继续生成一份看似完整的建议。输入回执由唐宁确认后才进入分析，运行中同名文件若被覆盖，校验摘要变化也会使流程停止。

先生成发现项，再由发现项组成页面

“交付 15 页”只能限制外形，无法保证每页可以复核。唐宁先要求一张发现表，每条记录只承担一个主张：

发现表可以由 JSON Schema 等结构约束检查编号、类型、必填字段和允许值。结构通过只表示形状正确，不表示事实正确。I-05 上月简报即使作为一个合法字符串进入证据数组，也必须在业务规则层被拒绝。

下面是压缩后的结构示意。英文只作为真实字段名存在，页面和复核表仍先显示中文名称：

{
  "type": "object",
  "required": ["finding_id", "claim", "evidence", "confidence", "review_status"],
  "properties": {
    "finding_id": {"type": "string", "pattern": "^F-[0-9]{2}$"},
    "claim": {"type": "string", "minLength": 10},
    "evidence": {"type": "array", "minItems": 1},
    "confidence": {"enum": ["high", "medium", "insufficient"]},
    "review_status": {"const": "待顾问复核"}
  },
  "additionalProperties": false
}

它能拦住编号不合规、证据数组为空和未经允许的状态，却无法判断渠道 B 的销售是不是 96 万。金额和月份需要确定性复算，主张与来源的关系需要证据审核，预算动作还需要负责人批准。把四层拆开后，结构失败可以针对字段修复，事实失败不会被“JSON 已通过”掩盖。

唐宁把验证分为四层：结构校验发现缺字段、错误类型和非法状态；确定性业务规则重算金额、检查渠道编号和允许来源；证据审核判断引用是否真的支持主张；最后由人决定建议是否适合预算目标。结构失败最多重试一次，事实与证据失败不允许系统自行改写成另一个结论。

硬门必须连接检查、证据和失败状态

“准确、深入、易读”不能成为放行标准。合同要求所有量化主张 100% 回到 I-01 或 I-02，关键金额、月份和渠道编号错误为 0，无来源行业平均和外推预测为 0；12 份访谈的主题要保留正反证据，每项建议写明假设和失败信号；人工复核中位数不高于 45 分钟。最终是否调整 20% 预算仍由客户负责人批准。

评分项可以帮助比较版本，硬门不能被平均。即使版式、访谈主题和建议结构全部通过，一项错误金额仍然阻止简报放行。人工决定也不是“质量检查最后一项”，而是模型无权替代的业务责任。

这些标准在看到输出前冻结。为了避免“条款写了却没人检查”，唐宁给六项关键要求建立追踪关系：

追踪关系还会发现合同内部冲突。如果 OUT-03 要求证据至少一项，而“证据不足”恰好没有支持材料，系统可能被迫编造。唐宁把“缺失证明”也定义为证据，例如 I-02 缺失回执或文件解析失败记录。它证明为什么不能判断，不支持任何预算结论。

禁止事项同样要有检测和动作：缺失不能补成 0；I-05 不能作本月事实；12 份访谈只能写“几份出现”，不得外推总体；没有实验或排除证据时不得写因果；输出只能进入独立草稿，不修改客户文件；预算建议始终保持待复核。

停止回执要说明哪些成果还能用

任务合同优先级依次是数据与权限、事实硬门与停止、输出完整性、篇幅和语气。截止时间到了但 I-02 缺失时，交付缺失回执和已经验证的中间表，不能估算成本填满预算页；15 页与证据不足冲突时，页面写待确认，不引用上月数字；范围外的 D 渠道需要负责人批准变更，系统不能自行扩大。

这个优先级避免了模型在冲突中选择“更容易完成”的要求。若客户确实要改变范围或阈值，先修改合同版本并补回归样本，不能在某一次运行里静默放宽。

S7 历史资料包第一次运行时，1,248 行中有 57 行无法关联，57÷1,248＝4.567%，正文取 4.57%。它触发 IN-02，停止回执如下：

本次没有生成预算结论。
IN-02 要求未匹配率不超过 2%，实际为 57/1248 = 4.57%。
可继续使用：输入清单、I-06 术语检查、57 行异常表。
不可使用：渠道合计、发现项和页面草稿。
需要：数据负责人补齐或确认渠道编号；唐宁批准后重跑。
若第二次仍触发 IN-02，结束自动重试并检查合同或源表。

合同没有覆盖的新冲突进入“需要合同决定”，由唐宁判断是一次例外、补资料还是修改下一版本。例外也要保存批准人、适用运行编号和到期时间，不能悄悄变成永久规则。

十五页只是发现表的一种呈现

任务合同摘要写明：目标是准备 A、B、C 三渠道下季度 20% 试验预算材料；I-01、I-02、I-03、I-06 必需；先校验关联键，再计算基线、提取访谈证据、建立发现表，最后生成页面；量化支持率 100%，关键金额错误与禁止项为 0；顾问确认发现项，客户负责人决定预算。

这张摘要是运行入口，不替代两页附件。字段定义、反例、输入回执格式和回归样本仍然留在附件中；否则把合同缩成一张表之后，又会回到“看起来完整，却不知道怎样验证”的起点。

15 页按决策需要映射。第 1 页说明支持什么决定和排除项；第 2 页展示输入回执与限制；第 3—4 页比较 A、B、C 的两个季度基线；第 5—7 页只呈现已经通过证据门的发现；第 8 页保留反证；第 9—10 页展示 12 份访谈的样本主题；第 11 页使用有日期的外部背景；第 12—13 页写方案、假设和失败信号；第 14 页列客户必须回答的问题；第 15 页保留来源、版本和批准状态。

如果只有 9 个合格发现项，不为填满页数再创造 3 个。页面 5—7 可以按证据密度重新组合；发现项太多时，按与预算决定的关系排序，完整发现表作为附件。事实底座决定页面，页数不能反过来制造内容。

F-04 从原始数字走到一项有限建议

I-01 显示渠道 A 销售从 120 万降到 108 万，变化为 -10%；I-02 显示投入从 30 万升到 36 万，增长 20%，投入产出比从 4.0 降到 3.0。渠道 B 销售从 80 万升到 96 万，增长 20%；投入从 24 万升到 25.2 万，增长 5%，投入产出比从 3.33 升到 3.81。

12 份访谈里有 7 份提到 B 的进入流程更顺，另有 3 份提到季节性活动。合格发现项因此不是“B 导致增长，应立即迁移预算”，而是：

页面标题写成“Q2 中 B 的投入产出比改善，值得用受控试验验证”。同一组数字经过合同后，保留了事实、限制、试验与停止信号，没有越过因果判断和客户预算批准。

这条转换也说明合同不只负责格式。原始数字支持“同期变化方向不同”，访谈只提供样本中的解释线索，两者都不足以证明 B 导致增长。因此建议的强度被降为两周试验，失败信号又让客户知道何时停止。若试验转化没有高于 A，或获客成本上升 10%，当前预算假设就被否决；模型不能把后续失败改写成“需要更多时间”继续投入。

唐宁复核时先重算四个金额变化和两个投入产出比，再检查 7 份正向访谈与 3 份季节性材料是否真的存在，最后才看建议措辞。验证顺序从事实到证据强度再到动作，避免先被一页漂亮结论说服。

八个历史资料包先替新项目承受失败

回归集由 5 个常规包和 3 个边缘包组成。S6 缺 I-02，正确终态是停止预算计算；S7 关联异常 4.6%，应停止并列出异常行；S8 同时含新数据和旧简报，新数据作为事实，旧简报只提供结构。

首轮中，S1—S5 都生成了简报，但一份标题因果过度；S6 正确停止；S7 错误地用已匹配部分继续计算；S8 有两处引用旧结论。唐宁分别增加因果反例、把 2% 写成硬门，并限制证据允许的输入编号。修订后重跑全部 8 个包，而不是只重跑三个失败样本，第二轮所有硬门通过后才进入当月工作。

模型更换时合同不必自动变化，但要用同一合同重跑 8 个包。销售表新增不影响既有字段，可以只复测解析；任务从渠道预算变成产品定价，则需要新合同。开放客户文件写入、发现访谈泄露身份等变化会改变权限和数据边界，必须增加回滚与隐私样本。

剩余三次返工决定合同是否值得维护

进入新工作后，唐宁按运行编号保存预检、原始发现表、门禁结果、人工修改和最终批准版。随后 6 份简报的复核分钟为 34、38、40、42、47、53，中位数是（40＋42）÷2＝41 分钟。

三次实质返工都在发给客户前被发现。一次是新字段把“赠送额度”混入广告投入，说明 I-02 没定义该字段的排除值；一次标题没有使用“导致”，仍在语义上暗示确定归因，说明禁用词扫描太窄；一次来源页码在 PDF 导出后变化，说明只保存页码不够稳定。对应修正是补财务口径、增加因果语义反例、同时保存发现编号、表格键和引用片段。

字段口径变化重跑 S1—S5 的金额检查；因果规则变化重跑全部 8 包标题；来源定位变化验证导出前后。若每月修订和回归超过 3 小时、复核连续两份超过 60 分钟，或相同关键错误连续出现两次，就暂停自动生成页面，只保留输入回执和发现表。合同减少返工的价值不能靠无限维护来维持。

每次变更还要写明提出人、原因、具体条款、开始生效的版本、重跑范围和是否允许回退。模型更换通常只触发回归，不一定修改合同；客户从渠道预算改为产品定价，则主决定和失败后果都已变化，应另建合同。合同版本不是文件名装饰，它要让半年后的复盘知道当时哪一条规则真正生效。

可以直接复制的任务合同

任务编号 / 版本 / 负责人：

目标与范围
- 谁使用结果，要支持哪一个具体决定：
- 时间、对象和明确不处理的内容：

输入
- 必需资料、稳定编号、版本和权威顺序：
- 可选资料只允许做什么：
- 缺失、冲突、过期时继续、排除还是停止：

处理
- 必须执行的步骤和顺序：
- 允许的判断、需要保留的证据：

输出
- 产物、字段、类型、允许值和状态：
- 中间产物保存位置，哪些能继续使用：

验收
- 事实和结构硬门：
- 评分项、人工决定：
- 常见样本、边缘样本和禁止错误：

禁止与权限
- 禁止推断、禁止数据、禁止工具、禁止外部动作：

停止与交接
- 触发条件、重试上限、停止回执：
- 谁能解除阻塞，谁批准最终结果：

变更
- 修改原因、生效版本、重跑样本、回退条件：

先选择一项已经返工两三次、输入和产物都找得到的工作。逐次写下返工的首要原因，把它改成输入角色、输出字段、检查或停止状态，再用 5—10 个历史包验证。合同不是为了让 AI 永远不犯错，而是让错误能回到某条可修改的边界，并让接手人知道哪些中间产物仍然可靠。

一份合同只服务已经写明的决定和输入条件。渠道简报合同不能因为运行稳定，就直接复用于报价、合同审阅或客户外发；这些任务的错误后果、权威资料和批准人都不同。相邻任务最多借用字段写法，仍要重新确定目标、硬门和停止点。能明确说出“不适用于什么”，也是合同完成的一部分。

来源与进一步阅读

以下资料核验于 2026-07-21，用于支持可验证要求、结构约束、边缘情况和人工接管：

• NASA：How to write a good requirement：强调责任主体、单一可理解要求、错误处理和可验证性。
• NASA：Software requirements analysis：说明“容易、充分、适当”等表述不可验证，要求关联验证方法。
• JSON Schema：Creating your first schema：说明如何定义结构、类型、约束和必填项。
• OpenAI：A practical guide to building agents：强调清晰动作、边缘情况、工具防护、失败阈值和高风险人工介入。