對抗式驗收：產生的不檢查，檢查的不產生

「誰當總指揮」那篇提到，交接單由上一段產生、由下一段的指揮者檢查。這裡把這個分工攤開來講。

道理很舊。人類組織裡，寫的人不驗自己的東西，這是幾百年的常識。寫的人腦子裡還留著來龍去脈，看自己的產出永遠覺得清楚，漏掉的那一格他自己看不見。AI 更嚴重一點，它本來就容易附和自己上一句話。

我們請 AI 幫忙查證過一段引文，它交回一段看起來很像原文的引文，連它自己附的驗證都全部通過，結果那段引文是編的。寫的和驗的是同一個 AI，驗證當然會過。

新的是工具。2026 年有幾個功能直接把「換一個模型來檢查」做進去了，看它們怎麼設計，大概就知道自己的驗收要長什麼樣。

三個現成的例子，各學一件事

/goal 的裁判是另一個模型。你設完成條件，AI 去做，做完了沒，交給一個小而快的模型（預設 Haiku）讀對話之後判定。這個裁判不跑指令、不讀檔案，只看 AI 秀出來的證據。可以學到的是，裁判可以比選手便宜很多，它不用會做，會對照就好。

Claude 的 Code Review 多了一道「驗證」步驟。這是 Team／Enterprise 方案的雲端服務：一群代理平行審 PR，各找一類問題，然後「一個驗證步驟對照實際程式行為，濾掉誤報」，再去重、按嚴重度排序，貼成行內留言。每個發現附一段摺疊說明，講它怎麼驗證的；嚴重度分三級（該修才能合併、小毛病、本來就有的舊 bug），而且永遠不阻擋合併。每次審查平均 15 到 25 美元。找問題和驗證問題拆成兩步，第二步就是拿來防第一步太熱心的。

它還會讀一份 REVIEW.md。你可以寫「Important 在這個 repo 只代表會壞掉、洩資料、擋回滾的事」「一次最多五個小毛病」「行為判斷要附 file:line 出處，不能從命名推論」。這幾條範例都在縮小範圍，把驗收方能報什麼、要附什麼出處限得很死，報告才不會被小毛病淹掉。

本機的 /code-review 讓你拿信心換覆蓋。它在背景的子代理裡跑，不佔你的對話。effort 開 low、medium，只回報最有把握的，誤報少；開到 high、max，覆蓋廣，但可能夾雜不確定的。也就是說，驗收要先決定寧可漏報還是寧可誤報，看出錯的代價來選。

Matt Pocock 的 code-review 是雙軸：一軸看有沒有照專案規範，一軸看有沒有做到規格要求，兩個獨立子代理平行跑，結果並列，不合併。驗收可以分軸，每一軸配自己的清單，交給不同的子代理去看。

搬到程式以外

上面都是給程式用的，但結構搬得動，一份企劃、一封對外信、一張報價表都行。

驗收方要是另一場對話。在同一個視窗說「你檢查一下」沒什麼用。開新對話，貼產出和清單，過程不貼，讓它只憑產出本身判斷。

驗收方拿到的是清單，不是一句「看看有沒有問題」。以 Yes/No 為主，評分表為輔（可驗證目標那篇的做法）。清單裡要寫證據要求，每個「不通過」都要指出在第幾段、哪一句。

先決定寧可漏還是寧可誤。對外發送、牽涉到錢的，寧可誤報，門檻放低；內部草稿，寧可漏報，只報有把握的。

打回單要有格式。「不通過｜第幾項｜證據｜要改成什麼」，產出方拿到就能改，不用再猜。驗收方只寫打回單，不動手改，一動手它就變成產出方了。

有個限制要講清楚：驗收方也是 AI，它也會錯。它的用處在於跟產出方錯在不同的地方。兩個獨立的錯誤剛好疊在一起，機率比一個人自己看兩遍低得多。

動手做

拿你手上任何一份 AI 產出，開一個全新對話，貼這段，再把清單和產出貼進去：

你是驗收員。你沒有參與產出，也不准修改它。規則：
1. 逐項核對下面的清單，每項寫「通過／不通過」。不通過的必須附證據：第幾段、哪一句、違反哪一項。
2. 判斷傾向：（選一個）寧可誤報，可疑就報；或 寧可漏報，只報有把握的。
3. 只輸出打回單，格式：不通過｜項目｜證據｜建議改法。不要改寫產出。
4. 全部通過就只回「放行」，不要補充。
清單：（貼上）
產出：（貼上）

在 Claude Code 裡，寫完程式打 /code-review medium，先看最有把握的發現；要它直接改就打 /code-review --fix。想把驗收規則固定下來，在 repo 根目錄放一份 REVIEW.md（雲端 Code Review 會讀；本機的 /code-review 不讀，本機規則寫進 CLAUDE.md）。

產出和驗收要是兩場對話。清單上每一項，都要寫得出不通過時證據長什麼樣。這次寧可誤報還是寧可漏報，事前要先想過。然後看驗收方到底打回過東西沒有。一個從來沒打回過任何東西的驗收，我會先懷疑它有沒有在看。

引文的驗收，最後一步還是點開原始出處，用搜尋找那段話有沒有真的出現在原文裡。

站內延伸

• 清單和評分表怎麼寫 → 可驗證目標
• 程式的先紅燈再綠燈 → 先紅燈再綠燈
• 完整的測試清單 → 找方法AI Agent 測試

來源： Claude Code：Code Review（多代理＋驗證步驟、嚴重度三級、不阻擋合併、REVIEW.md 可調項目、每次 15–25 美元、本機 /code-review effort 與 --fix）；Claude Code：Keep Claude working toward a goal（裁判為獨立小模型、只看對話證據）；mattpocock/skills：code-review（雙軸、平行子代理）；Anthropic：Building effective agents（evaluator-optimizer）。