AI说完成了，怎样确认真的完成？

先说结论

AI 回答“完成了”，只是一次文字输出，不是验收结果。把任务交给 AI 时，最好同时约定：交付什么、拿什么证明、失败后怎么办。这篇是 metayu 的编辑练习方案，不是产品效果实测，也不承诺固定的提效比例。

一个可以照着做的例子

假设你想让 AI 整理一张活动报名表。不要只说“帮我整理好”，可以改成：“把姓名、联系方式、报名项目整理为表格；缺失字段标为待确认，不补造；重复记录列出，不自动删除；最后给出原始行数、输出行数和异常清单。”即使没有编程能力，你也能用原文件核对几个关键记录。这里的价值不是提示词长，而是结果可检查。

第一步：把完成条件写在开工前

先写三条不可退让的条件，再让 AI 工作。例如：所有输入记录都有去向；缺失信息不被猜测填充；结果可以在你实际使用的软件里打开。把条件放到任务中，而不是等它交付以后再凭感觉打分。对于公开文章，可以换成“每个数字有原文链接、日期没有混淆、观点明确标注为观点”。这些是本文建议，不是任何模型的官方保证。

第二步：把生成和检查分开

在一轮对话里自问自答，不能证明内容正确。重要数字回到原始来源，表格检查行数和抽样记录，网页则在真实入口操作。Anthropic 的文章区分预设工作流与模型自主选择步骤的 Agent；它也讨论在分步流程中放检查关口。原文发表于 2024 年，适合参考设计原则，不应把其中工具描述当作今天的完整清单。

第三步：让检查结果能够阻止交付

开发者可以参考 Playwright 的断言文档，把“按钮可见”“提交后状态更新”等条件写成可执行检查。文档支持自动重试的网页断言，但测试通过仍不代表所有业务情况都覆盖。非开发者可以采用同样的原则：没有核对就标记草稿，遇到缺资料就退回待确认，不把可疑结果混进正式版本。

一张小型验收清单

• 输入：原材料是哪一份，是否包含敏感信息？
• 输出：用户实际打开的文件或页面在哪里？
• 证据：哪些条件已检查，哪些仍未检查？
• 异常：缺失、冲突和不确定内容是否显式列出？
• 权限：涉及发布、删除、付款时，是否有明确授权？

先用一个低风险任务练习这套清单。不要为了“更像 Agent”而增加自动步骤。若人工检查比原来做事还慢，就缩小任务范围，保留最值得自动化的一段。

来源与延伸阅读

• Anthropic：Building effective agents
• Playwright：Assertions 官方文档
• 查看 Anthropic 原文的分步工作流示意图（原作者图示，仅提供原图链接，非本站原创。）

接下来值得继续跟踪

记录接下来三次任务的实际用时、返工原因和漏检问题，再决定是否扩大自动化范围。这里不预设成功率；如果无法独立判断输出质量，先找熟悉该领域的人共同定义验收条件。