AI Agent 驗收：為什麼「完成」不等於任務完成
AI Agent 的回覆、產物、驗收結果與真實任務完成是不同層次。用四層完成定義，避免把流暢文字誤當成可靠交付。
本文整理 Anthropic／Claude 公開的工程與產品文件，並加入 Gwarket 對可驗證 AI 工作流的分析；不是 Anthropic 官方文件或產品承諾。
當 AI 回覆「已完成」，我們很容易把這句話當成結果。但它最多只是一段回覆，不是證明。
這個差別在聊天時不明顯；一旦 AI 可以讀檔、改資料、呼叫工具、建立文件，差別就會變得很重要。它可能寫了一段看起來合理的說明，卻沒有真的更新檔案；可能說報表完成了，實際上的數字卻不對；也可能宣稱已發送訊息，但外部系統根本沒有紀錄。
把「完成」拆成四層
- 回覆完成：AI 說它做了什麼。
- 產物完成：檔案、草稿或表格真的被建立。
- 結果完成：產物符合指定格式、資料與限制。
- 任務完成：外部世界出現原本想要的改變。
例如「整理客戶會議紀錄」：寫出摘要只是第一層；正確存到指定位置是第二層；包含待辦、決策與不確定事項是第三層；團隊真的能據此跟進，才接近第四層。
不要只驗文字，驗最後狀態
做 AI 工作流時，最有用的一個習慣是：先定義最後要看到什麼，再決定要不要相信 agent 的說法。
如果任務是改程式，驗的是測試、建置與實際行為；如果任務是整理研究，驗的是來源、引文與未知項；如果任務是提交表單，驗的是系統內是否真的出現紀錄。Anthropic 的 agent eval 指南也特別區分 transcript 與 outcome：前者是 agent 做過哪些步驟，後者才是環境最後留下什麼狀態。
一張完成定義卡
在交給 AI 前，先補上四欄：
| 欄位 | 要回答的問題 |
|---|---|
| 產物 | 最後會多出什麼檔案、資料或決策？ |
| 驗收 | 用什麼可觀察條件判定正確？ |
| 例外 | 哪些未知、失敗或衝突必須保留？ |
| 權限 | 哪些外部動作必須等人確認？ |
這不是降低 AI 的自主性，而是把「做了很多」和「事情已經成立」分開。當完成條件可被看見，人才能把注意力從逐步監工，轉到真正重要的判斷。
用一個真實工作情境看差別
想像你請 AI 協助做一份競品研究。它回覆：「已完成分析，整理出五個競爭優勢。」如果你只看文字，這件事似乎結束了。
但你真正需要確認的是：五個優勢是否都能回到公開來源？引用的是現在仍有效的資訊，還是很久以前的新聞？它是否把「競品自己宣稱」寫成了客觀事實？有沒有把找不到資料的地方，用看似合理的推論補滿？最後，這份研究是否真的能支持你接下來要做的決策？
這些問題都不會因為 agent 說「完成」而自動成立。
因此，完成定義不應只放在流程結尾。最好在任務一開始就寫出來：輸入範圍是哪些來源；必須保留哪些未知；什麼形式才算交付；誰能決定是否進入下一步。這會反過來改善 agent 的工作品質，因為它不必猜測「好」到底是什麼。
讓驗收成本與風險匹配
不是每份工作都值得做嚴格驗收。請 AI 把一段會議錄音整理成個人筆記，可能只要快速抽查；要送給客戶的提案、要改正式資料、要對外發布的內容，則需要更高的證據標準。
可以把驗收分成三層：
| 風險 | 適合的驗收 |
|---|---|
| 低：個人草稿、可隨時重做 | 快速人工抽查 |
| 中：團隊可用文件、內部決策輸入 | 來源與格式檢查，加上第二人或第二輪審查 |
| 高：公開、金錢、權限或正式資料 | 系統狀態驗證、人工批准與可回復紀錄 |
這樣做不是把所有工作變成官僚流程，而是避免用同一種鬆散標準處理不同後果的任務。
失敗時要保留什麼
如果 agent 找不到資料、工具失敗或遇到衝突，最糟的做法是默默補一個看似完整的答案。好的工作流要把失敗也當作輸出：它要告訴你查過什麼、哪裡失敗、哪些結論因此不能成立，以及下一步需要誰決定。
一個能誠實保留未知的系統，往往比一個永遠自信回覆的系統更值得交付工作。
讓使用者看得見「還沒完成」
許多系統只設計成功畫面，卻沒有設計不確定或失敗時要怎麼呈現。結果是 agent 一遇到資料缺口，就傾向用語氣把缺口蓋掉。
好的交付物要把未完成視為一種合法狀態：例如「已取得 8/10 個必要來源」、「兩個關鍵主張無法驗證」、「草稿可供討論，但不得對外使用」。當未完成可以被清楚表達，使用者才不會把暫時產物誤當成可靠結論。
這也是人類與 agent 協作真正節省時間的方式：不是假裝每次都一次到位，而是讓下一個判斷點足夠清楚。
對話紀錄不是交付紀錄
聊天介面很容易讓人把整段對話當成工作本身。但對話只是過程的表面。真正可交接的工作應該有明確位置、版本、來源與狀態；下一位接手的人不必從幾十輪聊天中猜出最後採用了哪個結論。
因此，即使只是個人工作，也值得區分原始資料、候選稿、已確認版本與未解問題。這個小習慣會讓你在一週後重新打開任務時，仍能知道目前到底完成到哪裡。
讀者保存卡
不要問 AI 有沒有完成；問最後環境裡應該出現什麼，並驗證它是否真的出現。