Day 10 结尾留了一句话：检验和描述是一体两面，说不清楚目标就没法判断对错。
我拿到 AI 的输出习惯先默认它对。语气确定的回答尤其如此。Day 10 提到过一个例子——让 AI “帮我把文档归类”，它按文件名排了个序。归类是分了，但不是我要的那种。当时只觉得是描述没写清楚，没想过先检查结果对不对。
类似的事情反复出现：AI 给出了看起来合理的结果，我扫一眼就过了。等细节出问题再回头查，已经在错误的基础上多花了不少时间。
今天把 GCO 翻过来用。它本身就是一份验收清单，只要换个方向看。
三种方法你都不需要会写代码。
GCO 对照检查
你描述任务时写的 GCO，直接拿来当验收清单用。
沿用 Day 10 练习二的需求：让 AI 分析 2025 年销售数据，按产品线输出趋势分析，附增长率和建议。Day 10 只展示了模糊描述和清晰描述的差异，没展示拿到分析结果后怎么验收。今天补上。
假设 AI 已经分析完了，你拿到了一份报告。验收的起点就是把当时的 GCO 拉出来，逐项过：
| GCO 项 | 作为描述 | 作为验收 |
|---|---|---|
| Goal | 按产品线分析销售趋势，给出增长率 | 报告确实按产品线写了趋势和增长 → 通过 |
| Constraints | 只用 2025 年数据 | 没混入 2024 年数据 → 通过 |
| Constraints | 按季度汇总 | 报告季度粒度一致 → 通过 |
| Constraints | 各产品线独立分析 | A 和 B 没混在一起 → 通过 |
| Constraints | 增长率低于 10% 的标注 | C 产品线标注了"增长放缓" → 通过 |
| Output | 表格、折线图、三条核心发现（每条不超过一句话） | 表格有，图有，五条发现里两条超过了一句话 → 不通过，让 AI 浓缩 |
GCO 对照给了你一个判断标准。你指着 GCO 说"这里不符合"就行，不用凭感觉说"好像不太对"。 发现了吗？很多时候不是 AI 太笨，是我们在 Constraints 和 Output 里漏了一句关键限制。 我自己的做法：任务交出去之后把 GCO 贴在笔记里。结果回来了，一条一条打勾。三分钟的事。
不变量检查
有些东西不应该因为 AI 的处理而改变。找到"不管任务怎么执行，什么永远不能变"。
回到数据分析的例子：
- 数据总量：原始 1,024 行，结果不能变成 1,018 行。AI 不会故意删数据，但它可能觉得某行"异常"就帮你过滤了。
- 关键标识列：订单号、用户 ID，这些是锚点。变了你就找不到原记录。
- 原始数值：AI 可以算汇总值，但不能把个体数值四舍五入到失真。
- 分类来源：原始数据只有 A、B、C 三类，结果不能凭空出现 D 类。
操作方式很简单，直接告诉 AI 让它自己验证：
检查你的分析结果：数据总行数有没有变化？订单号有没有被篡改？产品线分类有没有新增原始数据不存在的类别？逐项回答。
进阶技巧：不确定什么不能变？让 AI 列：
你要处理这份数据。先列出"无论如何不能改变"的属性，然后告诉我你打算怎么验证。
AI 列完，你看一遍。对的确认，漏的补充。两分钟。
逆向检查
GCO 对照查"做了没有"，不变量查"变没变"。逆向检查更进一步：假设结果错了，可能是哪里出的问题？你让 AI 从两个方向帮你找漏洞。
第一种，列出可能性清单。
假装这个分析结果已经出错了。列出 10 种可能出错的方式，按概率从高到低排序。
AI 大概率会写：数据源不对、聚合公式用错、时间范围截错、缺失值没处理。AI 列出来的如果正是你没检查的方向，补上就是。
第二种，sabotage testing。说白了就是让 AI 自己扮演审核员，狠狠攻击自己的结果。
现在你扮演审核员。任务是找出这份报告里的问题，越多越好。每一条标注风险等级和修复建议。
AI 找到的问题里会混一些误报，没关系。你过一遍，筛出真的坑就赚了。
人工智能，人在循环
三种方法递进，看任务权重决定深度：
- 🟢 GCO 对照：每次必做。3 分钟。GCO 本来就写好了，打勾就行。
- 🟡 不变量检查：关键任务做。5 分钟。涉及数据、配置、批量操作的特别值得。
- 🔴 逆向检查：高风险时做。10 分钟。涉及钱、权限、对外交付的。
三种方法加在一起，核心是把问题检查交给 AI，你来拍板。
AI 的能力是批量化检查。它能一分钟过一千行数据、列一页可能性清单、攻击自己结果里的每个脆弱点。你的能力是判断什么重要：这个偏差能不能接受？那个风险要不要处理？
GCO 的价值到这里才完整：你用 GCO 说清楚了要什么，也用它确认了得到的就是那个东西。
今日练习
选一个今天让 AI 完成的任务（最好有数据输出或文本生成），按顺序走：
- GCO 对照检查：把当时写的 GCO 翻成验收清单，逐项打勾
- 不变量检查：让 AI 列出不可变属性并逐条验证
- 逆向检查（可选）：让 AI 攻击自己的结果
今日收获清单
- 理解了"检验和描述是一体两面"，GCO 同时是描述工具和验收工具
- 能用 GCO 对照检查 AI 输出，逐项确认是否符合要求
- 能列出不变量，让 AI 自行验证关键属性没有变更
- 掌握了逆向检查的两种方法：可能性清单和 sabotage testing
- 能根据任务重要性选择合适的验证深度（3 / 5 / 10 分钟递进）
搞定了提示词和质量验收，下一步怎么把这些动作自动化？ 下一篇 Part 4「你的 AI 工具箱」，我会聊聊怎么把 API 和自主执行型 AI 组合起来用，什么时候该选哪个。