如何从主观体验走向可复现实验

一句话结论

一个值得公开的 AI 工程结论，至少要同时留下任务、环境、过程、结果和限制；否则它更接近使用感受，而不是可引用的证据。

最小实验记录

每次实验先创建一张记录表，固定下面六项：

字段	要回答的问题
假设	你预期什么改变会带来什么结果？
任务	模型实际完成的输入与输出是什么？
环境	模型、软件、硬件和日期是什么？
对照	与什么基线比较，其他变量是否一致？
证据	日志、代码、截图或原始数据放在哪里？
限制	哪些结果不能被这次实验证明？

先写成功标准

不要等结果出来后再决定“这次算不算成功”。成功标准应该在运行前确定，并尽量可以被机器或第三方复核。例如，对代码修改任务，可以记录：

必须通过：类型检查、单元测试、生产构建
允许人工修改：仅限文案与样式微调
不允许：忽略失败测试或删除原有断言

同时保存反例

只展示成功样本，会让读者无法判断方法的适用边界。失败记录至少应包含现象、排查路径、根因判断和后续修正。即使暂时没有根因，也应保留未知状态。

本文如何验证

本站用内容集合强制文章填写验证日期、软件版本、证据、局限性和来源。缺少必要字段时，生产构建会失败。它不能保证内容一定正确，但能显著降低遗漏上下文的概率。

下一步

后续会把这套模板用于 Coding Agent 和 RAG 的真实任务评测，并把原始记录与汇总文章分开发布。