週二小貼士：在查詢語句中包含數字（我的AI代理指標在12到197之間有16個正確答案）

昨天早上我發布了一個數字。我的一個代理人記錄了同樣的未修復漏洞。 65個不同的日子, 我把這個數字放在了標題裡。.

然後，發布之後，我稍微修改了一下命令，再次運行了 grep 命令，結果如下： 77.

兩者都不是錯誤。兩個 grep 命令都在同一個檔案上執行，在同一天早上查找同一個 bug——卻相差十二天，因為我問了兩個略有不同的問題，而只記錄了答案。.

今天早上我特意嘗試打破自己設定的號碼。以下是我的發現，以及一些建議。.

今日提示：如果沒有產生該數字的查詢語句，你的代理人所得的數字就毫無價值。

每個自主系統最終都會報告自身的各項指標，例如待辦事項數量、故障次數以及缺陷的持續時間。這些資料會被人讀取，更糟的是，它們也會被輸入到一個閾值中，以此來決定是否發出警報。.

幾乎它們都沒有自己的定義。經紀人寫道。 65天, ， 不是 根據此模式，本單元共 65 天。. 所以明天的運行結果無法重現——而一個誰都無法重現的數字並非測量值，而只是一個帶有數字的軼事。.

收據：一個問題，16 個站得住腳的答案

問題是： 我的代理程式記錄了多少天Airtable日誌記錄故障的呼叫？ 生成鏡像.sh? 語料庫：我的容器的觀測文件— 4,527,556 字節，32,193 行，909 個帶日期的運行段 截至今天早上 7 點 05 分。.

這個問題中隱藏著兩個選擇，我必須在得出結果之前做出這兩個選擇：哪些文字算是提及（ 圖案），而我統計的是提及 在 （這 單元四個合理的模式，四個合理的單元，以網格形式排列：

模式 → 單位↓	精確記錄的模式	鬆散的（“Airtable 日誌”）	腳本作用域	僅錯誤字面值
日期運行部分	65	57	52	56
符合段落中的日期	66	48	57	54
匹配行上的日期	23	16	19	12
匹配行（grep -c)	197	112	144	123

共有十六個答案。最低答案是 12，最高答案是 197。相差 16.4 倍，而且每個單元格都可防守。 我可以為你寫出一句誠實的話來解釋其中任何一個錯誤。同一個文件，同一個bug，同一天早上同樣的五分鐘。.

請查看最下面一行。. grep -c 這正是大多數人實際輸入的內容，而且它也算數。 線條, 不是天數——所以它會給你的代理人 197，而誠實的答案是 65，因為一次提到該漏洞的運行（4 個要點）貢獻了 4 個。.

奏效的那部分，也是關鍵。

這不僅僅是一個關於犯錯的故事。昨天的貼文記錄了數字旁邊的確切模式——不僅僅是數字本身，而是整個數字。 和 查詢。所以今天早上我重新對該單元運行了該模式，結果如下 65, 精確到數字，一天後。.

這就是關鍵所在。可復現的數字經受住了24小時的考驗，也經受住了對方的複核。而那15個無法重現的數字，如果放在新聞標題裡，看起來也同樣令人信服。我仍然能夠堅持的數字和我無法堅持的15個數字之間的區別，並非在於我的謹慎、我的智慧，或者我使用了更好的模型——而是… 結果旁邊儲存一行來源資訊。.

為什麼這件事對特工的打擊比對普通人的打擊更大？

人類如果在自己的筆記中看到「65天」這個數字，至少會模糊地記得自己是如何計算出來的。而智能體則完全沒有這種記憶。下一次運行是一次全新的會話：它讀取這個數字，將其視為真實值，並將其與用略微不同的方法計算出的新數字進行比較，然後得出“什麼都沒變”的結論——或者“什麼都沒變”的結論。.

這就是為什麼在沒有人說謊的情況下，你也能得到一個會漂移的指標。而且，我從不同方向不斷遇到的失敗模式也是一樣的：我的代理 數了一頁，就稱為總數。, 這是一個數字， 未完成. 。 它 統計的是排隊的行數，而不是跑道剩餘天數, 這是一個衡量數值 錯誤的事情. 今天的情況比前兩次都更糟糕，因為數字是完整的，而且衡量的是正確的東西——只是它有十六個同樣有效的值，卻沒有記錄你選擇了哪個值。你無法透過增加檢索次數來解決這個問題。.

今天就這麼做──三行偷來的句子

1. 同時列印出查詢語句和數字。. 不是在評論裡，也不是在你的腦子裡——而是在人類或未來的運行中會讀到的東西裡。. 65 個不同的日期（模式：UNKNOWN_FIELD_NAME|airtable_record_id|Airtable 日誌記錄 · 單位：按日期排序的運行部分）. 這很醜。但這也是全部的解決方法，而且只需要一根琴弦。.
2. 大聲說出單元名稱，因為16倍增距鏡就在那裡。. 天數、行數、跑分、線數和比賽場次是五種不同的事物，但它們最終都只能用一個整數來表示。我的資料分佈更來自於單位而非模式—— grep -c 與不同日期相比，單單日期就出現了 3 倍的波動。.
3. 盡量在出貨前拆分數字，而不是出貨後。. 重新運行一次，分別使用較寬鬆的模式和較緊密的模式。如果這三個模式的結果大致一致，就發布。如果不一致，則結果是一個範圍，應該作為一個範圍發布。我昨天是透過重新檢查才發現這個問題的。 後 出版業——幸運的是，它成功了。.

要點： 無法復現的指標並非衡量標準不嚴謹，而是自信滿滿卻指向虛無。. 你的代理會以與真實情況相同的平淡語氣報告它，你的閾值會觸發它，而且每次有人重寫 grep 命令時，它的含義都會悄然改變。將查詢及其結果一起存儲，這樣一類問題就只需要一行日誌記錄。.

這是其底層方法。 昨天統計的未修復錯誤報告有 65 份。, 以及同樣的本能 永遠不要將代理可以查找的 ID 硬編碼到程式中 ——先推導出結論，然後展示你的推導過程。這也提高了標準。 記錄的是垃圾箱，而不僅僅是船隻。: 紀錄 你是怎麼數的？, 或者，下個月的總額就只能靠拋硬幣來決定了。如果你正在朝著…努力 一個你可以真正放心放手的經紀人, 這就是決定報告是否可用的不起眼的底層機制。.

順便一提，那個bug仍然存在。在我建立網格八分鐘後，它再次觸發——當時我正在生成這篇文章的特色圖片。 未知字段名, 相同的空記錄 ID，相同的退出代碼 0。這使得記錄模式的數量從 65 略微增加到 共66個不同的日子，連續第22天，106天大.

注意這會對上面的表格產生什麼影響：它在 07:05 時為真，到 07:13 時已失效。因此，來源行需要第三個欄位－模式、單位。, 而你運行它的那一刻. 衍生數就像一張照片，而不是一個事實。要像對待事實一樣對待它。.

你想讓經紀人報告的數據成為你可以實際採取行動的數據嗎？ 預約自動化策略會議 我們會一起仔細閱讀你的內容。.