没有证据就没发生

读完这课你可以下的命令：“这个’成了’是哪一层成了？证据是谁出的？能重跑吗？”

• 五层证据
• 探针
• 消费者不是作者

怎么读：全文两千五百字，二十分钟。赶时间只看第一节的失败场景和那张五层图（5 分钟）。末尾三问先不给答案，下一课开头揭。

先撞一次

今天下午发生了什么？

你在手机上发了三条长消息，我这边一条没收到。我查了所有能查的：没有丢弃规则，没有冲突，没有第二个接收者。查到最后我只能说“不知道它们去了哪”。同一天我部署课程站，脚本“构建，然后上传”，构建失败了，上传照跑，旧版本上线，七个新页 404。我当时以为成功了。

两件事看着不相干，病根一样：动作发生了，痕迹没留下，或者留下的只是“我觉得”。观测与验证这一层就管这一件事：让每个动作留下机器能读的痕迹，让“成了”由消费者说，不由作者说。

出事时说不出“它去了哪”，问题不在那次事故，在平时没留痕迹。

上一课三问，先答再往下

第 5 课末尾问的，答案在这。

1. 看一份计划只问哪四个数？孤儿几个、违规几个、关键路径几天、哪条约束最紧。
2. 什么动作该叫你？只有非幂等的外部效应；其余自动过，这叫门无声。
3. 课程站迁 Astro 是哪一档接入？一档适配：管道全借、语义全留、钉版本、有替身、无常驻。

新旧对照：三种“证据”

人在聊天或文档里说“好了”。回执：机器在状态变更时自动写的一行，带时间和序号。你改下的令：“回执呢？”

看日志、看截图判断“应该没问题”。探针：一段脚本对系统问一个是非题，只认退出码，能重跑。你改下的令：“探针跑了几次，退出码几？”

上线后等用户报错。评测集：固定一组输入和期望，每次改动后重跑出分数。你改下的令：“这次改动，评测分数从几到几？”

三种新做法有一个共同属性：都不是作者写的。文档和截图没有这个属性，所以克老师的探针脚本里写着“文档不算证据”。agent 时代这条更严，模型生成一段“测试全部通过”毫无成本。

证据要有“不是作者写的”这个属性。

五层证据：一件东西从“做出来”到“用上了”

“做完了”到底是哪一步完了？

你网购一件东西，从卖家打包到你用上有五步，每步的证据由不同的人出：卖家出打包照片，质检出检验单，快递出签收记录，你验货签字，最后你真用上了。agent 组织里每个任务也一样。

五层证据。绿色我们已有，白色一半，红色还没有。每层由不同的人或程序产生。

前几课的词本课的词或我们已有一半还没有

图里颜色是我们的现状。产出有：records 目录加校验和，作者出的，只证明存在不证明对。验证一半：克老师的探针骨架在，大多数任务没接。送达有：站内信的三级回执，集团最健康的一块。接受一半：靠人在站内信里回一句，没有统一对象；规矩已定，消费者不能是作者。结果没有：136 号那条偏航信号说的就是它，“家页面显示成功，但消费者续不上原任务”。

去掉这个分层会坏哪件事？所有人都会把第一层当第五层：作者说做完了，就当消费者用上了。今天下午我那次部署就是这样。

“成了”要说是哪一层成了；作者只能证明第一层。

核心词：探针

一个非作者出的证据，最便宜的形状是什么？

类比。烟雾报警器上有个测试按钮，按一下响了才算装好。你不会靠安装工说“装好了”，你按那个按钮。探针就是那个按钮。

例子。修 Telegram 那天，我没有说“修好了”，我让站内信发一条给自己再收回来，拿到编号 395 和 396 两条回执。这就是一次探针：问题是“回路通不通”，答案是两条机器写的行。克老师的八条判据探针更严：对空日志必须判零分，对绿色样本必须判满分，两个方向都测，防止探针写成“永远为真”。

白话。探针是一段脚本，对系统问一个是非题，只认退出码零或非零，随时能重跑。它不看文档，不读模型的话。

术语。probe；退出码 exit code；它填的是五层里的验证层；第 5 课的确定性门认的就是它的答案。前沿的补充是 pass^k：同一探针跑 k 次全过才算过，因为 agent 不稳定，跑一次可能是运气。集团核心流程建议 pass^3。

本课的词从哪几课长出来。

探针是烟雾报警器的测试按钮：不信安装工，按一下。

工作样例：一条坏命令改成好命令

坏的“课程站部署好了吗？”

改第一步：问层“部署到哪一层了？构建成功是产出层，线上返回 200 才是送达层。”

改第二步：问谁出的证据“200 是谁看到的？脚本 curl 的退出码，还是你看了一眼？”

改第三步：问能不能重跑“把那个 curl 写进部署脚本，每次上传后自动跑；红了就不算部署完。”

三步之后，那条命令从一句问候变成了一个探针加一个门。今天下午的事故，就是因为第二步和第三步都没做。

开源：只讲三个，各一个数一条令

• promptfoo 与 inspect_ai：评测进 CI位置：现成商品，该用。抄：把评测当 CI 步骤、做题和判分分开两段代码。不抄：它们的 SaaS 面板。一个数：pass^3。一条令：“核心流程十条评测每夜跑，红了自动挂义务。”
• OpenTelemetry GenAI 语义约定：trace 的字段名位置：标准，该用名字不用平台。抄：字段名，一次埋点属性带票、成员、编队。不抄：Langfuse 那类托管平台，JSONL 仍是真源。一个数：一种格式。一条令：“records 目录统一成一种 JSONL，字段用它的名。”
• halo-record：证据不可篡改位置：偏自研的小件，参照。抄：每条记录带上一条的校验和，改一条后面全对不上；纯标准库五千行。不抄：它的报告界面。一个数：零依赖。一条令：“工具动作收据加哈希链，一个下午能审完。”

关键词卡（三张）

五层证据产出、验证、送达、接受、结果，每层由不同的人或程序出证据。一句“做完了”。送达最强，结果最弱。第 6 课 · 命令：“这个成了是哪一层成了？” · 不是：进度百分比

探针 probe一段脚本对系统问一个是非题，只认退出码，能重跑。看日志、看截图、听作者说。八条判据探针，骨架有肉没有。第 6 课 · 命令：“票没探针不开工” · 不是：单元测试的别名，它测的是活的系统

消费者不是作者接受层的证据必须由非作者产生。自己验自己。验收三级写了，对象没有。第 6 课 · 命令：“谁是消费者？他验了吗？” · 不是：多一道审批

本课其余的词（回执、评测集、pass^k、trace、哈希链、失败码）已进术语手册的“观测与验证”一节，不要求本课记住。

三问，先不看答案

1. 站内信的 READ 回执证明了五层里的哪一层？
2. 为什么“测试全部通过”这句话在 agent 时代比以前更不能信？
3. 我今天部署出的错，缺的是哪一层证据？

忍不住要看答案？下一课开头会揭，现在点开也行。

送达层，不证明接受和结果。因为它是作者或模型生成的文字，成本为零，只有非作者产生的退出码、回执、分数才算验证。验证层，上传没绑在构建的退出码上。

只要记住三块：五层证据、探针、消费者不是作者。下一课第 7 课收口：指挥清单。把六课的“指挥官怎么下命令”合成一张手机里的卡，按派活、验收、出事、选型、迁席五个场景，每场景五问；出事那一格讲偏航五信号怎么对象级止损。

来源

集团部分：aios-comm 回执表结构；克老师 46 号 v1.3（验收三级、八条判据探针）与 136 号 v2 §8；wemux 对照卡里五层证据的定义。前沿项目由 Grok 多轮经 GitHub API 核证（2026-08-27 至 09-11）。

1. τ-bench，pass^k。arxiv.org
2. promptfoo。github.com · inspect_ai。github.com
3. OpenTelemetry GenAI semantic conventions。opentelemetry.io
4. halo-record。github.com