以下人物、公司与数字均为教学假设,不构成对任何真实产品的评价。
前两节把任务规格拆成四要素,又把验收标准拆成硬性和抽样。拆完之后,评审会上仍然会剩一个问题:这份规格到底能不能开工?四要素都写了,但有的写得实、有的写得虚;验收标准有两条,但一条能机器判、一条只能靠人感觉。需要一个可复算的分数,把「写了」和「写到位」分开。
这一节在 aia-lab 里实现两套评分。第一套是规格完备性:8 项,每项 0/1/2,满分 16,12 分放行。第二套是自主度:4 维,每维 0/1/2,满分 8,按圣经第 6 节的规则定档。两套分数回答不同问题,不能互相替代。
两套分数,两种用途
先把两套分数的分工说清楚,否则很容易把它们混成一个「综合分」。
| 分数 | 回答的问题 | 满分 | 放行线 | 用在哪里 |
|---|---|---|---|---|
| 规格完备性 | 这份规格能不能开工 | 16 | 12 | 规格评审、试点准入 |
| 自主度 | 这个任务最多能承担到哪一档 | 8 | 不设放行线 | 定档讨论、责任分配 |
| 15 项任务定义评审 | 这个任务定义做得好不好 | 30(单卷) | 全书 72/90 | 全书评审、成熟度自评 |
三套分数各有各的坐标系,不能直接相加,也不能互相换算。规格完备性 14 分不代表任务定义评审 14 分;自主度 6 分也不代表规格已经完备。它们分别看「写没写全」「能担多少」「做得好不好」。
这一节只实现前两套。第三套在附录 C 和第 13 章展开,本节只在对照时提一句,避免读者把三个分数混成一个。
8 项规格评分
8 项来自四要素的展开:输入、输出、代价各一项,验收拆成硬性与抽样两项,再加上失败模式、接管路径、人工基线三项。每一项 0/1/2 分,2 分是「写到位」,1 分是「写了但不够」,0 分是「没写」。
| 项 | 2 分 | 1 分 | 0 分 |
|---|---|---|---|
| 输入清单三类齐全 | 用户给、系统给、禁止用都具体 | 写了但缺一类或太笼统 | 只有一句「读取相关数据」 |
| 输出形态与字段明确 | 三选一,交付字段齐全 | 选了三选一但字段不全 | 只写「输出结果」 |
| 至少一条硬性验收 | 有可机器判定的硬门槛 | 有标准但判定方式不清 | 只有主观描述 |
| 至少一条抽样验收 | 抽样比例、单次成本都写清 | 有抽样但比例或成本缺失 | 没有抽样安排 |
| 代价上限分人工与系统 | 两栏都有数且可复算 | 只有一栏或数字拍脑袋 | 没有代价上限 |
| 至少列出四种失败 | 四类失败各有表现与处理 | 列了但不足四种 | 没列失败模式 |
| 接管路径与耗时估值 | 谁接、多久接、接到什么状态 | 有路径但没有估值 | 没写接管 |
| 人工基线可复算 | 基线有出处且能复算 | 有数字但出处不清 | 没有基线 |
8 项满分 16,放行线 12。12 分不是「平均 1.5 分」的巧合,而是「大部分项写到位、少数项允许 1 分」的门槛。低于 12 分,通常意味着有两项以上是 0 分或三项以上是 1 分;这时规格的短板已经明显到会影响试点。
放行线 12/16 是实验室的规格门,不是 45 项评审的 72/90 通过线。两者分母不同、用途不同,不能互换;一个是「这份规格能不能开工」,一个是「这个任务定义在三卷里能得多少分」。
三案例的规格分
把三案例代入 8 项,得到下面的分数:
| 项 | A Relay | B Quill | C Runner |
|---|---|---|---|
| 输入清单三类齐全 | 2 | 2 | 2 |
| 输出形态与字段明确 | 2 | 2 | 2 |
| 至少一条硬性验收 | 2 | 2 | 2 |
| 至少一条抽样验收 | 1 | 1 | 2 |
| 代价上限分人工与系统 | 2 | 1 | 2 |
| 至少列出四种失败 | 1 | 0 | 2 |
| 接管路径与耗时估值 | 2 | 1 | 2 |
| 人工基线可复算 | 2 | 2 | 2 |
| 合计 | 14 | 11 | 16 |
A 14 分,通过;C 16 分,通过;B 11 分,低于 12,不放行。B 的短板集中在三处:代价上限只写了一栏、失败模式没列全、接管路径没有耗时估值。这三项都不是「模型不行」,而是规格没写到位。
B 的 11 分值得单独说。B 的任务定义评审得分是 18/30,在三案例里最低;规格分 11/16 也最低。两个分数方向一致,但不能因此说它们是一回事:18/30 是 15 项评审的结果,11/16 是 8 项规格检查的结果;它们只是恰好都指出了 B 的短板。
C 的 16 分是满分。这不代表 C 的产品最好,只代表它的规格写得最全:输入、输出、验收、代价、失败、接管、基线都有具体内容。规格满分是「可以开工」的信号,不是「可以全量上线」的信号;C 的放量仍然要走影子、5%、20%、60% 的阶梯。
自主度四维打分
自主度用圣经第 6 节的四维模型:错误代价、可回滚性、审计有效性、时延容忍。每维 0/1/2,满分 8。定档规则是:7 分及以上可执行,5–6 分审批,3–4 分草稿,2 分及以下建议。
| 维度 | A Relay | B Quill | C Runner |
|---|---|---|---|
| 错误代价 | 1 | 1 | 1 |
| 可回滚性 | 2 | 2 | 1 |
| 审计有效性 | 2 | 1 | 2 |
| 时延容忍 | 0 | 2 | 2 |
| 总分 | 5 | 6 | 6 |
| 分数建议档 | 审批 | 审批 | 审批 |
| 实际档位 | 建议 | 草稿 | 执行 |
三个案例的总分是 5、6、6。按分数,三家都落在审批档;按实际,三家分别是建议、草稿、执行。这不是打分表算错了,而是分数和档位本来就不是一回事。
A 的 5 分里,时延容忍是 0 分,因为分诊必须秒级响应;可回滚性和审计有效性都是 2 分。按分数它够审批档,但团队坚持「人在决策链上,不能移除」,所以实际降到建议档。这是全书要讲的第一个例外:分数只回答「能不能」,不回答「该不该」;组织接受度是一条分数之外的线。
B 的 6 分里,时延容忍是 2 分,审计有效性只有 1 分,因为事实错误需要抽样审改才能发现。按分数它也够审批档,但 B 的关键约束是「产出需人加工,审改不可压缩」,所以实际降到草稿档。B 的降档理由不是风险太高,而是责任不能交出去:报告要顾问签字,发布权必须留在人手里。
C 的 6 分里,可回滚性只有 1 分,因为并非所有动作都能回滚;审计有效性是 2 分,时延容忍是 2 分。按分数它只够审批档,但实际是执行档。C 的升档理由不是分数高,而是控制措施把有效风险压低了:86% 的错误可回滚,8% 审计抽检,不可回滚错误率 0.238%,放量只覆盖低中风险动作。分数衡量的是风险画像,不衡量控制措施是否已经把风险压到可接受。
三个案例放在一起,结论很清楚:分数与档位不是线性映射。A 的分数最低,实际档位也最低;B 和 C 分数相同,实际档位一个草稿、一个执行。档位是在分数之上,再叠加组织接受度、责任分配和控制证据之后做出的决定。
代码:两套评分
把两套评分写进同一个模块,但保持各自的类型和函数分开。规格分只回答「能不能开工」,自主度分只回答「分数建议哪一档」;两者不合并成一个综合分。
// file: src/task/03-3-lab-spec-score.ts
// tier: L2
// verify: node --test test/task/03-3-lab-spec-score.test.ts
// 规格完备性 8 项,每项 0/1/2,满分 16,12 分放行;
// 另附自主度四维打分(圣经第 6 节),两者不是同一把尺。
import { byKey, type Autonomy } from "../cases.ts";
export type SpecItem =
| "input-inventory"
| "output-shape"
| "acceptance-hard"
| "acceptance-sampling"
| "cost-ceiling"
| "failure-modes"
| "takeover"
| "baseline";
export const SPEC_ITEMS: readonly SpecItem[] = [
"input-inventory",
"output-shape",
"acceptance-hard",
"acceptance-sampling",
"cost-ceiling",
"failure-modes",
"takeover",
"baseline",
];
export const SPEC_LABEL: Record<SpecItem, string> = {
"input-inventory": "输入清单三类齐全",
"output-shape": "输出形态与字段明确",
"acceptance-hard": "至少一条硬性验收",
"acceptance-sampling": "至少一条抽样验收",
"cost-ceiling": "代价上限分人工与系统",
"failure-modes": "至少列出四种失败",
takeover: "接管路径与耗时估值",
baseline: "人工基线可复算",
};
export type SpecScore = 0 | 1 | 2;
export type SpecScores = Record<SpecItem, SpecScore>;
export const SPEC_MAX = SPEC_ITEMS.length * 2;
export const SPEC_PASS = 12;
export type SpecResult = {
readonly total: number;
readonly passed: boolean;
readonly weak: readonly SpecItem[];
};
export function scoreSpec(scores: SpecScores): SpecResult {
let total = 0;
const weak: SpecItem[] = [];
for (const item of SPEC_ITEMS) {
const value = scores[item];
if (value !== 0 && value !== 1 && value !== 2) {
throw new Error(`spec item ${item} must be 0, 1 or 2`);
}
total += value;
if (value < 2) weak.push(item);
}
return { total, passed: total >= SPEC_PASS, weak };
}
// 三案例的规格分:A 14,B 11,C 16。B 低于 12,先补规格再谈试点。
export const SPEC_SCORES: Record<"A" | "B" | "C", SpecScores> = {
A: {
"input-inventory": 2,
"output-shape": 2,
"acceptance-hard": 2,
"acceptance-sampling": 1,
"cost-ceiling": 2,
"failure-modes": 1,
takeover: 2,
baseline: 2,
},
B: {
"input-inventory": 2,
"output-shape": 2,
"acceptance-hard": 2,
"acceptance-sampling": 1,
"cost-ceiling": 1,
"failure-modes": 0,
takeover: 1,
baseline: 2,
},
C: {
"input-inventory": 2,
"output-shape": 2,
"acceptance-hard": 2,
"acceptance-sampling": 2,
"cost-ceiling": 2,
"failure-modes": 2,
takeover: 2,
baseline: 2,
},
};
export type AutonomyDimension =
| "error-cost"
| "rollback"
| "audit"
| "latency";
export const AUTONOMY_DIMENSIONS: readonly AutonomyDimension[] = [
"error-cost",
"rollback",
"audit",
"latency",
];
export type AutonomyScore = 0 | 1 | 2;
export type AutonomyScores = Record<AutonomyDimension, AutonomyScore>;
export const AUTONOMY_MAX = AUTONOMY_DIMENSIONS.length * 2;
// 圣经第 6 节的定档规则:7 分及以上执行,5 到 6 审批,3 到 4 草稿,2 分及以下建议。
export function bandFor(total: number): Autonomy {
if (total >= 7) return "execute";
if (total >= 5) return "approve";
if (total >= 3) return "draft";
return "advise";
}
export function scoreAutonomy(scores: AutonomyScores): {
readonly total: number;
readonly band: Autonomy;
} {
const total = AUTONOMY_DIMENSIONS.reduce(
(acc, dimension) => acc + scores[dimension],
0,
);
return { total, band: bandFor(total) };
}
export const CASE_AUTONOMY: Record<"A" | "B" | "C", AutonomyScores> = {
A: { "error-cost": 1, rollback: 2, audit: 2, latency: 0 },
B: { "error-cost": 1, rollback: 2, audit: 1, latency: 2 },
C: { "error-cost": 1, rollback: 1, audit: 2, latency: 2 },
};
export type CaseSummary = {
readonly key: "A" | "B" | "C";
readonly specTotal: number;
readonly specPassed: boolean;
readonly autonomyTotal: number;
readonly recommended: Autonomy;
readonly actual: Autonomy;
readonly deviates: boolean;
};
export function summarize(): readonly CaseSummary[] {
return (["A", "B", "C"] as const).map((key) => {
const spec = scoreSpec(SPEC_SCORES[key]);
const autonomy = scoreAutonomy(CASE_AUTONOMY[key]);
const actual = byKey(key).autonomy;
return {
key,
specTotal: spec.total,
specPassed: spec.passed,
autonomyTotal: autonomy.total,
recommended: autonomy.band,
actual,
deviates: autonomy.band !== actual,
};
});
}
代码里的 scoreSpec() 遍历 8 项,每项校验 0/1/2,累计总分并记录低于 2 分的弱项。SPEC_PASS = 12 是放行线;weak 用来告诉评审「哪几项还差一口气」,而不是只给一个总分。
scoreAutonomy() 遍历 4 维,累计总分后用 bandFor() 定档。bandFor() 的边界是 7、5、3:7 分及以上执行,5–6 审批,3–4 草稿,2 分及以下建议。这个规则直接来自圣经第 6 节,不在代码里另设一套。
summarize() 把两套分数和实际档位放在一行,deviates 标记「分数建议档」和「实际档位」是否不一致。三案例的 deviates 都是 true;这不是代码 bug,而是产品事实。评审时看到 true,不应该去改分数,而应该去读对应的约束:A 是组织接受度,B 是审改不可压缩,C 是控制措施把风险压低了。
怎么用分数做放行决定
两套分数不是用来排名的,而是用来做两类不同的决定。
第一类决定:这份规格能不能开工。 看规格分。低于 12 分,不进试点;先补弱项,再重新打分。B 的 11 分就是一个例子:它的任务值得做,自主度分数也不低,但规格没写全,所以不能开工。补什么?补代价上限的第二栏、四种失败模式、接管路径的耗时估值;补完之后重新跑 scoreSpec()。
第二类决定:这个任务最多能承担到哪一档。 看自主度分和实际约束。分数给出一个起点,实际档位要再问三个问题:组织愿不愿意把责任交出去?责任交出去之后,审改或发布权还在不在人手里?控制措施有没有把有效风险压到可接受?三个问题有答案,档位才是可执行的。
两类决定不能合并成一个「综合分」。合并之后,团队会用高分掩盖短板:规格分高,就说可以全量上线;自主度分高,就说不用写规格。两者都不是事实。规格分高只说明写全了,自主度分高只说明风险画像好看;能不能上线,还要看试点数据、放量规则和接管能力。
小结
- 规格完备性 8 项,每项 0/1/2,满分 16,12 分放行;它回答「这份规格能不能开工」。
- 自主度 4 维,每维 0/1/2,满分 8;它回答「这个任务最多能承担到哪一档」。
- 三案例规格分是 14、11、16:A 和 C 通过,B 低于放行线,先补规格再谈试点。
- 三案例自主度分是 5、6、6:按分数都落在审批档,实际分别是建议、草稿、执行。
- 分数与档位不是线性映射;A 因组织接受度降档,B 因审改不可压缩降档,C 因控制措施升档。
- 规格分 12/16 是实验室放行线,不是 45 项评审的 72/90 通过线;两者分母和用途都不同。
- 弱项列表比总分更有用;评审要问「哪几项还差一口气」,而不是只问「多少分」。
- 两套分数不能合并成一个综合分;合并会用高分掩盖短板。
阅读导航:上一节:3.2 从「答得好」到可判定的验收标准 · 下一节:4.1 输入清单:用户给、系统给、不许用 。
常见错误与边界
- 把规格分和评审分混为一谈。 规格分 14/16 和任务定义评审 22/30 是两个坐标系;前者管「能不能开工」,后者管「任务定义做得好不好」。
- 把自主度分直接当档位。 分数只回答「能不能」,不回答「该不该」;A 的 5 分按规则是审批档,实际是建议档,原因是组织接受度。
- 为了凑分改分数。 看到
deviates为 true 就去调分数,是把产品事实改成代码事实;正确动作是去读约束,而不是改评分。 - 只看总分不看弱项。 14 分和 16 分都可能有一项 1 分;弱项列表告诉你试点前该补什么,总分只告诉你过没过线。
- 把 12/16 当成 72/90 的缩小版。 两个放行线的分母、用途和评判对象都不同;不能用一个的比例去解释另一个。
- 把规格满分当成上线许可。 C 的规格分是 16/16,但它的放量仍要走影子、5%、20%、60% 的阶梯;规格满分只说明可以开工。
第 3 章到这里结束。任务规格从四要素写到验收标准,再到可复算的评分,已经能回答「这份规格能不能开工」。第 4 章开始处理规格里的第一要素:输入清单,看看用户给、系统给、不许用这三类边界怎么画。
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。