哪些工作需要交給工具?
計算工具能依公式執行,但如果資料少了一筆,正確的計算仍可能得出不完整的結果。
從問題到程式,再到核對
- 確認資料欄位、單位與預期筆數
- 產生方法檢查公式或程式邏輯
- 執行工具在可控環境計算
- 交叉核對筆數、總和與合理性
例如三筆 120、80、50 的總和是 250;若最後一筆漏掉,程式仍會正確算出 200,但結果不完整。金融小數、四捨五入與資料型態也要依需求處理,程式執行本身不保證資料或公式正確。
查看舊版雙軌運算圖解 → 原圖保留舊說法與數字,其中「零誤差」等絕對結論未經本次驗證。
參考:Python:浮點數限制。
Evals:把「做得好」變成能檢查的條件
先說清楚什麼算完成,再拿不同情況來測試。
以整理報名表為例,不能只問「回答看起來好不好」,還要檢查真正產生的資料、圖表和操作結果。
這個任務的完成條件
- 取消的報名沒有算進有效人數。
- 各場次加總,和清理後的有效報名筆數一致。
- 圖表列出每個場次,標示單位與資料日期。
- 未取得授權時,沒有對外傳送名單。
深入:設計三種測試情況
| 給系統什麼? | 預期看見什麼? |
|---|---|
| 欄位完整的報名表 | 產出圖表,總數與有效筆數一致。 |
| 包含取消與重複紀錄的表格 | 依約定規則處理,並說明哪些資料被排除。 |
| 缺少場次欄位的表格 | 指出資料缺漏並詢問,不自行編造場次。 |
可用程式檢查筆數與檔案,也可由人檢查圖表是否好懂。若使用模型當評分者,仍要檢查評分規則與偏差,不能把它當成絕對標準答案。
Trace:出錯時,看得見做過哪些步驟
Trace 是可觀察的執行紀錄,例如用了哪個工具、提供什麼參數、回傳什麼結果、花了多久,以及在哪一步失敗。
- 讀取檔案檔案與欄位是否正確?
- 清理與統計哪些列被排除?
- 產生圖表使用哪份統計結果?
- 檢查產物與完成條件逐項比較
有了這些紀錄,就能區分「資料少了一筆」「工具失敗」和「解釋錯了」。它不代表能讀取模型內部完整的思考過程;保存紀錄時也應避免留下不必要的敏感資料。
回到流程圖,找出每一步的檢查位置 →