如何判断系统真的做对了？
同样是一个好结果，你可能在检查三件不同的事。选一个最接近手头问题的入口。
检查代码和输入
从一个正在通过的测试出发，追到判断规则和当时的数据。
为什么测试全绿，程序还是错了？ →Gary Bernhardt 的隔离测试和 Andrej Karpathy 的训练演示里，代码出错时，屏幕上都可能传来好消息。测一条业务规则，为什么要连数据库？ →把「谁该收到提醒」单独拿出来，就能分别检查规则是否正确、通知能否送达。用户今天续费了，还能解释昨天那封催缴邮件吗？ →一次判断要能重现，除了规则本身，还需要当时交给它的那份数据。检查衡量结果的尺子
先看考题测到了什么，再看系统主动追分时会发生什么。
公开考题拿了高分，换道新题还会吗？ →一张排行榜能帮你挑出值得试的模型。要判断它能否解决你手上的问题，还得知道那些分数是怎么来的。为什么越努力追分，结果反而越奇怪？ →游戏程序按下暂停键和语言模型迎合偏好评分，揭示了给优化程序设目标时容易漏掉的条件。