当天目标：用"验收闭环"让 Codex 自己证明任务完成，而不是你盲信它说的"好了"。

为什么"放手"不等于"不管"

Day 2 你学会了收权限，Day 3 学会了教约定。但还有最后一个坎：你让它干完一件事，它说"做完了"，你信不信？

答案是：别信它说，让它证。这就是验收闭环——你下任务时就把"怎样算完成"写清楚，它做完必须对照那条标准自证。OpenAI 团队内部流传一句话："有雄心没有验证，不过是个愿望。"

一个你现在就能复现的实验（就知道为什么需要验收）

这一条别读，直接跑：给 Codex 下这个任务，然后别看它说"完成"，直接去看测试文件。

给 utils/ 加个 slugify 函数 + 测试，Done when：npm test 全绿、测试里有对 slugify 的 assert。

它大概率能跑通。但请故意做一件事：把 Done when 里的"有 assert"去掉，只说"加个测试"，再看它写出来的测试——常会是 print(slugify("你好 World")) 而没有 assert，或者 slugify 对中文直接返回空串。它在"完成"的定义里，把"文件存在"当成了"功能正确"。

验收闭环要做的，是逼它证明"测试真跑了、真绿了"，而不是"我写了测试"。

提示四要素：Goal / Context / Constraints / Done when

下任务时，把下面四块写全：

• Goal：要达成什么。
• Context：背景、相关文件、已知约束。
• Constraints：红线（别动哪些、必须过什么）。
• Done when：怎样算真完成——必须可验证。比如"测试全绿且 npm run build 通过"，而不是"功能实现"。

可复制的验收提示词骨架：

Goal：给 utils/ 加 slugify 函数，处理中英文。
Context：TS 项目，strict 模式，现有测试用 vitest。
Constraints：不引入新依赖；不动其他文件。
Done when：
- `npm test` 全绿，且测试里包含对 slugify 的 assert（不是 print）；
- 中文输入 "你好 World" 返回 "ni-hao-world"；
- `npm run build` 通过。

模糊的 Done when（"做好就行"）等于没验收——它说自己好，不等于真做好了。

长任务怎么不失控：compact / 新 Thread / worktree 三选一

上下文会满，满了对齐就崩。三个手段按场景选：

• /compact：一段对话跑太久、开始胡说前，把已完成部分压成摘要腾空间——同一任务继续时用。
• 开新 Thread：任务之间毫无关联（比如一个在改前端、一个在写后端文档），别塞同一条线，新开一条避免上下文互相污染。判断标准：上一条任务的背景，下一条用不上，就开新的。
• git worktree：一个大任务要拆多路并行（比如"重构三个模块"），每条开独立 worktree + 分支，各管各的，主线程只收结果，避免互相踩。

判断口诀：同一任务接着干用 compact，不相干任务开新 Thread，要并行才用 worktree。

把多 Thread 当产能，不只是防污染：① 每条线挂一个独立、可验收的目标，你从执行者变成调度者，轮流验收；② 只要动同一批文件，就必须配 worktree，否则两条线会互相踩。

验收闭环实操 + 代码评审

回到 Day 1 那个小任务，今天升级：下任务时写全四要素，特别是 Done when。它做完，你实际看它执行的命令和测试结果，对照 Done when 逐条勾。勾满了才算过，勾不满打回去重做。

进阶：让 Codex 自己审自己。用 /review 命令（或让它在计划阶段产出 PLANS.md、在改动后产出 code_review.md），把"它认为完成了"和"它自己复检的结论"都留痕，你再对照 Done when 收口。

它跑完改动后产出的 code_review.md 大致长这样（节选）：

## 改动概述
在 utils/ 新增 slugify，处理中英文；新增 slugify.test.ts。

## 自检验证
- [x] npm test 全绿
- [x] "你好 World" → "ni-hao-world"
- [x] npm run build 通过

## 风险点
- slugify 暂未处理 emoji，极端输入可能返回空串（已记入 Memories 待跟进）

拿这份对照 Done when 逐条勾，比听它说"完成"靠谱。空着的勾就是打回去的理由。

三个锦囊

1. 每个任务都写 Done when，且必须可验证。"功能实现"不是验收标准，"测试绿 + build 过 + 含 assert"才是。
2. 长任务中途 /compact，别等上下文爆了才救；大任务拆 worktree 并行。
3. 它说"完成"先别信，看实际命令和测试结果，对照 Done when 逐条勾；用 /review 让它自己复检。

自测标尺（用动作验证）

• [ ] 你给任意一个任务写出了可验证的 Done when（含具体 assert / 命令），不是"做好就行"。
• [ ] 你实操过一次"对照 Done when 验收并打回"，而不是只看它说"完成"。
• [ ] 你知道 /compact 干嘛用；跑过长任务中途 compact 过。
• [ ] 你用过 /review（或产出 code_review.md）让它自己复检。

效率日志

任务	手动做要几分钟	Codex 做+你验收几分钟	打回几次
带四要素的任务 + 验收打回	___	___	___

---