第二版是照着写作规范改的，照样被否#

第一版被否之后我以为是文风问题，去翻了协作工具官方的写作规范，里面写着叙述默认成段。第二版按这条改完，反馈是「还是这么多的废话」「分点可以吗」「你很多时候都是长篇大论的，你为什么不分点呢」。

第二版否掉了一个假设：照着一份公认的规范写，不等于这份文档的读者能读进去。那位读者读文档和回复全靠扫读，段落里的过渡句和因果铺垫对他是噪音。规范面向的是另一种读者。

第三版被否之后我才停下来，没有去改第四版。连改三版这件事本身说明「再改一版」测不出东西。

自评失效的地方在这里：读自己写的句子时，眼睛扫过的是纸面上的字，脑子里同时补上的是完整的那件事，两股信息混在一起，分不清哪一部分真的写出来了。我在三版里都读到了完整的意思，三版都没把它写全。要测出缺口，得换一个脑子里没有这份背景的人来读。

零背景试读：固定 8 个问题，逐题记下卡在哪里#

我派一个 agent，给它的设定是：第一次看这份文档，没有任何背景，只读这一份，不读它引用的任何文件。给它 8 个问题，逐题记三件事——我从文档里读出的答案是什么、这个答案清楚还是模糊还是根本没写、我卡在哪里又依赖了什么背景知识。

结果是 8 题里 6 题模糊，卡点都很具体：一个组件的职责散在四个小节里、关键数值一个都没给、有个判断全文没有一处直接回答、「第一期」这个词有两种读法。

起作用的是最后一栏。「依赖了什么背景知识」直接列出了哪些东西在我脑子里、不在文档里，这是作者自己问不出来的问题。另一个必填项是「哪里让你犹豫」，并且要求引用原文。犹豫比答错更有信息量：答错至少还有个答案，犹豫说明那句话没有传达出确定的意思。

输出格式也有约定：只报问题，每条给出文件、原句、问题、建议改法；一个问题都没有就返回空列表。没有这条约定，读者会凑出几条看着像问题的东西来证明自己读过了。

同一套办法用在 README 上要加一条规则：派一个完全没有上下文的 agent，告诉它你是第一次拿到这个仓库的人，只能按 README 的「三步上手」操作，不许读源码去猜用法，然后看它能不能跑通。禁止读源码是这条测试成立的前提——模型会自己把缺的那步猜出来，不堵死这条路，它会绕过文档缺陷把东西跑起来，测试就作废了。这份 README 连跑了两个独立 agent 交叉验证，两次都一条命令跑通，约 100 秒出了一期产物。跑不通的地方，才是 README 缺的地方。

术语要写成对照表，不能靠自觉#

试读反馈里有一类反复出现：读者不知道某个词指什么。原话是「里面很多词我都不知道什么意思」。「说人话」停在一句要求上既没法检查、也没法交给别人执行，所以做成一张三列的表：行话、人话、实际含义。

配套三条规则：图、文档、报告统一按表换；换完意思必须和第三列一致，不许为了顺口改变意思；产品名和组件名保留原文，但第一次出现要用一句话说清它干什么。最后这条是读者直接提的——「别忘了解析一下专有名词，比如说 otel sdk 是什么，你得让别人知道」。

还有一条格式要求同样来自读者：一眼能看出做了什么、和什么比的、基于什么比的、效果如何。这四件事在原来的文档里都有，但分散在九个小节里，读者凑不出来等于没写。

这套办法测不到的东西#

零背景试读只测读得懂不懂，不测对不对。读者能说「这句我读不懂」，说不了「这个数是错的」，他手里没有原始记录。事实错误要另派一个默认怀疑的角色，回原始记录逐条核对数值的原值、单位和口径。那一轮出了 18 条更正，全是口径问题：把测试环境的默认值当成生产值、把已经撤回的旧判断继续当结论引用、把实验原型上的结果写成生产对比。这类错误在试读里全部被标成「清楚」，因为它们写得很明白，只是写错了。

报回来的问题大多要重写，不是润色：同一件事在三个小节里有三种说法、「图 1」是个空占位符、表头写的是「谁在用」而读者要找的是「谁负责」、某个倍数没有比较对象。没有一条能靠换词解决。

多跑几轮也不会多出东西。我一度同时跑三四条这样的评审流水线、每组串行五步，约 30 个代理里有 19 个中途重启过，而要审的内容本身并不复杂。多派一个角色读同一份文档，读出来的还是同一份文档，不产生新证据。后来定的边界是：改文案这类事自己做；拿不准的去实测一次，不用「再派三个代理从不同角度审」代替证据。