063 · Agent 何時才算真正完成

這場拆解「完成」背後藏著的多重營運主張，說明 Paperclip 如何用 liveness 模型，在讓 agent 持續推進與確保品質之間抓平衡。

2026-07-127:13Dotta（Paperclip）Agent開發工具評估看原片

原標題：What Does Done Even Mean? Agents and Paperclip's Liveness Model - Dotta, Paperclip

重點摘要

綠色勾選蓋不住差異agent 開 PR、過測試、關 issue 看起來像做完了，但「能合併」「能部署」「能對客戶宣布」其實是完全不同層級的主張，多數系統卻把它們壓成同一個勾選。
人力查核跟不上產出agent 產出程式與文件的速度已經超過人力所能驗證的量，這反而變成一種新的失效模式：agent 製造出來的工作量比人有時間查核的還多。
完成要有實質內容真正的「完成」不只是狀態被改成 done，而是要有可驗證的成果、對照的標準、證據，還要清楚知道下一步該交給誰。
全靠人審會卡死，全無審核會變質任務全部靠人力簽核，正確性有保障但流程會卡住不動，甚至流於形式；完全沒有審核則會失去品質控管，長遠來看比什麼都不做還糟。
liveness 與驗證要抓平衡Paperclip 設下三條底線，確保工作持續推進、只有真正的阻礙才能擋下工作、迴圈必須有界，並用明確的 blocker、reviewer／approver 設定與 watchdog 機制去落實。
把完成當物件而不是布林值完成應該拆成成果、範圍、標準、證據、簽核者、風險與下一步這幾件事，分開定義，而不是一個開關。

時間軸

時碼點下去會跳到影片的那一段。

時碼	段落	重點
00:00	開場情境	Agent 開 PR、過測試、更新文件、關 issue，看起來像做完了，但這樣算不算真的「完成」，是這場要拆解的問題。
00:15	講者與命題	Dotta（Paperclip 創辦人）指出，多數 agent 系統把「能合併」「能部署」「能宣布」這些不同層級的主張，通通壓成同一個綠色勾選。
00:34	問題所在	agent 產出程式與文件的速度已超過人力查核的量，這變成一種新的失效模式：產出的工作比人有時間驗證的還多。
00:50	完成的定義	「完成」不是狀態被改成 done，而是要有可驗證的成果、對照的標準、證據，並清楚知道下一步的負責人是誰。
02:00	人力把關的極限	當所有任務都要靠人力簽核，數量一多就會流於形式，變成講者所說的「驗證劇場」，而不是真正的品質把關。
02:40	進度與正確性的拉鋸	人工審核能確保正確，卻也讓任務卡住不動；Paperclip 想在「持續有進度」與「確保被驗證」之間抓平衡。
04:05	三個不變量	Paperclip 對代理工作流設下三條底線：工作要持續推進、只有真正的 blocker 能擋下工作、迴圈必須有界，不能無限循環。
04:39	Watchdog	watchdog 是一種被賦予目標的 maximizer 代理人，負責督促所有 agent 做到目標達成為止，且不綁定特定 harness，可跨 Pi、OpenClaw、Hermes、Claude Code、Codex 使用。
05:59	團隊實作建議	講者建議把驗證者跟作者分開（通常換一個不同的模型）、要求 agent 提供具體證據而不是只回答「做完了嗎」，並讓每個 agent 都清楚工作要交給誰。

值得記的話

名詞與人物

Dotta	Paperclip 的創辦人，這場的講者。
Paperclip	講者打造的 agent 任務管理系統，核心是判斷任務何時真正完成的 liveness 模型。
liveness	這場脈絡下指工作能持續往前推進、不被卡住的狀態，要跟人工驗證的正確性互相平衡。
watchdog	Paperclip 裡的一種 maximizer 代理人，被賦予目標後會持續督促其他 agent 完成，且不綁定特定 harness。
verification theater	講者用來形容人力簽核多到流於形式、無法真正把關的狀態。
chain of custody	講者強調每個 agent 做完工作後要清楚知道下一步交給誰，形成可追蹤的責任鏈。

延伸

Pi、Hermes 等其他 agent harness：只被點名是 watchdog 相容的例子，沒有進一步說明各自差異。
task dependency tree、idempotent checkout 等控制平面細節：提到會讓 liveness 與驗證變複雜，但沒有展開實作方式。
驗證者該換哪個模型：提到驗證者通常會換成不同的模型，但沒有說明怎麼挑選。