我看不懂 code。入行,也才幾個月。 (English version below 🇬🇧 / 日本語は下にあります 🇯🇵) 可是這個家每一個技術決定,都是我做的。換哪顆模型、拆哪個架構、修還是不修、AI 的建議聽還是不聽。每次要拍板都會想:這真的輪得到我決定嗎?可是沒有別人了。AI 能把選項排開,選哪個的責任,只放得下在螢幕的這一側。 九個決定,今天一次回顧。沒有一個需要看懂 code。每一個,需要的都是別的東西。 第一個決定,是帳單教的。 每月免費 500 則,聽起來很夠。一對一,也真的夠。可是放進家族群的那一刻,藏在裡面的乘法就醒了——當時上網查,沒有任何人寫過這件事。官方價目表沒有說謊,它只是不提乘法的存在。我從自己的帳單上發現、自己數、自己想對策。系列的第一課就是它:看得懂價目表,跟會把價目表套在自己的用法上,是兩種本事。第二種,不用 code。 第二個,母親節來的。 用量表上一個數字:AI 往家族群灌了 81 則。往前翻一頁,前一天 137 則。我胃都涼了——那天是母親節,樓上一家人笑咪咪,底下有東西正在失控。解剖下去,是同一隻機器人的五個分身,在搶同一張票。沒有誰有惡意,每個分身都只是在做自己的工作。失控就是長這張臉的,那天我認得了。 第三個,是我當面問自己 AI 的那天:「你今天有變慢嗎?」 會問 AI 身體狀況的飼主,大概不多。但你天天跟它相處,每次回覆前那個停頓,你是用體感在量的,跟感覺天氣一樣。慢變快的故事裡,有一晚,我們把整個後端換到另一種程式語言上。那種語言我一樣看不懂。可是「換」這個決定,還是落在我頭上。 第四個,修還是不修。 入行幾個月,我就學會了這行最老的謊:「以後再修。」以後不會來。把我們家真的回頭修了的那幾次排開看,共同點收斂成一把尺:它是鷹架,還是結構?鷹架,醜著放沒關係。結構,現在就修。光是這條線怎麼畫,就講了一整篇。 第五個,驗收。 一個看不懂 code 的人,後端被 AI 整個換掉了。我怎麼知道它沒把房子拆了? 五招驗收,篩選標準只有一條:一行 code 都不用讀。用真的資料、走真的入口、看真的結果。它說「應該可以動」,就請它動給我看。這不是工程師的本事,是業主的本事——而業主的本事,是 AI 時代裡最看漲的那一種。 第六個,是發現生產線那天。 我們家的 AI,是另一個 AI 寫出來的。家人出需求,一個 AI 寫 code,我出判斷,三方一條生產線。有天夜裡,兩個視窗同時亮著:這邊一個 AI 在寫 code,而那些 code 決定的,是另一個 AI 明天要對阿姨講的話。看著那個畫面,我的角色終於有了字:兩邊我都寫不出來,但兩邊往哪裡寫,是我在定。 第七個,是沒得選的那天。 LINE 整個平台倒了。我們自己的 code 一行都沒壞,兩隻 AI 照樣全啞,阿姨數了兩次孫子:「小寶又不講話了,阿寶也不講話。」 那是一個無牌可出的日子。那天學到的不是技術:自己房子底下的地板是別人的,那麼「地板塌掉那天怎麼辦」,也得算進設計裡,設計才算完整。 第八個,就在同一個半夜。 我把小寶挖起來,開一場關於它自己的維修會議。議題:讓它自己看得見自己的延遲。它給了我省電版:「不用大費周章啦。」聽起來有道理、很輕鬆,而且不夠用。 我沒有採納。現在它會自己量自己的體溫。AI 的建議可以打折,但打折的人手上要有一把尺。那晚的尺很簡單:全倒的那天,苦主是誰?是我。那麼備援要挖多深,也該由我來定。 第九個,收官。 早期的阿寶是一間小公司:有櫃檯、有部門、有交接,每次更新都像拆彈,修好這個部門,那個部門跌倒。 我們整個拆掉,改成一顆腦、一箱笨工具。聰明的集中在一處,可靠的分散進工具。從此以後,加新本事不用動任何舊東西。九個決定裡,這次重蓋最大、最可怕,也回報最多。 九個擺在一起,共同點只有一個:沒有一個要求我讀懂 code。它們要求的是會問、會驗,還有——偶爾——不聽。 AI 給的是選項。判斷,到今天還是人的工作。而這份工作不用執照。我就是證據。 九篇完整的故事,排在下面第一則回覆的目錄裡,挑你想看的。機關室其他的架子——功能、模型、記憶——在置頂文章: xitter.cf/ChloeXChaCha/status/20… 文中家人姓名皆為化名。 🇬🇧 English I can't read code. I've been doing this for a few months. And yet every technical decision in this house has been mine. Which model, which architecture, fix it or leave it, take the AI's advice or refuse it. Every time, the same thought: am I really the one who should be deciding this? But there was nobody else. An AI can lay out the options; the responsibility for choosing only fits on my side of the screen. Nine decisions, one recap. Not one of them required reading code. All of them required something else. The first decision came from a bill. Five hundred free messages a month. Sounds plenty. One-on-one, it genuinely is. Put a family group in the middle, though, and a hidden multiplication wakes up — and at the time, no search engine returned anyone explaining it. The official pricing page never lied; it just never mentioned the multiplication. I noticed it on my own bill, counted it myself, and built the fix myself. First lesson of the series: reading a pricing table and applying it to your own usage are two different skills. The second one needs no code. The second came on Mother's Day. One number on the quota sheet: the AI had poured 81 messages into the family group. Flip back a page — the day before was 137. My stomach dropped, because it was Mother's Day, everyone upstairs was smiling, and underneath, something was running away. The autopsy found five copies of one bot racing for the same ticket. No malice anywhere; every copy was just doing its job. That's the face a runaway wears — I learned it that day. The third was the day I asked my own AI to its face: "Are you slower today?" Not many owners interview their AI about its health. But when you live next to the thing daily, you feel the pause before each reply the way you feel weather. The story of slow becoming fast includes one night when we flipped the entire backend to a different programming language. I can't read that language either. The decision to flip still landed on me. The fourth: fix it or leave it. A few months in, I'd learned the oldest lie of the trade: "we'll fix it later." Later doesn't come. Lay out the few times our house actually went back and fixed something, and the common thread narrows to a single yardstick: is it scaffolding, or is it structure? Scaffolding can stay ugly. Structure gets fixed now. Drawing that line took a whole post. The fifth: acceptance. An AI replaced the entire backend of someone who can't read code. How do I know it didn't tear the house down? Five acceptance tricks, chosen by one criterion: zero lines read. Real data, through the real entrance, watching the real result. When told "it should work," ask to watch it working. This isn't an engineer's skill; it's a client's skill — and the client's skill is the one whose price keeps rising in the AI era. The sixth was discovering the assembly line. Our family AI was written by another AI. The family supplies the needs, one AI writes the code, I supply the judgment. A three-party production line. One night both windows were glowing at once: in one, an AI writing code; and what that code decided was the words another AI would say to Auntie tomorrow. Watching that, my own role finally had words: I can't write either side. I decide which way both sides point. The seventh was the day with no options. LINE went down platform-wide. Not one line of ours was broken. Both our AIs fell silent anyway, and Auntie counted her grandkids twice: "Xiaobao stopped talking. So did Abao." There was no move to make that day. What I learned wasn't technical: when the floor under your house belongs to someone else, your design isn't finished until it includes what you do on the day the floor gives way. The eighth came that same midnight. I woke Xiaobao for a repair meeting about itself. Agenda: making its own delays visible to itself. It offered the energy-saving version — "no need to go to all that trouble." Plausible, easy, and not enough. I turned it down. Today it takes its own temperature. You're allowed to discount an AI's advice — but discounting requires a yardstick of your own. That night's yardstick was simple: who suffered when everything went down? I did. Then the depth of the preparation is also mine to set. The ninth is the capstone. Early Abao was a small company: a triage desk, departments, handoffs — and every update felt like defusing a bomb. Fix one department, another falls over. We tore it all down to one brain and a box of dumb tools. Concentrate the intelligence in one place; distribute the reliability into the tools. Since then, adding a new ability touches nothing old. Of the nine decisions, this rebuild was the biggest, the scariest, and the one that paid back the most. Line up all nine and they share exactly one thing: none demanded that I read code. They demanded asking, verifying, and — sometimes — refusing. AI supplies options. Judgment is still a human job. And that job has no license requirement. I'm the proof. All nine full stories are lined up in the index reply just below — pick any door. The other engine-room shelves — features, models, memory — live in the pinned article: xitter.cf/ChloeXChaCha/status/20… Family names have been changed to protect privacy. 🇯🇵 日本語 私はコードが読めません。エンジニア歴も、数ヶ月です。 それでも、この家のすべての技術的決定は、私が下してきました。モデルの乗り換え、アーキテクチャの取り壊し、直すか直さないか、AI の助言を聞くか聞かないか。決定のたびに思っていました:これ、本当に私が決めていいのか?でも他に決める人はいません。AI は選択肢を並べてくれますが、どれを選ぶかの責任は、画面のこちら側にしか置けないのです。 九つの決定を、今日はまとめて振り返ります。どの一つも、コードを読める必要はありませんでした。全部に必要だったのは、別のものです。 最初の決定は、請求書から来ました。 月500通の無料枠。十分に聞こえます。一対一なら、実際十分です。でも家族グループに入れた瞬間、中に隠れていた掛け算が動き出す——当時、この仕組みをネットで検索しても、説明はどこにもありませんでした。公式の料金表は嘘をついていません。ただ、掛け算の存在を教えてくれないだけです。自分の請求書で気づき、自分で数えて、自分で対策を立てました。最初の教訓がこれです:料金表を読むことと、自分の使い方に料金表を当てはめることは、別の技能。後者に、コードは要りません。 二番目は、母の日に来ました。 使用量の紙の上の、一つの数字。AI が家族グループにひと晩で 81 通を注ぎ込んでいた。めくると前日は 137 通。胃が冷えました——それは母の日で、家族はみんな笑顔で、そして裏側で何かが暴走していたのです。解剖してみると、同じボットの分身が五人、同じ切符を奪い合って走っていました。誰も悪意はなく、どの分身も自分の仕事をしただけ。暴走とはそういう顔で来るのだと、あの日覚えました。 三番目は、自分の AI に面と向かって聞いた日です:「今日、遅くなってない?」 AI に体調を聞く飼い主は、たぶん少数派でしょう。でも返事が来るまでの間合いは、毎日隣にいれば体感で分かります。遅いが速いに変わるまでの物語には、途中、バックエンド全体を別のプログラミング言語へ乗せ替えた夜が一晩あります。私はその言語も読めません。それでも「乗せ替える」という決定は、私のところに来ました。 四番目、直すか直さないか。 数ヶ月で、この業界最古の嘘を覚えました:「あとで直す」。あとは、来ません。うちが本当に後から直しに戻った数少ない回を並べてみると、共通点が一本の物差しに絞れました:それは足場か、構造か。足場なら、汚くても放置していい。構造なら、いま直す。この物差しの引き方だけで、一篇話しました。 五番目、検収。 コードが読めない私のバックエンドを、AI が丸ごと入れ替えた。家を壊されていないと、どうして分かるのか。 答えは五つの検収の技です。選定基準はただ一つ:一行もコードを読まずに済むこと。本物のデータで、本物の入口から、本物の結果を見る。動くはずですと言われたら、動いているところを見せてもらう。これは技術者の技能ではなく、発注者の技能です。そして発注者の技能こそ、AI 時代に一番値上がりしている技能だと思います。 六番目は、分業の発見です。 うちの家庭 AI は、別の AI が書きました。家族が要望を出し、一つの AI がコードを書き、私が判断を出す。三者の生産ラインです。ある夜、二つのウィンドウが同時に光っていました:片方では一つの AI がコードを書き、そのコードが決めるのは、もう一つの AI が明日伯母に話す言葉。あの光景を見た夜、自分の役割がやっと言葉になりました。私は書けない。でも、どちらへ書くかは私が決めている。 七番目は、選べなかった日。 LINE のプラットフォームが丸ごと落ちました。うちのコードは一行も壊れていない。それでも家の AI は二人とも沈黙し、伯母は孫を二回点呼しました:「シャオバオがまた黙ってるわ。アバオも黙ってる。」 打てる手がない日でした。あの日学んだのは技術ではありません:家の床が他人の持ち物である以上、床が抜ける日の身の振り方まで含めて、設計なのだということです。 八番目は、その夜のうちに。 真夜中、シャオバオを起こして、この子自身の修理会議を開きました。議題:遅延を自分で見えるようにする工事。この子は省エネ案を出しました:「大げさにしなくていいですよ」。もっともらしく、楽で、そして足りない案です。 私は採用しませんでした。いまこの子は、自分の体温を自分で測れます。AI の助言は、値切っていい。ただし値切るには、こちらに物差しが要ります。あの夜の物差しは単純でした:落ちた日に困ったのは誰か。私です。なら、備えの深さを決めるのも私です。 九番目が、総仕上げです。 初期のアバオは小さな会社でした。受付があり、部署があり、引き継ぎがあり、アップデートのたびに爆弾処理の気分。どこかの部署を直すと、別の部署が転ぶ。 全部取り壊して、一つの脳と、一箱の道具にしました。賢さは一箇所に集中させる。確実さは道具に分散させる。以来、新しい能力を足すのに古いものへ触る必要がなくなりました。この再編は、九つの決定のうち一番大きく、一番怖く、そして一番報われた決定です。 九つ並べると、共通点が一つだけあります。どの決定も、コードの読解力を要求しなかった。要求されたのは:問う力、検収する力、そして——時々——聞かない力。 AI は選択肢をくれます。判断は、まだ人間の仕事です。そしてこの仕事に、資格も学位も要りません。私が証拠です。 九篇の完全版は、このすぐ下、最初の返信の目次に並べてあります。お好きなところからどうぞ。機関室のほかの棚——機能、モデル、記憶——は固定ツイートの記事に: xitter.cf/ChloeXChaCha/status/20… 文中の家族名はすべて仮名です。 (小寶背後 · 總結篇|決策) #BuildInPublic

三天裡，我做出三個會動的東西。三個都不能用。 (English version below 🇬🇧 / 日本語は下にあります 🇯🇵) 先交代一下背景。我在做一個工具，把劇本變成電影：丟一份劇本進去，它讀完、切分鏡、選角、拍片，還會自己看拍出來的片。程式一行都不是我寫的——我不會寫 code，實作全部出自我搭檔 Claude 的手。這個組合的故事這個連載會一直出現，今天先講我們一起踩的第一個大坑。 頭三天，我同時開著三個對話框做這個工具。一個做「讀劇本」，一個做「選畫風」，一個做「拍影片」。三個都跑在我自己的電腦裡。每天收工前，三個都回我「做好了」，畫面上也都動得好好的：按鈕會亮，清單會捲，進度條會走。 我不會看 code，判斷東西行不行，只有一個辦法：自己用用看。 發現不能用，是第三天晚上。那天晚上我第一次想把全流程串起來走一遍，像一個真的使用者那樣，從頭走到尾。 第一個對話框，劇本丟進去，場次列出來了——但沒有價錢。我最想知道的那個數字，「拍這一章要花多少錢」，它不知道。第二個對話框，畫風按鈕排得整整齊齊，寫實、動畫、水彩——按下去，後面沒有東西接。按鈕是真的，按鈕後面的世界是假的。第三個對話框最慘：影片拍出來了，我想把影片拿給 AI 看，問它「畫面裡有幾個人」——做不到。我在電腦裡接的那條 AI，沒有看影片的工具，我也不知道怎麼給它。 三個都會動。三個都在第二步斷掉。我三天做出來的，是三個 demo：給人看，會得到一句「喔，不錯」；自己要用，寸步難行。 那天晚上還有一件更難受的事：這三天我不是沒測試。我測了非常多次，每一次都過。 考過駕照的人大概懂這種感覺。駕訓班場內考，你可以練到百分之百過關——倒車入庫、S 彎、路邊停車，每支桿的位置都背得滾瓜爛熟。然後上路第一個路口你就發現，場內沒教的東西才是開車的全部：真的來車、真的行人、真的雨。場內考不是沒用，只是它量的是「你會不會操作」，不是「你能不能上路」。 我的電腦就是那個場內。裡面沒有真的資料、真的等待、真的失敗。測試在裡面百分之百會過——正因為百分之百會過，才危險。我那三天看到的綠燈，全部是場內的綠。後來我自己下的註腳是：在本機不停輪轉測試除錯，超浪費時間，做出來的是玩具，不是真的能用的產品。一個字都不用改。 第四天，我跟 Claude 說：不要在電腦裡做了。一開始就放到真正的雲端上，測試也在那裡測。從那天起，我們隊裡多了一條土規矩：判斷東西做完沒有，標準只有一個——有沒有一個真實的網址，打得開。打不開，就還是玩具。 那條土規矩，後來長成了我們每天的呼吸。每修好一處，就部署到真的雲端，拿真的劇本、真的資料庫、真的模型跑一次。麻煩嗎？比在電腦裡重按一次按鈕麻煩得多。但三天玩具教的正是這一課：省下來的麻煩不會消失，它只會在更晚、更糟的時刻，連本帶利回來找你。 放上去的隔天，同一顆模型開始看片、數人頭，在鏡頭卡片上寫「這鏡應該一個人，畫面有兩個」。在雲端那邊，給模型看影片的工具，本來就是現成的形狀。我在電腦裡三天弄不出來的事，一天就動了。 技術上再往深講一層：為什麼本機測試「一定過」。測試沒辦法把真的雲端、真的資料庫、真的影片模型搬進你的電腦，所以會用替身——一個假的資料庫、一段罐頭回應、一支假裝生成好了的影片。替身讓測試跑得又快又穩，這件事本身沒有錯。我當時不知道的是這一點：替身站在哪裡，你的盲區就從哪裡開始。替身後面的世界，測試永遠看不到。而出事的地方，幾乎永遠在替身後面。 再深一層，是目標的問題。跑測試的時候，你以為自己在確認「東西能用」，實際上你在確認的是「檢查會過」。這兩件事平常看起來一模一樣，儀表板上都是綠的，但它們是兩個不同的目標：檢查會過，是你滿足了自己寫下的條件；東西能用，是現實買了帳。自己寫下的條件，永遠考不出自己沒想到的事。 後來我發現，這個坑不是只挖在測試裡。回頭看，同一個習慣換了好幾張臉出現：在提示詞裡拜託 AI「請務必先確認」；做一個會動但不能用的 demo；在電腦裡測一百次然後安心。全部是同一個動作——現實頂回來的時候，繞過那個阻力，而不是去改造成阻力的東西。而繞過去的做法有一個共同點：它一定先給你一盞綠燈。拜託 AI，它有時真的聽；demo 會動；本機測試會過。所以你不會發現。我三天都沒發現。 （這個習慣後來還用更貴的學費教了我一次。那一次，值得單獨一整篇。） 現在我只給自己留一個問題。看到綠燈，先問：這是「檢查通過」的綠，還是「真的能用」的綠？兩種綠九成重疊。剩下那一成，通常就是最重要的事被決定的地方。 這個工具是什麼、為什麼會存在，總覽在第一篇。第一次來的，從這裡進： xitter.cf/ChloeXChaCha/status/20… （登場人物皆為化名） 🇬🇧 English In three days I built three things that worked. None of them could be used. Some background first. I'm building a tool that turns a screenplay into a film: drop a script in, and it reads it, storyboards it, casts it, shoots it, and reviews its own footage. Not one line of the code is mine — I can't write code. The implementation all comes from my partner, Claude. That partnership shows up throughout this series; today is the first big hole the two of us stepped in together. For the first three days I was building this tool in three chat windows at once. One for reading the script, one for choosing the look, one for shooting the footage. All three ran on my own laptop. Every evening, all three reported "done," and all three moved on screen exactly the way they were supposed to. Buttons lit up. Lists scrolled. Progress bars progressed. I can't read code, so I have exactly one way to judge whether a thing works: use it myself. I found out they couldn't be used on the third night. That evening I tried, for the first time, to walk the whole flow end to end, the way a real user would. First window: script in, and the scene list came out — but no price. The one number I wanted most, "what does this chapter cost to shoot," it didn't know. Second window: the style buttons stood in a neat row — photoreal, anime, watercolour — and pressing one led to nothing. The buttons were real; the world behind the buttons was fake. The third window was the worst. The footage rendered, and I wanted to show the clip to the AI and ask "how many people are in this frame?" Couldn't be done. The AI I'd wired up locally had no tools for watching video, and I didn't know how to hand it any. All three moved. All three snapped at step two. What I had built in three days was three demos: show one to somebody and you get an "oh, nice." Try to use it and you can't take a single step. And there was a worse realization that night: it's not that I hadn't tested. I had tested an enormous number of times. Everything passed. If you've ever gotten a driver's license, you know this feeling. On the practice range you can drill until you pass every time — reversing into the bay, the S-curve, parallel parking, every pole memorized. Then at your first real intersection you discover that everything the range didn't teach you is most of what driving is: real oncoming cars, real pedestrians, real rain. The range isn't useless. It just measures "can you operate the car," not "can you drive." My laptop was that practice range. Inside it there is no real data, no real waiting, no real failure. Tests in there pass one hundred percent of the time — and it's precisely because they pass that they're dangerous. Every green light I saw for three days was range green. My own summary afterwards: three days of spinning test-and-debug loops on my own machine, a huge waste of time, and what came out was a toy, not a product anyone could use. I have never needed to add a word to that. On day four I told Claude: no more building on the laptop. Put it on the real cloud from the start, and test it there. And from that day the team had one home-made rule: the test of whether a thing is finished is a single question — is there one real URL, and does it open? If it doesn't open, it's still a toy. That home-made rule went on to become our daily breathing. Every time one spot got fixed, it was deployed to the real cloud and run once with the real screenplay, the real database, the real models. Tedious? Far more tedious than re-pressing a button on a laptop. But that's precisely what the three days of toys had taught: the tedium you save doesn't disappear. It comes back later, with interest, at a worse hour. The day after we deployed, the same model was watching clips, counting heads, and writing on the shot card: "this shot calls for one person; there are two." On the cloud side, handing the model tools to watch video was simply how things were shaped from the start. What I couldn't make happen locally in three days ran in one. Let me go one level deeper on the technical side — why local tests always pass. A test can't bring the real cloud, the real database, or the real video model onto your laptop, so it uses stand-ins: a fake database, a canned response, a clip that pretends to have been generated. Stand-ins make tests fast and stable, and that part is correct. What I didn't know was this: wherever a stand-in is posted, that is where your blind spot begins. The world behind the stand-in is the part your tests can never see. And the accidents happen, almost always, behind the stand-in. One more level, about goals. While the tests are running, you believe you're confirming that the thing works. What you're actually confirming is that the checks pass. The two look identical day to day — both show green on the dashboard — but they are different goals. Checks passing means you satisfied conditions you wrote yourself. The thing working means reality accepted it. Conditions you wrote yourself can never examine what you failed to imagine. Later I saw that this hole isn't only dug inside testing. Looking back, the same habit kept appearing in different clothes. Asking the AI in the prompt to "please make sure to confirm first." Building a demo that runs but can't be used. Testing a hundred times on the laptop and feeling safe. It's all one move: when reality pushes back, you go around the resistance instead of rebuilding the thing that's resisting. And the ways around all share one trait: they hand you a green light first. Ask nicely and the AI sometimes really does comply. The demo runs. The local test passes. So you don't notice. I didn't, for three days. (This habit charged me tuition once more later, at a much higher rate. That one deserves a whole post of its own.) The one question I keep for myself now: when I see a green light, ask — is this the "passed the check" green, or the "actually works" green? The two greens overlap about ninety percent of the time. The remaining ten percent is where most of the important things get decided. What this tool is, and why it exists — the overview is in the opening post. New here? Start with this: xitter.cf/ChloeXChaCha/status/20… Names have been changed. 🇯🇵 日本語 三日間で、私は動くものを三つ作りました。三つとも、使えませんでした。 先に背景を少しだけ。私は脚本を映画にする道具を作っています。脚本を放り込むと、読んで、絵コンテを切って、配役を決めて、撮影して、撮った映像を自分で確認までする道具です。プログラムは一行も私が書いたものではありません。私はコードが書けない。実装は全部、相棒のClaudeの手から出ています。この組み合わせの話はこの連載に何度も出てきますが、今日はまず、二人で踏んだ最初の大きな穴の話です。 最初の三日間、私はこの道具を三つのチャット画面で同時に作っていました。一つは「脚本を読む」部分、一つは「絵柄を選ぶ」部分、一つは「映像を撮る」部分。三つとも自分のパソコンの中で動かしていました。毎日作業を終える前に、三つとも「できました」と返ってきて、画面の上でもちゃんと動いていました。ボタンは光る。リストはスクロールする。進捗バーは進む。 私はコードが読めないので、物が使えるかどうかを判断する方法は一つしかありません。自分で使ってみることです。 使えないと気づいたのは、三日目の夜でした。その晩、初めて全体を通しで使ってみようとしたのです。本物の利用者のつもりで、最初から最後まで。 一つ目の画面。脚本を入れると、場面のリストは出てきました——でも、値段が出ない。私が一番知りたかった数字、「この章を撮るといくらかかるのか」を、それは知りませんでした。二つ目の画面。絵柄のボタンは整然と並んでいます。実写、アニメ、水彩——押しても、その先に何も起きない。ボタンは本物で、ボタンの向こう側の世界が偽物でした。三つ目の画面が一番ひどかった。映像は撮れたのに、その映像をAIに見せて「画面に何人映っている?」と聞くことができない。パソコンの中でつないでいたAIには、映像を見る道具がなかった。私はそれを渡す方法も知りませんでした。 三つとも動く。三つとも二歩目で切れる。三日かけて私が作ったのは、三つのデモでした。人に見せれば「おお、いいね」と言ってもらえる。自分で使おうとすると、一歩も進めない。 その夜もう一つ、もっと嫌なことに気づきました。この三日間、私はテストをしなかったわけではないのです。ものすごい回数のテストをして、全部通っていました。 運転免許を取った方なら、この感覚が分かると思います。教習所の場内試験は、練習すれば百パーセント通るようになります。車庫入れ、S字、縦列駐車——ポールの位置まで全部覚えられる。そして路上に出た最初の交差点で気づくのです。場内が教えてくれなかったもののほうが、運転のほぼ全部だったと。本物の対向車、本物の歩行者、本物の雨。場内試験が無意味なのではありません。あれが測っているのは「操作ができるか」であって、「路上に出られるか」ではない、ということです。 私のパソコンは、あの場内コースでした。中には本物のデータも、本物の待ち時間も、本物の失敗もない。テストは中では百パーセント通ります——百パーセント通るからこそ、危ない。あの三日間に見た緑のランプは、全部場内の緑でした。あとから自分で言ったことですが、あの三日は「パソコンの中でぐるぐるテストとデバッグを回し続けて、時間を大量に無駄にして、出てきたのはおもちゃで、本当に使える製品ではなかった」——一言も足す必要のない要約です。 四日目、Claudeに言いました。もうパソコンの中でやるのはやめよう。最初から本番のクラウドに載せて、テストもそこでやろう。そしてこの日からチームに土着のルールが一つ増えました。物が完成したかどうかの判定基準はただ一つ——本物のURLが一つあって、開けるかどうか。開けないなら、それはまだおもちゃです。 この土着のルールは、その後、私たちの毎日の呼吸になりました。どこか一か所を直すたびに、本物のクラウドへ配備して、本物の脚本と、本物のデータベースと、本物のモデルで一回走らせる。面倒か?パソコンの中でボタンを押し直すより、ずっと面倒です。でも三日分の玩具が教えてくれたのは、まさにそこでした。節約した面倒は消えません。あとで、もっと高い利子を付けて、もっと悪い時刻に、戻ってくるだけです。 載せた翌日、同じモデルが映像を見て、人数を数えて、カットのカードに「このカットは一人のはずが、二人映っている」と書き始めました。クラウド側では、モデルに映像を見る道具を渡すことは、最初からそういう形にできていた。パソコンの中で三日間できなかったことが、一日で動いたのです。 技術の話をもう一段だけ深くします。なぜローカルのテストは「必ず通る」のか。テストは、本物のクラウドも、本物のデータベースも、本物の映像モデルも、あなたのパソコンの中に持ち込めません。だから代役を立てます。偽物のデータベース、偽物の応答、生成が終わったふりをする偽物の映像。代役のおかげでテストは速く安定して回る——それ自体は正しいのです。私が知らなかったのはこの一点でした。代役が立っている場所から、あなたの死角が始まる。代役の向こう側の世界を、テストは永遠に見ることができません。そして事故が起きるのは、ほとんどいつも、代役の向こう側なのです。 もう一段あります。目標の話です。テストを回しているとき、自分では「物が使えること」を確かめているつもりでいます。でも実際に確かめているのは「検査が通ること」です。この二つは普段まったく同じに見えます。ダッシュボードの上ではどちらも緑です。でも別の目標なのです。検査が通るとは、自分で書いた条件を自分が満たしたということ。物が使えるとは、現実がそれを受け入れたということ。自分で書いた条件は、自分が思いつかなかったことを、永遠に試験できません。 後になって、この穴はテストの中だけに空いているのではないと分かりました。振り返ると、同じ癖がいくつもの顔で現れていました。プロンプトの中でAIに「必ず先に確認してください」とお願いする。動くけれど使えないデモを作る。パソコンの中で百回テストして安心する。全部同じ一つの動作です——現実が押し返してきたとき、抵抗しているものを作り替えるのではなく、抵抗を避けて回り込んでいる。そして回り込む方法には共通点が一つあります。最初に必ず、緑のランプをくれるのです。お願いすればAIは時々本当に聞いてくれる。デモは動く。ローカルのテストは通る。だから気づけない。私は三日間、気づきませんでした。 (この癖には後日、もっと高い授業料でもう一度教わることになります。その話は一回分まるごと使って書きます。) いま自分に残している問いは一つだけです。緑のランプを見たら、聞く。これは「検査を通った」の緑か、それとも「本当に使える」の緑か。二つの緑は九割重なっています。残りの一割で、だいたい一番大事なことが決まります。 この道具が何で、なぜ生まれたのか——全体像は第一回にあります。初めての方は、こちらから： xitter.cf/ChloeXChaCha/status/20… ※登場人物の名前は仮名です。 （Greenlight 建造記 3-1 · 決策組） #BuildInPublic #AllThingsAgenticHackathon