判斷力外化
好的 AI 協作不只交付這次的答案，還要把「下次怎麼判斷」留下來。
雷蒙的解釋
請高手來救火，只修好一次還不夠。真正有複利的做法，是請他順手留下四件事：什麼狀態才算做完、什麼情況要問人、什麼跡象代表該換路，以及最後要拿什麼證據驗收。
這就是判斷力外化：把原本只在雷蒙或高階模型腦中的經驗，寫成後續的人與 AI 都能執行的條件、反例與驗收清單。重點不是把每個決定寫死，而是讓下一個執行者不用從零重猜。
什麼時候用
- 同一類任務會再出現，不只是一次性救火。
- 工作會在多個人、AI 或裝置之間交接。
- 一次判斷錯誤的代價高，或同一類錯誤已經重複發生。
- 高階模型剛解開一個難題，後續想交給成本較低的模型穩定執行。
四個最小欄位
| 欄位 | 要回答的問題 | 例子 |
|---|---|---|
| Stop | 哪些條件全部滿足才算完成？ | 檔案存在、行為實測通過、驗收條件逐條對齊 |
| Ask | 什麼情況不能自行做主？ | 不可逆操作、兩個目標衝突、品味終判 |
| Reroute | 哪些訊號代表方向錯了？ | 同一錯誤微調兩次仍出現、沒有可驗證的根因假說 |
| Verify | 要看什麼證據才能說完成？ | 實跑指令、live 狀態、實際行為、檔案行號 |
怎麼做
- 先請解題者說清這次真正的判斷點，不只記操作步驟。
- 把判斷寫成「情境＋條件＋行動＋反例」，放到對應的 Skill、rubric 或清單。
- 交給沒參與原始討論的執行者試跑，檢查兩個人會不會讀出兩種做法。
- 用實際誤判回頭修規則，而不是一直新增另一套流程。
反例與邊界
- 「這次用更強的模型」不算外化，因為下次仍不知道何時該升級。
- 「看起來差不多就算完成」不是驗收規則，因為沒有可重現的證據。
- 一次性品味選擇、對外發佈與不可逆決定，不能被 checklist 取代；規則只能說明何時要把判斷權交回雷蒙。
- 外部環境會變的事實不應被寫成永久結論；規則要求的應是「先查 live 狀態」。
出處
這張卡來自雷蒙在 2026-07-04～07-07 整理的 AI 協作制度：MODEL_DISPATCH 定義模型調度與交付邊界，JUDGMENT_RUBRICS 把停止、提問、換路與驗收寫成 checklist，DELEGATION_TEMPLATES 把這些判斷放進交辦合約，MAINTENANCE_PROTOCOL 規定誤判後應回寫到哪一層。
在哪裡討論過
制度文件
- JUDGMENT_RUBRICS：完整的判斷清單與正反例。
- MODEL_DISPATCH：高階模型解出模式後，降回工作馬重複執行。
- DELEGATION_TEMPLATES：將目標、範圍、驗收與回報格式固定為交辦介面。
- MAINTENANCE_PROTOCOL：將重複錯誤回寫成可複用規則。