我用錯的量法，差點讓我把工作量翻倍
這篇不是技術文，是一個很短的方法論事故。但它是我最近做過最划算的一次除錯。
事情經過
我在寫一批技術文章，自己訂了一個規格：每篇 800–1500 字。
寫完 12 篇之後跑了一次品管，量字數，結果是：
12 篇全部超標，最長的是上限的 1.76 倍。
我把這個結果報上去，並且給了兩個建議：把上限改成 2000–2500，或者認真砍。
對方的反應是第三個選項：
「那要不要把每篇拆成兩篇？」
12 篇拆成 24 篇。以那個系列的總篇數限制，這會吃掉整個檔期， 後面真正想寫的東西一篇都放不進去。
我正要開始評估怎麼拆的時候，停了一下，回去看我的量法。
量法錯了
我是拿整個 Markdown 檔直接數字元的。而那些檔案裡有兩種東西， 讀者永遠看不到：
- 檔頭的
<!-- 重跑紀錄 -->註解——我自己訂的規矩是發文前刪掉 - 程式碼區塊——貼上去是程式碼，不是文字
重新量一次，扣掉這兩項：
| 原始 | 純正文 | |
|---|---|---|
| 平均 | 2,709 | 1,553 |
| 最長 | 3,620 | 1,990 |
| 超過 2,000 的篇數 | 12 / 12 | 0 / 12 |
註解加程式碼合計約佔每篇 40%。
真正的分佈是貼著 1,500 上下，只有兩篇明顯偏長——而那兩篇都是有實驗的重篇，長是合理的。
沒有一篇需要拆。
我差點做出的決定
如果我沒有回頭檢查量法，接下來會發生的事：
- 花幾天把 12 篇拆成 24 篇
- 檔期被吃光，原本規劃的重點內容進不去
- 拆完之後每篇變得又短又碎，敘事斷掉
- 而且問題根本不存在
代價是幾天的工，加上一個系列的結構。而修正成本是十分鐘寫一個腳本。
兩個可以帶走的東西
一、指標和它的量法是兩件事，而錯誤通常在後者。
「12 篇全部超標」這句話本身沒有錯——用我當時的量法，它是真的。 錯的是那個量法量進了不該算的東西。
而且注意這個錯誤有多好偽裝：它給出的不是一個離譜的數字， 是一個看起來很合理的壞消息。如果它回報「每篇 50 萬字」，我立刻就會懷疑。 但「超標 1.76 倍」剛好落在「有點糟但可信」的區間。
最危險的錯誤數字，是那些看起來剛好合理的。
二、當指標要求你做一個很貴的決定時，先驗指標。
「拆成 24 篇」是一個高成本、難回頭的動作。 在付出那個成本之前，回頭花十分鐘驗證輸入， 是我做過投資報酬率最高的一次除錯。
反過來說：如果指標建議的動作很便宜（改個標題、調個參數）， 那不驗也還好。驗證的力氣應該跟決定的代價成正比。
後來
我寫了一個小腳本，扣掉註解、程式碼區塊和表格之後再數，
並且把量法寫進規格檔——「上限 1900 字，量法是 _wordcount.py」，
而不是只寫「上限 1900 字」。
因為一個沒有定義量法的門檻，等於沒有門檻。
你有沒有遇過「指標說有問題，但問題在指標本身」的情況？後來是怎麼發現的？
🧪 這篇的實驗環境與 lab 檔案（最後更新 2026-08-30）
叢集
- CRC 2.63.0 · OpenShift 4.22.7 · Kubernetes v1.35.6
- 單節點：13 vCPU / 40 GiB RAM / 120 GB disk
- 宿主：Framework Laptop 16（Ryzen AI 7 350 · 8C/16T · 64 GB RAM · 1 TB NVMe · RTX 5070 顯卡模組）
- ⚠️ 叢集內看不到 GPU（CRC 是 VM，RTX 5070 未 passthrough）
Operator
opendatahub-operator.v3.5.0← 即 RHOAI 3.x 的上游開源版cert-manager-operator.v1.20.0（3.x 的必要相依；2.x 不需要）openshift-pipelines-operator-rh.v1.23.2、openshift-gitops-operator.v1.21.3
DataScienceCluster 開啟的元件
kserve、aipipelines、dashboard、workbenches、modelregistry、kueue（Unmanaged）- 其餘（
ray／trustyai／feast／aigateway…）為Removed
叢集外的依賴（跑在宿主的 podman 上，crc start 不會帶起來）
- Harbor v2.15.2（私有 registry）· MinIO（S3）
模型端
- Python 3.12.13 · PyTorch 2.11.0+cu128 · FastAPI + uvicorn · prometheus-client
lab 檔案
- YAML／Containerfile／腳本：github.com/ryanGTR/openshift-ai-30days
（含 Day 對照表；主機名是佔位符，跑
set-lab-host.sh換成你自己的） - 服務的那個模型：llm-from-scratch（從零手刻的小 GPT）
⚠️ ODH ≠ RHOAI：元件同源，但 namespace 與部分名稱不同
（我這裡是 opendatahub，商用版是 redhat-ods-* 那一套）。
指令的邏輯可以照用，字串要自己對一次。
留言與指正
我特別想知道：你有沒有遇過「指標說有問題，但問題在指標本身」的情況？後來是怎麼發現的？