沒上過館子的菜，到底好不好喫？一場關於試菜的餐桌對話

求職論壇上最近有一個問題被反覆討論：校招做的 Agent 專案，幾乎都是 Demo，沒有真的線上流量，評測到底該怎麼做，面試官又到底想看什麼。這個問題表面上是工程題，但你看久了會發現，它其實是一道廚房裡的老題目：一個只在自己家爐子上試做過三次的菜，你憑什麼說它好喫？

這件事讓我想起試菜這件事本身。每一道端上餐廳餐桌的菜，都曾經是某個人鍋子裡的 Demo。

試做跟量產，本來就是兩個爐子

你自己一定有這種經驗。週末在家試了一道紅燒牛肉，小鍋、兩三塊牛腱、小火慢燉兩小時，湯色濃得發亮，牛肉用筷子一撥就散開，膠質黏在嘴脣上。你覺得這道菜成了。

可是同樣的配方，換成拜拜那天要滷的一大鍋，事情就全變了。鹽要重新算，醬油下鍋的時機要重抓，火要轉得更小更均勻，不然鍋底的肉焦了，上面的還沒入味。料多一倍，時間不是多一倍，是多了更多的不確定。

Demo 跟線上流量的差距，就是這口小鍋跟那口大鍋的差距。家裡試做的時候，你可以盯著它、嚐它、隨時補救；真的開店上桌，客人是陌生的舌頭，時間是不等你的，一鍋出問題就是一整排桌子的事。所以餐廳的廚房裡有一套試菜的規矩：同樣的料，不同的師傅各做一輪，互相盲嚐，誰的版本酸甜最穩、誰的顏色最不容易暗掉，留下誰的。

你沒有開過店，但你做過三次，這三次裡每次的味道差多少，你嚐得出來，也說得出來。這件事本身就有價值。

評測不是打分數，是把舌頭訓練出來

廚房裡有所謂的標準化味覺訓練。想學嚐味道，不是喫得多，而是每次只改一個變因。同一鍋清燉蘿蔔湯，一份鹽放五克，一份放七克，其他全部一樣，喝起來的差異你就會突然聽得見，像耳機的音量往上推了一格。下一輪，換成白蘿蔔去皮跟不去皮，湯的清濁、那一絲尾端的辛辣，又是另一回事。

這跟評測 Agent 的邏輯是同一件事。沒有線上流量，你還是可以做對照：同一個任務，換一種寫法的提示詞，換一個工具呼叫的順序，換一種失敗之後重試的策略，然後老老實實記下來哪一版成了、哪一版歪了、歪在哪一步。三十個案例的差異分析，比一句「效果不錯」有說服力太多了，就像「好喫」兩個字，遠不如「第二版的酸比第一版收得住，尾韻沒有搶過魚的甜」來得像一個真的下過廚的人會說的話。

盲測也是家裡就能做的。滷味切盤，同一塊牛腱，一份現滷、一份冰過一夜回溫，請家人不看盤子只憑舌頭投票。你會發現有些味道隔夜更沉，有些香氣跑光了。這種結論沒有任何流量支撐，但它真實，而且可重複。

失敗的紀錄，比成功的食譜更像本事

我認識一位做辦桌的師傅說過一句話，我一直記著：食譜誰都抄得到，會救菜的人纔請得起。

一桌菜十道，現場一定出狀況。羹太稀，現場補太白粉要補得快又不能結塊；魚蒸過頭了，淋醬的糖醋要壓得住那股乾柴。師傅的價值在那些救回來的瞬間。這也是面試裡最想聽的部分：你的 Demo 出過什麼事。哪一次它自信滿滿地給了完全錯誤的答案，你怎麼發現的，加了什麼檢查，檢查本身又誤傷了哪些正常案例。這一來一往，就是你鍋子裡的真實火候。

這個道理跟我們之前聊過的廚房裡的火候考試是同一條線：被問到極限的時候，答得最好的往往不是背套路的人，是真的被那口鍋燙過的人。沒有線上流量不等於沒有故事，等於你的故事要從試做與失敗裡長出來，而不是從部署報告裡抄出來。

把小鍋的事講清楚，就是一種專業

回到那個論壇問題。其實問的人已經把答案寫在題目裡了：既然大家都是 Demo，那比的從來就不是流量，是誰把自己的鍋看得最清楚。

廚房給的建議很樸素。第一，把變因一個一個隔開，像調鹽那樣，讓每一輪差異都有名字。第二，找陌生舌頭來嚐，室友、同學、家人，他們不知道你的設計意圖，他們的困惑就是最便宜的評測。第三，把失敗留檔，哪一步塌了、怎麼補的、補完又冒出什麼新問題，這串紀錄比成果截圖更像一個會做菜的人。

這也讓人想起先前那篇被追問火候的廚房面試：被皺著眉頭問到底的經驗，廚房裡的人早就天天在經歷，而撐過那種追問的，都是對自己那口鍋誠實的人。

週末不妨真的試一次。同一道菜做兩輪，只改一個地方，盛盤前自己先盲嚐，然後誠實寫下差別。你會發現，評測這件事不神祕，它就是一雙訓練過的舌頭，加上一份不護短的手記。沒開過館子的菜，也可以被講得讓人相信它好喫，只要講的人，真的喫過自己鍋裡的每一口。