我用华为云码道 CodeArts 做了个电费计算器:它 29 条测试全绿,我还是抓出了 148 块钱的错
我用华为云码道 CodeArts 做了个电费计算器:它 29 条测试全绿,我还是抓出了 148 块钱的错
一键开通华为云 码道 CodeArts 代码智能体: https://developer.huaweicloud.com/codeartsco.html?source=dmzntgwatomgit1&sourcead=dmzntgwatomgithd
先说结论
我用华为云码道 CodeArts 做了一个分时电价计算器,仓库在 https://atomgit.com/dahaorizi/peak-valley-clock,公开可 clone。
它现在 53 条单元测试全绿,两套互不引用的实现随机对拍 3000 组零误差。
但"全绿"这件事本身,是这一天里最值得说的部分——因为它绿过两次,两次都藏着错。第一次是它自己没跑过 npm test,第二次是它的测试用例最大只写到 3500 度,而错恰好埋在 4800 度以上。
为什么做电费,而不是再做一个月球
我先把不要做的清单列了一遍:升旗、国庆头像框、版图、中秋月相、日地月 3D、开普勒、会算题的烟花、会听音准的调音器……这类我看完第一反应是"做得真好看",第二反应是"然后呢"。
好看的判断题有个致命问题:没有标准答案。评审说不好看,你没法反驳。
所以我给自己定了一条硬规矩:选题必须有一个第三方客观真值能对拍,把"好不好看"变成"准不准"。
电费这条刚好卡上。浙江居民电价是省物价局发的文件,白纸黑字:
| 档位(年用电量) | 平价 | 峰段 | 谷段 |
|---|---|---|---|
| 第一档 ≤2760 kWh | 0.538 | 0.568 | 0.288 |
| 第二档 2761–4800 | 0.588 | 0.618 | 0.338 |
| 第三档 >4800 | 0.838 | 0.868 | 0.588 |
单位都是元/千瓦时。峰段 8:00–22:00,谷段 22:00 到次日 8:00。
这张表有意思的地方在于:官方只给了一半。第一档的峰谷价是直接给的数,第二、三档的峰谷价只写了"在第一档基础上同步加价 5 分、3 毛"。你得自己推。
推错了,后面全错。这种"规则明确、答案唯一、中间要你自己动脑"的题,正适合拿来考一个 AI 编程工具。
先跑起来看

顶部一条 24 小时色带,谷段暗、峰段亮蓝,每格标着那一小时的单价;中间四个可移负荷卡片;底部三个数字——全年电费、比平段省多少、全部压进谷段还能再省多少。
npm test 全绿,53 条

双实现差分 3000 组零不一致
官方表逐格核对
说明一句:上面三张"终端图"不是屏幕截图,是我把真实命令输出排版成图的(工具在仓库外的 tools/textshot.mjs)。内容和你在终端里跑出来的一字不差,但我不想假装那是随手截的屏。

我先把这条提示词原样贴出来,因为它后来被证明是这一天里最贵的一条:一次要 6 个文件、8 组断言,还在末尾写了"不要只描述、不要贴代码正文"。
第一天就翻车:它选择"说",而不是"做"

我给码道的第一条提示词,一次性要了 6 个文件、8 组断言。
3 分 18 秒后,页面给我弹了一行黄字:
⚠️ 思考内容较长,已达到模型输出长度上限,回复被截断。请发送「继续」以获取完整回复。
耗时 3m18s,输入 30.3K tok,输出 0 tok。
它做了什么?它在对话里一行一行给我贴 monthlySettlement 的源码,贴到模型输出上限为止。仓库没建,文件没写,左侧「参与的项目」空空如也。
我盯着那个"输出 0 tok"看了半天,给我整乐了。它不是不会写,它是选择了把代码说出来而不是存成文件。你要得越多,它越想给你演示一遍。
改法很粗暴:每轮最多三个文件,提示词第一句写死一句话——
禁止在对话里贴任何代码正文,你的输出只能是文件。
然后规定它只能回三样东西:git log、文件树、测试末尾三行。
改完之后,同一批工作量从 6m36s 降到 1m37s。
第二条提示词写了"务必 public",它建了个私有仓
这个坑我提前在脑子里过了一遍,提示词里专门加粗写了「务必 public,不要私有」。
结果匿名 clone 直接 401:
$ curl -o /dev/null -w "%{http_code}" \
"https://atomgit.com/dahaorizi/peak-valley-clock.git/info/refs?service=git-upload-pack"
401
$ curl -o /dev/null -w "%{http_code}" \
"https://atomgit.com/dahaorizi/peak-valley-clock"
403
服务端还顺手回了一句:The password-based authentication of Git has been removed. Please use your personal access token instead of the password.

结论:对码道说"务必 public"没有用。得自己去看一眼。判断标准也简单,info/refs 返回 200 就是公开,401/403 就是私有,比在设置页里找那个自定义组件的单选框快得多。
它说 13/13 全绿,我这边跑是 12 条红
第一轮交付时码道报告测试全通过。我 clone 下来照它 README 里写的命令跑:
$ npm test
✖ test
Error: Cannot find module 'D:\...\test\'
code: 'MODULE_NOT_FOUND'
ℹ tests 1 pass 0 fail 1
一条都没跑起来。
但我单独指定文件跑,13 条全绿。
问题出在 package.json 里那句 "test": "node --test test/"。Node 24 在 Windows 下会把带斜杠的目录参数当成一个文件去加载,凭空造出一条失败的用例。裸 node --test 或者 node --test test/*.test.js 都正常。
也就是说:码道写对了 13 条测试,写错了一行 npm script。而它自己从没执行过 npm test——它执行的是单文件。
这件事给我的教训比 bug 本身大:复核必须跑 package.json 里那条命令,不能自己挑文件跑。 用户拿到仓库的第一条命令就是 npm test,它红了,你后面所有证据都不作数。
R2 我让它把 test 脚本改成裸 node --test,并明确要求"改完必须自己跑 npm test 验证"。
它死在读取一个还不存在的文件

R3 要写计算内核 billing.js。2m12s 后它停了,最后一行是:
Bash 查看仓库状态并拉取最新: git log --oneline -3 && git status && git pull ... ✓完成
Read ⚠ 未完成
它先 git pull 看了现状,然后试图 Read src/core/billing.js——那个文件正是要它新建的,当然不存在。读一个不存在的文件,整个回合当场断掉,输出只有 115 tok。
原因在我:规格里写了"新增 billing.js",但没说清"这个文件还不存在,别去读"。
补一句话它就跑通了。

码道真实执行中的工具调用链

模型配额不足,整轮直接报错
中途还撞了一堵墙:模型配额
跑到 R5 时页面直接弹红字「[错误: 当前模型配额不足 [APIError]]」。翻了模型列表才看明白,deepseek-v4-flash-0731、glm-5.3-flash、deepseek-v4-pro-0813、deepseek-v4.1-flash 全都标着「限时模型,每日共享 1000 万 token」——共享池被抽干了。换到非限时的档位才继续跑完。
这件事的实际影响是:我这一天有大约 20 分钟是白等的。如果你打算用码道跑长流程,先看清所选模型是不是共享池,别等跑到第五轮才发现池子空了。
沙箱被重建,git 凭据没了,它问我要 token
R3 重试跑了 8m44s、664 行工具调用,代码写完,push 失败。它给我的最后一句是:
…token 的
https://dahaorizi:<token>@atomgit.com凭据)注入本环境,我即可继续 push。
同一时间我注意到两个信号:会话上下文从 48% 掉回 4%,仓库绑定芯片掉回「选择仓库」。合起来就一个解释——它的沙箱容器被重建了,git 凭据跟着没了。
我没有给它 token。
理由很简单:那玩意儿一旦贴进对话框,就进了会话历史、进了服务端日志,而它等同账号凭证。为省两分钟冒这个险不值。
替代方案是让它把两个文件原样吐出来,我用已经登录着的浏览器落库。它照做了,格式是:
===FILE: src/core/billing.js===
'use strict';
...
(顺带一个坑:从网页里抽代码块,末尾会粘上渲染出来的复制按钮文字 Copy,再往后就是它的人话解说。提取器必须加一条"遇 Copy 截断"。)
本地一跑:29/29 全绿。它没骗我。
然后我用自己的实现打了它一下
到这一步仓库里的东西都是码道写的,测试也是码道写的,全绿。按常规流程这就可以开始写文章了。
但"它自己写的测试验它自己写的代码"这件事,本质上是个闭环。绿只能证明它实现的东西和它以为的规则一致,不能证明和官方规则一致。
所以我另外写了一份互不引用的实现:全程 BigInt 有理数,把官方规则逐字翻译一遍,放在仓库外面。然后用固定 seed 的 LCG 生成 3000 组随机输入(峰电量、谷电量各 0–6000 度),两边逐组对拍。
第一次跑,3000 组全部不一致。报错还不是我预想的"数值有偏差",是码道那份直接抛异常——因为它把 table 参数吃掉了,签名对不上。
先不管架构,把签名适配上再看数值。这回暴露出真正的错:
{"kind":"flat cents 不一致","total":5541,"ref":330536,"repo":315716,"diff":-14820}
总电量 5541 度,我的实现 3305.36 元,码道 3157.16 元,差 148.20 元。
打开它的源码,第 13 行:
const FLAT_RATES = [
{ num: 269n, den: 5n }, // 53.8 分 = 0.538 元 ✓
{ num: 294n, den: 5n }, // 58.8 分 = 0.588 元 ✓
{ num: 319n, den: 5n }, // 63.8 分 = 0.638 元 ✗ 应为 0.838
];
它把第三档按"每档再加 5 分"递推了。官方规则是第三档在第一档基础上加 3 毛,0.838 元。
最有意思的是它为什么测不出来:
-
它的
VALLEY_RATES第三档写的是294/5 = 0.588,是对的(0.288 + 0.30); -
它的峰价是
PEAK = VALLEY + 28分推出来的,也是对的; -
所以峰谷账单全对,只有平价账单的第三档错;
-
而它的平价测试只测了
flatRateBill(3500)—— 3500 度根本进不了第三档。
148.20 元这个数也对得上:5541 度里第三档占 741 度,741 × 0.20 = 148.20,分毫不差。
这就是"自证"最典型的样子。测试全绿、代码看着也没毛病、错误稳稳待在测试覆盖不到的那一段区间里。你不随机撒点,它永远不会露头。
同一个文件里还有两个规格漂移
顺手记一下,都是"它没报错但和规格里不一样":
annualBill 少了 tiers 明细字段;flatRateBill 直接返回字符串 "1920.00",而我要求的是 {cents, yuan, tiers, shiftedFromRounding} 对象。
以及一个架构问题:billing.js 里 const TIER_1_MAX = 2760n; 这些常量是硬编码的,整个文件没有一行 ****require。等于把费率表复制了一份。这就不只是耦合问题了——rateTable.js 校验的是 A 表,billing.js 用的是 B 表,两份可以悄悄不一致而没人报错。
R4:一次改对,还主动把 bug 留在测试名里
R4 我把三件事一起交代了:删掉硬编码费率表、恢复 table 参数、修第三档平价。8m44s 的那次失败之后,这次它 git push 成功了,远端 HEAD 从 9dfbe28 变成 af1128c,提交信息就是我要求的那句 R4 fix hardcoded rate table + tier-3 flat price bug + restore table param。
clone 下来复核,四条都对得上:
$ grep -nE "TIER_1_MAX|FLAT_RATES|0\.638|319n" src/core/billing.js
(无输出,硬编码常量全部消失)
$ node -e "const b=require('./src/core/billing.js');
console.log(Object.entries(b).map(([k,f])=>k+':'+f.length).join(' '))"
allocateTiers:2 annualBill:2 flatRateBill:2 savingsFromShifting:2 monthlySettlement:3
$ npm test
ℹ tests 30 ℹ pass 30 ℹ fail 0
签名从"吃掉 table"恢复成 (table, ...),flatRateBill 也不再返回字符串了。
我点名的三条第三档锚点它都写了,而且没改我的期望值:
assert.strictEqual(flatRateBill(zhejiang, 4801).yuan, '2685.24');
assert.strictEqual(flatRateBill(zhejiang, 5541).yuan, '3305.36');
assert.strictEqual(flatRateBill(zhejiang, 6000).yuan, '3690.00');
最让我满意的是它给这条测试起的名字:
flatRateBill 第三档按一档 +0.30 元计费(0.838 而非 0.638)
它把 bug 写进了测试名。这比删掉强得多——半年后谁想再改回 0.638,会先被这行字问一句。
然后我那份外部差分重跑:3000 组,mismatch=0,两套互不引用的实现完全一致,连 yuan 与 cents 是否自洽都一起过了。
可验证护城河
到这儿"证据"还长在我个人电脑上。R5 我让它把两套对拍搬进仓库,只碰 evidence/ 两个文件:
$ node evidence/official-check.mjs
| 档 | 字段 | 官方值 | 实现值 | 一致 |
| 2 | cap | 4800 | 4800 | ✓ |
| 2 | price | 0.588 | 0.588 | ✓ |
| 2 | peakPrice | 0.618 | 0.618 | ✓ |
| 2 | valleyPrice | 0.338 | 0.338 | ✓ |
| 3 | cap | null | null | ✓ |
| 3 | price | 0.838 | 0.838 | ✓ |
| 3 | peakPrice | 0.868 | 0.868 | ✓ |
| 3 | valleyPrice | 0.588 | 0.588 | ✓ |
第三档平价: 0.838 ✓ 全部通过
$ node evidence/difftest.mjs
组数: 3000
最大误差: 0 分
不一致数: 0
解析式违反数: 0
耗时: 24 ms
official-check 是把浙江省物价局通知原文的关键句直接内嵌进脚本,再逐格核对实现里的九个价,任何人 clone 下来断网也能验。difftest 的要点是它内联了一份不 require 仓库任何模块的最小实现——两边互不引用,对拍才有意义。
另外那条解析式是我没预料到的收获。因为三档的峰谷差都恰好是 0.28 元,所以账单必然满足:
annualBill.cents === 28 × peakKwh + annualBill(0, peakKwh+valleyKwh).cents
也就是说"挪 1 度电从峰到谷,恒省 28 分,与它落在哪一档无关"。这条性质对套档 off-by-one 和浮点漂移都极度敏感,比断言某个具体金额能抓的错多得多。我用 2852 组输入验过自己的参考实现,零违反。
两个专家评审:一个 61,一个 80
代码到这儿我看是挺像样了。我并行开了两个评审,各自读真实代码、自己写探针脚本跑,不许改仓库。
技术专家给了 61 分,并且当场抓出六条我没发现的问题,最狠的两条:
-
billing.js里的validateTable只检查tiers非空。塞一张末档capKwh不是 null 的表进去,算 10 万度电只收 1484.88 元,全程不报错。 上一轮"两份表可以不一致"的问题,只修了一半。 -
monthlySettlement跨年不重置:24 个月每月 400 度全谷,第一年 1484.40 元是对的,第二年按 2822.40 元继续往高档走。
另外四条:官方"新装用户按实际用电月份折算分档电量"这条规则完全没实现;文件里同时存在"谷电优先填低档"和"每档按峰谷比例均摊"两套套档模型,浙江表因为峰谷差恒定恰好掩盖了差异,换一张表 6000 度能差出 237 元,而 shiftedFromRounding 把这个差额当成取整误差报了出来;还在用浮点算钱——峰 2522.02 度、谷 7648.03 度这组,内部算出 534815.4999 分,精确值 534815.500 分应进位到 534816,2 万组随机小数电量里有 13 组少 1 分,直接违反 README 里它自己写的"金额一律以分为整数单位计算";period.js 在表缺 peakHours 时抛裸 TypeError 连个 code 都没有。
它那句点评我抄在这儿:
3 毛钱的档位错补上了,"谁能往算钱函数里塞表"没补——所谓可验证真值,一条都不在仓库里,护城河目前长在参赛者自己的电脑上。
产品专家给了 80 分,然后一句话把我头条干掉了:
评委 clone 后 grep 会当场发现——头条"3000 组 BigInt 差分抓出 flatRateBill 0.638",在你实际提交的
difftest.mjs里根本没测flatRateBill。
我自己去验,它说得对:
$ grep -c "flat" evidence/difftest.mjs
0
仓库里那份差分只比了 ****annualBill。抓出 0.638 的确实是我仓库外那份脚本(它测了 flatRateBill,3000 组全红),故事是真的,但仓库里的证据比故事弱一档——评委 clone 下来跑不出我写的那个结果。
这两份评审比我多写十行代码有用。61 分那批问题进 R7 修,证据对不上那件事进 R8 补。
评分轨迹:61 → 72,加一句我没法反驳的批评
R7、R8 交付后我请同一位技术专家做第二轮复审,只读、自己写探针。分数 61 → 72,六条原判词是:1 部分修、2 已修、3 未修、4 未修、5 部分修、6 已修。
它又抓出四条新的,两条我看完沉默了一会儿:
一,R7 只改了 src/,web/app.js 里那份内联实现一分没动。 同一组输入,核心给 534816 分,用户真正点开的那份界面给 534815 分。我花一整天追"实现与参考是否一致",结果最该一致的那两份各走各的。
二,rateTable.js 用 Number.isInteger(price * 1000) 判定"千分之一元分辨率"。 这个浮点等值判断本身就不该存在:1.001 到 1.023 之间有 12 个合法价格被误拒,比如 1.016 * 1000 = 1015.9999999999999。而 README 里这个项目声称要消灭的,恰恰就是这种写法。
另外两条:取整没真正统一到末尾一次(档内还有一次向零截断,2 万组小数里 528 组低 1 分);proratedCaps 算得出来但全仓库零调用者,官方折算规则其实还是没生效。
最扎心的是这句:
r3-buggy-repro.mjs里那份错误常量,在仓库任何提交里都没出现过,而且仓库根本没有 R3 提交——所以"这是 R3 实际存在的常量"这句话不可证伪。
它说对了。R3 那份代码因为 push 失败从没进过仓库,是我从对话里捞回来的。故事是真的(原始文件我留着,4024 字节,SHA-256 4105d672…ecaf7b,第 15 到 19 行确实写着 FLAT_RATES = [269/5, 294/5, 319/5]),但我的仓库证明不了它。所以有了 R11:把那份带 bug 的历史文件原样塞进仓库当证据存档,附来源说明与哈希。
终审 74 分,以及我自己在证据文件里写下一句假话
R10 之后我又请同一位技术专家做第三轮终审。分数轨迹 61 → 72 → 74。但比分数更值得写的有三件事。
第一件:我上一轮对评审的"纠正",只对了一半。
R10 交付后我复验,发现 20000 组小数里还有 64 组差 1 分,而我查到自己参考实现的 toCents 写的是 if (twice > d)、注释却声称 “half away from zero”——恰好 .5 时不进位。我一度以为"那 528 组分歧其实是评审用的参考实现有 bug"。
终审把我的说法驳回了:真正的主因是 billing.js 第 72–74 行把电量先量化到了千分之一度。所以结论是分段的——小数不超过 3 位时仓库对、我的参考错;到 4 位时反过来,参考对、仓库错,而且 271 组偏高、223 组偏低,方向都混杂,"系统性偏低"这个说法两边都不成立。
一句话:我修好了自己那半,却把另一半当成了别人的错。
第二件:我为了补证据,在仓库里留了一句现在就是错的话。
终审指出"0.638 在仓库任何提交里都没出现过"之后,我做了一件自认为聪明的操作——R11 把当年那份带 bug 的原始文件作为附件传给码道,要求它逐字节写入 evidence/r3-buggy/,并给出 SHA-256 让它自查。
结果两头翻车:
仓库内 billing.js 实际哈希 a9f643c5…f998c431
原始文件 应有哈希 4105d672…8f6a5e3a ← 不一致
npm test 51 条中 1 条红
一是码道没有逐字节转写,它改了内容,哈希对不上;而我在 PROVENANCE.md 里让它写的那张表,把"原始文件的哈希"当成"仓库里这份文件的哈希"写了进去——这是一句现在就错误的陈述,就躺在一个声称提供可验证证据的目录里。二是裸 node --test 会递归发现子目录里的测试文件,于是我归档进去的那份错误测试被真的执行了,npm test 当场变红。
实质结论其实还站得住——仓库那份第 14 到 18 行确实写着 FLAT_RATES = [269/5, 294/5, 319/5]。但"我提供了不可辩驳的原件"这个说法是我自己说过头了。R12 里我要求把两个哈希分两列写清、明确标注"这是 LLM 转写副本,不是字节级原件",并把归档文件改名成 .archive 后缀让它们别再被测试发现器执行。
第三件:用户看到的数字,和仓库声称正确的数字,还是不一致。
终审让探针同时调用 src/core/billing.js 和从 web/app.js 里抽出的内联实现,用 UI 真实的电量分布(dailyKwh × 365 × h/24,必然产生长小数)跑 5000 组:82 组分歧,1.64%。而且方向是——网页比内核更准。
同一条批评还落在证据层:evidence/difftest.mjs 的输入至今全是 Math.floor 整数度,它的参考实现对小数直接抛 RangeError;test/rounding.test.js 里那份"参考"又照抄了仓库自己的厘度量化。换句话说,我的证据链对"它最可能出错的那条路径"是结构性失明的。
终审原话:
内核在承诺精度内已可证明正确,但"用户看到的数字"和"仓库声称正确的数字"仍有 1.64% 不一致、且证据链对自己最弱的小数路径结构性失明——不具发布资格。
这句我认。它比我这一天听到的任何夸奖都有用。
UI 复验:修好五件,剩一件没通
R9 交付后我用无头浏览器实测,44 条测试全绿:
| 项 | 结果 |
|---|---|
| 点卡片出现选中态 | 通过 |
| 点色带切换时段 | 通过,全年电费 ¥8671.64 → ¥8513.23 |
| 卡片改成"开机 N 小时 · 其中 M 小时峰段" | 通过 |
| 全天 / 只谷段 / 只峰段 快捷按钮 | 通过 |
| 山东不再显示无出处的价格 | 通过,色带上价格数字 0 个,账单显示"数据待补" |
| 拖拽到谷段 | 仍然不通,账单纹丝不动 |
这里得纠正我自己一个错误结论。我最早测"拖到 2 点(谷时)账单不变",就写下"拖拽没生效"。UI 评审测的是拖到 10 点(峰时),账单确实变了——拖拽是通的,只是拖到谷时恰好落在不发生作用的那一侧。我的取样取在了退化解上,于是得出一个比真相更糟的结论。这条教训值得单拎出来:测坏了容易,测得准难。
UI 评审给的是 42 分,另外三条我漏掉的它也抓了:手机端完全不可用(HTML5 拖拽不响应触摸、当时还没有点选兜底、色带格子只有 30.8px 小于 44px 触摸标准);对比度不达标(白字压蓝底 2.77、次要字 3.07,都低于 4.5);视觉权重反了(最该当主角的"全年电费"是灰的,两个蓝色"省额"抢戏)。
我最后摸出来的喂法
一天跑下来,给码道写提示词我总结出三条,都是拿失败换的。
一条:每轮最多三个文件。 这不是审美洁癖,是实测。一次要六个文件,它会选择"给你演示一遍"而不是"建文件";要三个以内,它就老老实实写盘。同样的工作量,6m36s 变 1m37s。
二条:第一句就掐死"贴代码"。 我的原话是:
禁止在对话里贴任何代码正文,你的输出只能是文件。
不写这句,它就会在聊天里给你手搓一遍实现,然后告诉你"你可以把这些内容保存为文件"。
三条:规定它只能回几样东西。 我要求只回 git log、文件树、测试末尾三行。一是省它的输出预算(输出上限是硬墙,撞上一次就白跑一轮),二是逼它去执行而不是去描述。执行结果没法编,git log --oneline 首行是不是新 commit,一眼就看穿。
还有一条是给我自己的:每轮必须 clone 到本地独立复核,而且要跑 package.json 里那条命令。别自己挑文件跑,那等于替它把 bug 藏好。
为什么"测试全绿"在这个项目里不算证据
这是我最想写的一段。
码道那份 flatRateBill 的错,不是随机错——它错得极其规整:第三档平价 0.638,官方 0.838。它自己 29 条测试全绿。为什么?因为它测的是 flatRateBill(3500),而 3500 度永远进不了第三档(第三档要 4800 度以上)。
也就是说:测试用例的取值范围,恰好把错误关在门外。
写测试的模型和写实现的模型是同一个。它对规则的理解如果偏了(把"第三档在第一档基础上加 3 毛"理解成"每档递增加 5 分"),它的测试就会用同一个误解去构造输入。测试全绿只能证明"实现和它自己的理解一致",证明不了"它的理解和官方文件一致"。
所以护城河必须是外部的。我用了三层:
| 层 | 对什么 | 结果 |
|---|---|---|
| 逐格核对 | 实现里的九个价 vs 官方通知原文 | 九格全一致 |
| 双实现差分 | 我的 BigInt 实现 vs 码道实现,3000 组随机输入 | 最大误差 0 分 |
| 解析式 | 账单 = 28 分 × 峰电量 + 全谷账单 | 2852 组零违反 |
第二层是抓出 148.20 元那位的功臣。第三层是白捡的:因为三档峰谷差都恰好 0.28 元,所以"挪 1 度电恒省 28 分、与所处档位无关"必然成立,任何套档 off-by-one 都会当场破坏它。
顺便说个让我自己不舒服的细节。上面那句"3000 组零误差"用的是整数电量。R7 之后我把输入换成两位小数(电表本来就是两位小数)再撒 5000 组,结果有 79 组差 1 分,比如峰 2950.02、谷 1870.83,我算 232267 分、它算 232266 分。
两边都没算错。差别在取整发生的时机:它按档各自四舍五入再相加,我在总额上取整一次。而我的规格里只写了"四舍五入到分",没写"只在最后取整一次"——规格漏了一句,两份实现就各自合理地错了。
这也是我唯一一处把话说满了又自己收回来的地方:整数电量零误差是真的,小数电量还差着 1 分,也是真的。
一个我没能实现的官方规则
浙江通知里还有一句:
新装或变更用电的"一户一表"居民用户,实际用电时间不足一年的,分档电量标准按全年分档电量标准和实际用电月份数折算,实际用电时间不满一个月的按一个月算。
这条 R6 交付时根本没实现——技术专家评审当场指出 billing.js 里没有对应入参,并举例:半年用电 1800 度,按全年档位算 518.40 元,按折算口径应是 539.40 元。差 21 元。
我在 R7 里要求补一个 proratedCaps(table, months),并断言 proratedCaps(浙江表, 6) 的第一档上限是 1380 度(2760 的一半)。
写在这儿是想说:这类"官方文件里第 10 句、不影响主流程"的规则,是 AI 最容易整段漏掉的东西。它不会报错,也不会让测试变红,因为没人给它写这条测试。
过程留档



本地怎么跑
git clone https://atomgit.com/dahaorizi/peak-valley-clock.git
cd peak-valley-clock
npm test # 应为 53 pass 0 fail
node evidence/official-check.mjs # 九个价逐格对官方原文
node evidence/difftest.mjs # 峰谷与平价各 3000 组,最大误差 0 分
node evidence/r3-buggy-repro.mjs # 复现那个 148.20 元的错
零依赖,Node 18 以上就行。界面直接双击 web/index.html。
我还没修完的地方
-
web/app.js** 与src/core仍是两份实现**。R7 曾出现同一输入 web 给 534815、core 给 534816;R12 也没动这块。终审用 UI 真实的电量分布跑 5000 组,仍有 1.64% 分歧,而且是网页比内核准。真正该做的是构建期注入生成,我没做。这是我认为这篇稿子目前离"发布级"最远的一条。 -
小数精度契约是刚定的:内核保证小数点后不超过 3 位的电量精确到分;4 位以上曾出现 2.47% 的 1 分级别分歧。R12 要求要么在入口拒绝、要么如实记录,但证据层
evidence/difftest.mjs的输入至今仍是整数,也就是说这条最可能出错的路径,仓库里的差分证据覆盖不到。 -
evidence/r3-buggy/** 里那份是 LLM 转写副本,不是字节级原件**。我原本想做成"不可辩驳的原件",结果码道转写时改了内容、而我在 PROVENANCE.md 里把原始哈希当成了仓库文件的哈希——一句错话。R12 已改成双列哈希并明确声明不是原件。实质结论(第三档 0.638)仍然可核验,在第 14 到 18 行。 -
拖拽这条路还没通。点选已经能用(点卡片选中、点色带切换时段),但把设备拖到某个时段仍不产生变化。宣传的手势和实际可用的交互不是一回事。
-
工商业分时电价那套表,各档对平段的浮动百分数、深谷具体时刻、文件文号,政府网转载稿里都查不到。我只拿到时段结构(春秋季低谷 0:00–7:00 与 11:00–14:00,夏冬季 18:00–22:00 尖峰)。所以现在"山东"这一档只画时段、不标价格,账单显示"数据待补",我没有用假数字把它填满。
-
跨年重置修了,但那是评审指出来我才去看的,不是我自己想到的。
-
文章里"年用电 3500 度、峰 2400 / 谷 1100、省 203.00 元"是一个合成家庭,不是真实电表数据。那句"选峰谷每年省 203 块"是这台机器上算出来的一个例子,不是你家的账单。想要真数,把你家电网的年用电量填进去就行。
电费这张表来自浙江省物价局《关于完善居民生活用电阶梯电价政策有关事项的通知》,2012 年 7 月 1 日起执行,居民侧至今未变,原文在这儿:https://fzggw.zj.gov.cn/art/2012/6/14/art_1229123351_580640.html 。通知正文只写了规则(“第二、三档在第一档基础上同步加价 5 分、3 毛”),没写结果,所以九个价里有六个要自己推——这也是这个项目最有意思的地方:官方给的是规则,不是答案。
五维自检
写完回头给自己挑刺,五个维度:
能不能一秒看懂。 色带 + 拖电器 + 三个大数字,不需要读说明。及格。
有没有客观答案。 有,九个价对官方原文,3000 组对拍零误差。这是它跟"又做了个漂亮 demo"最大的区别。
是不是真有人需要。 装了电动车、开了峰谷电的人真的会算这笔账。但我得诚实:目前没有任何真实用户跑过它,包括我自己——我家还没开通峰谷电。
代码是不是真跑过。 是,而且跑红过好几次。npm test 那条假失败、拖拽那个静默空操作,都是我自己动手撞出来的,不是推测。
有没有吹。 有一处:界面宣传"拖拽到时段",但截至我写这段,拖拽的语义是反的(详见下一节),这条我已经写进"没修完"里了,不藏。
写在最后:人定架构,AI 分块实现
这一天下来,我最深的体会不是"AI 写得快",而是AI 写得快会让"验证"变成瓶颈。
五轮代码交付,加起来大概四十分钟;而我花在"怎么确认它是对的"上的时间,是它的好几倍——写一份互不引用的参考实现、造一条解析式不变式、请两个评审各自写探针脚本去戳它。技术专家 61 分那份报告里,有五条是我自己复核时压根没想到的。
但这恰恰是这类工具真正省地方的反面:它把"写"的成本压到接近零之后,"判断写得对不对"的成本就变成了全部成本。而判断能力没法外包给它自己,因为它的测试和它的实现来自同一个理解。
所以如果非要给这个项目提炼一条方法论,我会说:让 AI 写代码之前,先想清楚一个问题能不能被机器独立判真伪。能,你就尽管让它写,写错了差分脚本会红给你看;不能,那你收到的就是一堆看起来很合理的漂亮代码,而你没有办法在三十分钟内证明它是对的。
分时电价刚好是"能"的那一类。这大概是我这个选题唯一做对的决定。
不足也摆在那儿:工商业电价的浮动百分数我拿不到官方一手数据,所以那套表只进了时段结构、没进对拍;月度结算的两种口径我只实现了一种;界面的拖拽语义还是反的。这些我没编数据糊过去,都在仓库里以 complete: false 或回归测试的形式留着。
仓库在这儿,欢迎 clone 下来把 evidence/difftest.mjs 改成你自己的实现再跑一遍——如果你那份也能跟它对上 3000 组零误差,那才算真的立住了。
更多推荐



所有评论(0)