好看的畫面、頁面回傳 HTTP 200，或一次成功的部署，都不足以證明產品解決了問題。這篇把產品工作拆成 6 個可查核階段；每一階段都要留下可重跑的輸入、輸出、驗收訊號，或清楚的限制。案例來自本站公開的 小賽影片壓縮器、掛谷猜想 3D 實驗室 與 小賽 AI 樂透預測。
1. 問題定義：先寫出不能拿來冒充成功的結果
問題定義的輸入是使用者情境與失敗代價，而不是功能清單。影片壓縮器的情境是「不願把私人影片交給陌生伺服器」，所以目標是讓選取檔案、轉碼與下載留在瀏覽器工作階段；這不等於可以宣稱「100% 隱私」。作者 2026 年 7 月 24 日的工作紀錄提到 FFmpeg Worker 載入失敗與模擬模式，但沒有保留 HAR、Console／Worker 日誌、瀏覽器版本、測試檔雜湊或程式版本快照，因此不能用它判定目前的轉碼路徑或連線行為。
可檢查的產出是兩條不同的驗收規則：一條檢查壓縮期間是否沒有影片上傳請求；另一條檢查輸出檔是否存在、可播放且不是空白 Blob。前述舊工作紀錄沒有足以重現的原始證據，所以不能證明其中任一規則曾通過；兩者都必須由目前版本的測試重新驗證，不能把介面上的成功畫面或 HTTP 200 寫成產品完成。
2. 資料與風險：保留基準與負面結果
資料驅動產品應先列出資料來源、資料截止點、比較基準與不該推論的結論。小賽 AI 樂透預測 的輸入是歷史開獎資料與固定選號規則，並把均勻隨機模型保留為基準；產出包括逐期事前保存的預測、開獎後評分、卡方均勻性與獨立性檢查。
驗收訊號不是「曾猜中一組號碼」，而是候選方法必須在相同資料窗口與樣本外期間，持續優於隨機基準。目前公開結論是頻率、冷熱號、遺漏間隔、LSTM、Markov 與集成方法都沒有顯著勝過隨機選號。這是有效結果，因為它限制了產品可說與不可說的事。
3. 最小可驗證路徑：縮小到能重複的行為
最小可驗證路徑不必先追求完整商業功能，但必須能排除錯誤解釋。掛谷猜想 3D 實驗室 以同一套確定性方向取樣與 Three.js 實例化繪圖核心，支援互動科普、沉浸藝術與 6 步驟教學三個入口。相同參數與亂數種子產生相同結果，是可重複的輸入與輸出關係。
這個案例的限制同時也是驗收的一部分：畫面只呈現有限方向取樣與有粗細的細管，不能取代無限方向與極限過程的數學證明。WebGL 無法建立時，頁面必須保留文字、靜態圖形與修正建議，而不是把空白畫布誤認為「已完成的 3D 體驗」。
4. 驗證：測量使用者目標，而非只測頁面存在
驗證要連結到先前定義的輸出。作者 2026 年 7 月 24 日的工作紀錄曾寫下 window.crossOriginIsolated 為 true、FFmpeg Worker 因跨來源載入被拒絕，以及程式進入模擬模式並產生空白 Blob；但這些記錄沒有可追溯的原始證據，不能獨立證明歷史或目前行為。它只說明正確的驗收順序：目前版本必須先檢查真實輸出是否可播放、大小是否合理、網路請求是否沒有影片上傳，最後才看進度條與下載按鈕。
自動化測試也要等到頁面達到可操作狀態，再斷言可觀察的結果。Playwright 的 locator 動作會檢查元素是否可見、穩定、接收事件且可用，斷言也會自動重試；它能降低 UI 測試的偶發失敗，但不能替代輸出檔可播放或資料研究樣本外有效的驗收。每項測試都要能指出它驗證的是哪一條產品主張。
5. 發布：把部署視為交付紀錄，不是產品證明
發布的輸入是通過驗收的版本、可追溯的變更與已知限制。Cloudflare Pages 的 Git integration 可以在分支提交與 Pull Request 產生預覽、提供建置與部署狀態；GitHub Actions 的 environments、保護規則與部署狀態則可記錄部署目標與流程。這些都是審查訊號，不能單獨證明實際功能正確。
公開發布時，至少應同時交付內容邊界。小賽 AI 樂透預測 的公開頁面保留娛樂、教育與資料研究定位，說明沒有模型證明優於隨機，並提供隱私權政策與未滿 18 歲警語。這些文字不是免責裝飾，而是避免把研究輸出誤作投注或收益承諾的發布條件。
對這個網站的內容頁，Astro collection schema 是另一條發布前檢查：前置資料需符合固定欄位與型別，才能在建置時被驗證並穩定產生路由。它保證內容結構，不保證文章中的產品主張已被實驗證實。
6. 維護：把未完成事項轉成下一次可驗收的工作
維護不是只修飾文案，而是把已知缺口轉成具體的輸入、輸出與停止條件。影片壓縮器下一步應先移除假成功；若 Worker 或核心載入失敗，輸出必須是明確錯誤與禁用下載。之後才以同源託管的 Worker 與 FFmpeg 核心，重跑小型影片端對端測試，驗收可播放輸出、合理檔案大小與無影片上傳。
樂透研究的維護輸出應記錄每個模型版本、資料截止時間、樣本外期間、評分方式與升降級原因；未優於基準就維持研究結論，不升格為預測能力。掛谷實驗室則持續把有限取樣、減少動態偏好、WebGL fallback 與原始數學論文來源留在產品中，避免互動效果遮蔽數學邊界。
不適用情況
這套流程適合可觀察、可重跑的軟體、資料研究或內容交付。它不適合單靠靜態網站建置就能處理的即時交易、醫療、法律、安全關鍵控制或其他高風險決策。這些情況還需要領域專家審查、資料治理、權限與稽核設計、事故處理流程，以及符合所在地規範的驗證；一篇案例文章或前端測試不能取代它們。
若只是探索視覺方向、研究問題或尚未決定使用者與驗收標準，也不應急著套用「產品已發布」的敘事。先把範圍稱為原型或研究，並寫明尚未驗證的假設，會比提早承諾更有用。
何時應停止或縮小範圍
遇到下列訊號，應停止宣稱原目標已達成，或把範圍縮小到已能證實的部分：
- 真實輸出不存在、不可播放或只能靠模擬成功呈現時，停止把影片壓縮器稱為可用轉碼產品。
- 候選模型沒有穩定勝過隨機基準時，停止任何提高勝率、收益或預測能力的敘事，保留為娛樂與資料研究。
- 有限 3D 視覺化被理解成數學證明時，縮小主張為教學與直覺輔助，保留有限取樣與原始論文連結。
- 建置、預覽或 HTTP 200 通過，但沒有對應到原先的輸入與驗收訊號時，停止發布判定，回到驗證階段補足證據。
可靠的產品流程不是每一步都成功，而是能明確回答：目前證實了什麼、尚未證實什麼、下次要用什麼訊號決定繼續、縮小或停止。