昨天下午三点，测试前一天。手机号校验这块还空着，他懒得一个个工具试，就把同一句话在五个工具里各问了一遍：写个函数，校验手机号。
一句话，五个答案。四份一模一样：11 位数字，开头是 1，空格当没看见。第五份多认了一种，带 +86 的 13 位也放过。
他看那份多认了一种，觉得更周全，就用了它。第二天跑那 8 条用例，3 条红，因为需求写的是只收 11 位本地号。改回、重跑、重写用例花掉 91 分钟，他盯着那五行字看了半天，想不通：同一句话，五个工具，怎么会给出不一样的答案？
为什么会这样
它不是去资料库翻出一份标准答案，是一个字一个字往下猜。猜到岔路口，几个候选都说得通，它随手挑一个。
这段代码四十行，一千多个字符，它往下猜了上千次，每次从几个候选里挑一个。挑的时候带一点随机，所以同一句话问两遍，结果不保证一样。五份里四份相同，看着像稳，其实是 4÷5=80%，剩下那 20% 才是它的常态。
随机只在几种写法都说得通的地方起作用。校验手机号这五个字，里头有三个活口：要不要区号、要不要空格、要不要连座机。
换成把变量名 a 改成 b，只有一种写法，问五十遍也是五十遍一样。所以差异不是撒胡椒面，是挤在你留了活口的那几处。
换工具等于换一个猜法。五款工具背后接的模型不同，等于五个人默写同一段课文，字都写对了，可有人写"的"有人写"地"。四个一样只说明四个人习惯一样，不说明那四个对。
91 分钟这么来的：写 8 条用例 40 分钟，3 条白改 15 分钟，查为什么红 20 分钟，改回代码 10 分钟，重跑 6 分钟。
怎么解决
三条，从最便宜的开始。
同一句话连问三遍，取重复的那个。 成本是多问两遍，看一眼结果 4 分钟。改完差多少：那 51 分钟查红、改回、重跑的账，一开始就省了。
把活口钉死成一种。 在那句话后面补 12 个字：只收 11 位，不认区号不认空格，成本是一行字。改完差多少：三个活口降到零，五份答案会往一份收（收多少你那边得自己试）。
要它把别的写法列出来。 不只给代码，让它写三行：这件事有几种常见做法、你选了哪种、为什么。看那三行两分钟，比回头查 20 分钟便宜。
别踩三个坑。
拿"四比一"当投票。四份一样只说明四个习惯相同，不说明四份都对。
把一次结果抄进项目文档当标准答案。往后三次改动都跟着它错，账会滚。
以为换个工具就没有随机了。换了只是换了个猜法，你留的活口还在那儿。
平台怎么管这些问题
统一入口。 五款工具走同一个地址、一份密钥。在这个场景里，他不用为五个工具各配一遍，也不会因为某个没配好而少问一份。
随机旋钮定死。 控制随机大小的那个参数，一般叫温度，在入口统一设一个值。在这个场景里，五份飘的程度差不多，不会一个稳一个飞。
模型可选。 同一个入口换模型，代码不用改。在这个场景里，某种写法老飘，先换模型试，不用重装工具。
规则注入。 项目根目录那份"只收 11 位"的规矩，每次请求自动带上。在这个场景里，五份答案读到的是同一条。
请求日志。 每次调用留一条，带账号、时间、用了多少 token（token 是模型读写文字的计数单位，像手机流量，用多少算多少）。在这个场景里，事后能翻出那五遍分别是谁、几点问的。
用量归集。 按人、按项目出账。在这个场景里，五遍多花的钱能对到人头上。
这些功能平时谁管，四件事。
谁能改规则：那份"只收 11 位"，只有测试负责人和开发负责人两个人能改，改完往群里贴两行改动。
谁能批减免：额度超了要加，走团队负责人一个人签字，不到处找人。
出事能不能倒查到人：每条调用带账号，先查那 90 分钟的日志，能指到具体的人和那句原话。
告警发给谁：发当天值班的那个人，名字写在值班表上，不发到一个群里。
这笔钱值不值
掏钱的是团队负责人，不是写代码的人。
91 分钟白干，按一小时 150 元估（假设），一次 227 元。一个月碰上三次，682 元。
快多少：三遍取一致多花 4 分钟，省下 51 分钟；那 12 个字写进需求模板，一次 10 分钟，往后每个需求都省。
多久回本：模板改一次 10 分钟，头一个需求就回来了。统一入口按用量算钱，他这个量级，一个月几十万 token 的账盖得住这 682 元。
行业规则怎么管这件事
这次对口的不是国家政策，是一份工程规矩：Reproducible Builds，中文叫可复现构建。Debian 社区 2013 年 7 月在 DebConf13 上发起，现在由独立项目组维护，官网上挂着定义。
定义的原话是：一套做法，让"从源码到二进制文件"这条路可以被别人独立验证。操作层面写得更直白：构建系统必须完全确定，给定同一份源码，永远产出同一个结果。
它要的效果是，同一份输入跑两遍，两个文件逐字节一样。所以你把软件下载下来，能自己重编一遍，再比两个文件，就知道有没有被人动过。
模型这边做不到。同一句话跑两遍不一样，这是它的工作方式，不是故障。
回到昨天下午那五行字。四份一样，可你没法像重跑构建那样验出哪份对，只能回头问需求。所以该钉死的不是工具，是那句话。
昨天下午那五分钟，他要的不是五份答案，是一句话里少留三个活口。需求钉死，五份就收成一份；需求松着，问五十遍也还是五份。这笔账不在工具上。
Token工厂：贰号token工厂
Codex、Claude Code、Trae、Qoder 要用的模型 token，统一接入、统一计费。
点这里看详情 →