为什么用 Maker-Checker 而不是让同一个 Agent 自检
本条目是「Prompt 2.0 方法论」的第 12 部分，对应学习清单条目 2.4.4。
前置依赖：Maker-Checker概念、Maker-Checker落地、成本考量 为以下铺垫：Skill Engineering、Loop Engineering
一、核心观点
能讲清「为什么用 Maker-Checker 而不是让同一个 Agent 自检」。 同一个模型自检，就像同一个人检查自己的作业——他「知道」自己为什么这么写，于是天然宽容，把错也判成对。
2.1 类比：自己批改自己的考卷
你写错了一道题，复盘时因为你「记得」自己的思路，会倾向于觉得「这里其实也说得通」。独立的人来批，没这层滤镜，反而一眼看出错。模型同理：同一上下文 = 同一盲区 = 同一份宽容。
2.2 同一 Agent 自检的问题
- 盲区相同：它犯的错，它自己大概率也发现不了
- 缺独立视角：易陷「确认偏误」
- 谄媚放水：模型普遍倾向给自己好评
flowchart LR S[同一 Agent 自检] --> P[同上下文 / 同盲区] P -. 确认偏误 .- X[漏过错误] M[Maker 生成] --> C[Checker 独立审查] C -. fresh 视角 .- Y[发现盲区]
三、Maker-Checker 的优势
- 独立视角：Checker 发现 Maker 盲区
- 跨模型互审：Claude 写、Codex 审，利用不同模型的差异补盲区
- 确定性测试兜底：pytest / ruff / mypy 是机器判，不是模型判
4.1 ❌ 同一 Agent 自检
请审查这段代码，找出问题并修复。然后自己检查修复是否正确。4.2 ✅ Maker-Checker 分离（跨模型）
maker_model = "claude-opus" # 写实现
checker_model = "gpt-4" # 独立审查
run("pytest && ruff check . && mypy .") # 硬门禁五、最新研究与企业数据（2024–2026）
- Google Research《Towards a Science of Scaling Agent Systems》(2025/2026)：180 组受控实验显示，无验证瓶颈的独立并行 Agent 会把单个错误放大 17.2 倍；即便中心化架构靠协调者验证，也只能压到 4.4 倍。这从量化角度说明：没有独立、严格的审查，错误会滚雪球——正是 Maker-Checker 要解决的痛点。
- Anthropic《Harness design for long-running application development》(2025)：直接指出「self-evaluation fails（自评估会翻车）」——让模型评自己产出的工作，它会「自信地夸自己，即便质量明显平庸」。把「干活的」与「挑刺的」拆成独立上下文，是有效杠杆。
六、学习资源
- 研究：Google《Towards a Science of Scaling Agent Systems》（arXiv:2512.08296）
- 权威指南：Anthropic《Harness design for long-running application development》
- 进阶：ReAct 框架 · 选型判断标准
核心要点
| 要点 | 速记 |
|---|---|
| 核心 | 同一 Agent 自检 = 同盲区 + 确认偏误 + 放水 |
| 类比 | 自己批改自己考卷，错也判对 |
| 解法 | 跨模型互审 + 确定性测试兜底 |
| 一手数据 | Google：无验证并行错误放大 17.2×（中心化 4.4×） |
| 一手数据 | Anthropic：自评估翻车，独立上下文是关键杠杆 |
下一篇：ReAct 框架——Maker-Checker 讲完，进入框架选型。
参考来源（一手链接 · 可溯源深挖）
- Google Research (2025/2026)《Towards a Science of Scaling Agent Systems》：research.google/blog/towards-a-science-of-scaling-agent-systems（arXiv:2512.08296）
- Anthropic (2025)《Harness design for long-running application development》：anthropic.com/engineering/harness-design-long-running-apps
速记卡（面试闪卡）
Q1：一句话讲清「为什么用 Maker-Checker 而不是让同一个 Agent 自检」到底是什么？ A：Maker-Checker：让生成者（Maker）和独立审查者（Checker）分开，避免同一模型自检时因同盲区而放水。
Q2：一、核心观点 —— 怎么理解？ A：同一模型自检=同一个人改自己考卷，记得自己思路就宽容——把错也判对（Confirmation Bias）。
Q3：二、定义与原理 —— 怎么理解？ A：盲区相同+缺独立视角+谄媚放水，三连击让自检必然漏错；独立人来批没这层滤镜（Same Blind Spot）。
Q4：三、Maker-Checker 优势 —— 怎么理解？ A：独立视角查盲区、跨模型互审（Claude 写 Codex 审）补差异、pytest/ruff/mypy 机器硬门禁兜底（Independent Checker）。
Q5：四、示例对比 —— 怎么理解？ A：❌ 让同一 Agent 写完又自查；✅ 拆成 Maker+Checker 跨模型，再跑确定性测试当最后闸门（Cross-model Review）。
Q6：核心速记主线有哪些？
- 本质：同模型自检=同盲区 + 确认偏误 + 放水
- 类比：自己批改自己考卷，错也判对
- 解法：跨模型互审 + 确定性测试兜底
- 数据：Google 无验证并行错误放大 17.2×（中心化 4.4×）
口诀 A：同模自检是大忌，自己考卷自己批； 盲区相同视角缺，确认偏误把错庇； Maker 写来 Checker 验，跨模互审补差异； 确定性测兜底硬，错误雪球滚不及。
相关链接
- 系列清单：Agent 方法论与产品思维学习路线图
- 上一层级：Prompt 2.0 方法论 · 索引
- 同主题：Maker-Checker 概念 · 分离规划与执行