让 AI 自己去面试

这件事的难点不在流程编排，而在把声音从一个不可编程的物理世界，接到一个必须完全相信它的第三方平台上。

要让声音精准送达，唯一的办法是让它不经过空气；虚拟声卡就是一根纯软件的数字转接线，而它带来的最大好处，是我们终于找到了一个不会被界面骗到的判据。

这 85 个百分点不是靠换模型、调提示词换来的，全部收益来自两件事：把物理接线改对，以及把一个不再需要的开关关掉。

最贵的故障不报错，它不崩、不红屏、不写日志，只是安静地什么都不说；抓住它靠的不是运气，而是每一层都提前留了账。

一场面试跑完，屏幕上落下两个数字——听对率 100%、送达率 33.4%，同一场、同一套代码，一个满分一个不及格。问题不在哪个数字错了，而在它们量的是不同的东西；而把口径改对之后要付的五笔代价，才是这一集真正的主题。

冻结一条结论，理由不是"我确定它对"，而是<span style="font-weight:600">"我不确定它对，而且我知道我会怎么改错它"</span>。冻结不是信心的表达，是<span style="font-weight:600">谦逊</span>的表达。

在这条路上，一致性是死线不是优化项；四个端点必须全部二十四比特四万八千赫兹，不一致的结果不是变难听，是零。

最阴险的故障不是报错，而是<span style="font-weight:600">「设备在、能枚举、设置界面看得见，但它不传信号」</span>。我们被它骗了整整一个下午——而真正需要做的动作只有两个：重启，和把采样率对齐。

系统告诉你的「完成」，和世界真的发生变化，是两件不同的事；这一集讲同一家族的三种「播完了但没播出来」。

平台说"没听到"的时候，最直觉的反应是停下来重说——而那恰恰是亲手制造它抱怨的那件事。这套守卫的目标从来不是"像真人说话"，而是<span style="font-weight:600">像真人那样守规矩</span>。

一个指标拦下了一个会走歪的方案——成立的前提是「丢失发生在尾部」，而真实情况恰恰发生在头部。

问题不是声音太小、不是发音不准、不是网络卡顿，而是<span style="font-weight:600">声音太碎</span>。从任何单点看系统都正常——合成成功、播放成功、电平有值、转写有字——但平台仍判定"这个人没在说话"。

优化一个由外部平台裁决的系统时，最像成果的那个数字往往最不可信——总播报量在相邻参数下波动 10 倍， 真正能用来判改动的，只有「同一场次内可复现」的那几个指标。

我们为了「不超时」把答案砍短，结果全场只播出十三秒、三百六十六秒草草收场；超时只是被再问一句，说一半是这一轮直接终止，这两种失败的代价差一个数量级。

一个修复一旦真的生效，那条被修复的路径就再也不会被触发——于是你永久失去了证明它修好的机会。 应对办法是把验证搬离线：固定三场历史产物做回放基线，并强制每个检查器自己说出验证了什么。

四十五个脚本里只有一个在跑场，不是因为我们爱写工具，而是跑一场能证明的东西太少、跑砸一场留下的东西太多；真场负责采集，场外负责证明。

文档里两条结论打架时，不许偷偷改掉一个，也不许谁嗓门大谁赢——把矛盾原样登记进冲突台账， 写清冲突双方、现象与候选方案，等人类拍板，再把裁决集中落到一张表上。

边界不是用来限制能力的，是用来保护证据可信度的；一旦跨过去一次，你测出来的所有东西都不值钱了。