让 AI 修整个网站，最怕它回一句"改好了"，可一次检查都没跑过。

Google 这份 Gemini 4 Argon 官方开发者指南，核心就一句：长任务交给 AI 前，先把怎么验收准备好。比如修网站：先让它写脚本扫遍页面、记下基线，每改一次重跑一遍，直到零违规。官方 6 条做法，都能直接抄👇

🎯 先说清"什么算做完"哪些页面要查、哪些设备要覆盖、什么结果算通过、哪些操作必须等人确认。还可以让它先提澄清问题，一起定里程碑。

🔁 按根因修，别逐页打补丁没有检查脚本就让它先写一个，把失败项按共同根因归类。多个页面都坏在同一个导航组件，就先修组件；每次修改都重跑同一套检查，看有没有影响别的页面。

🎬 录屏比文字说得清动画、交互出问题，录一段边点边说哪里不顺的视频丢给它，它会跳到对应时间点看高清帧。Google 的例子：给 20 分钟用户测试录屏，让它找出用户卡在哪，再修对应组件。

🤝 Argon 定方向，Flash 去干活Argon 拆任务、定接口、审结果，范围清楚的活交给 Gemini 3.8 Flash 子代理并行。火星车着陆仿真里，单 Argon 14 分 13 秒、6 次设计、0.11 美元；加上子代理 8 分 33 秒、26 次设计、0.08 美元安全着陆。

📝 干完让它自己复盘回看整段会话哪里卡住、哪里绕了路，把教训写进 AGENTS.md 或团队 Skill，下次不用从零摸索。

💡 "零违规"不等于做完脚本通过只说明它能查的项目过了，真实页面的阅读、操作和视觉效果还得人看一眼。

说人话就是：别只丢给 AI 一句"帮我修好"，先把验收标准和检查工具交给它，它才能拿真实报错去改，而不是凭感觉说完成了。

你现在让 AI 干长活，是怎么确认它真做完的？完整解读放评论区了👇