作者花两周做了一个能回看任意历史日期状态的红酒酒窖应用，一个人加一个 AI agent，最后写了约 530 个测试。项目里四个真实 bug 有三个，对专门为它们所在功能写的检查完全隐形。他借实验室的词汇解释：一个实验需要正对照（证明方法能检出效应）和负对照（证明没有效应时它保持安静），而每一种假绿或假红，都是少了一个对照，或者把对照指错了地方。文中详述了三种：测不出失败的测试（断言「提议的声明不改变任何状态」，但同一层级按时间新旧取胜，删掉整段过滤逻辑测试照样绿）、永远失败的检查（扫密钥的正则把 @sanity/client 里的合法导出名 skipCrossDatasetReferenceValidation 当成 sk 密钥，每次干净构建都报红，然后被当成误报忽略），以及第三种最难发现——正负对照都在、断言也有效，只是编码了一份错误的契约。