业主对第五大道这座新楼的要求，短得出奇：预算固定；办公室离窗户到走廊不超过 28 英尺；这样的楼层越多越好；外墙用石灰石；1931 年 5 月 1 日完工。主设计师威廉·兰姆写道，这「意味着从开始画草图算起，一年零六个月」。
5 月 1 日是纽约传统上签新写字楼租约的日子。纽约市地标保护委员会后来写道，对一栋投机性的写字楼，这个日子至关重要。
据兰姆自己的记述，帝国大厦的整体方案是在业主公司开会前一晚，用两个小时定下来的。一个通宵过去，第二天桌上已经有了五六张主要平面图、一张立面图、一张透视图和一份可出租面积表。
图纸一夜就出来了。最后那一天，却在第一张图之前就定好了。
倒着设计的楼
这个日子一直伸到了你绝想不到和日历有关的细节里。兰姆的合伙人什里夫解释过：把窗户装得比石墙稍稍往外突，窗间用金属板，大部分石料就成了简单、重复、好加工的块。石匠只管往上砌，不用等窗户。他写道，这个选择对缩短从草图到开工的时间「至关重要」。
施工用了 410 天。1931 年 5 月 1 日，大楼落成。
动手之前，先想清楚「做完」长什么样，再往回排。
史蒂芬·柯维把这一条列为 1989 年《高效能人士的七个习惯》里的第二个习惯。他的说法是：凡事都要创造两次，先在脑子里，再在现实里，就像房子先是一张蓝图，然后才有人砌第一块砖。柯维把它推到了盖楼之外：他请读者想象自己的葬礼，想想希望别人在那天怎么说自己；按 FranklinPlanner 博客的转述，接下来就从那里往回推，定下眼前的目标。
终点告诉不了你的事
帝国大厦的终点是一个日子，它准时到了。可这栋楼要的是租金，大萧条的头几年，楼里只租出去一半，人称「空国大厦」。投资人想招的大公司，去了更北边的楼。终点清楚，能把你带到你说出来的那个地方；到了以后，那里还值不值得去，它管不了。
柯维的葬礼练习是他给的建议，不是研究得出的结论。范围更窄的「从目标往回排计划」，倒是有几项研究。2017 年，Jooyoung Park、Fang-Chi Lu 和 William Hedgcock 报告：倒着排计划的人，干劲更足，对成功的预期更高，时间压力更小，在目标上也做得更好。其中一项研究里，为期末考试倒着排复习计划的学生，考得比顺着排的好。目标越复杂，这个好处越明显。不过参加者都是学生，计划的是功课、考试和求职面试，而且这只是一篇论文里的几项研究。
更早的一组研究泼了点冷水。2016 年，Jessica Wiese、Roger Buehler 和 Dale Griffin 发现，倒着排计划的人预计的完成时间更晚，其中一项研究里，他们的预测因此不那么过分乐观。可这份改进来自预测往后挪了：这项研究没有检出实际完成时间的显著变化。从终点往回看，让人把活儿看得更实在，却没有证据表明它让人干得更快。
没有终点的入职改进
假设上面让你「改进新工程师的入职」。你可以从头做起：更新欢迎文档，配一个带教伙伴，把内部维基理一理。
你也可以先写终点：新工程师入职第一周，往生产环境交一个小改动。然后往回推。交改动，要有人审过的代码；写代码，要有能用的开发环境；开发环境，要一台开好权限的电脑。而电脑权限，你这才发现，审批要八个工作日。
欢迎文档会写得很漂亮。新人照样坐在那儿等电脑。
终点藏在测试里的任务
AI 编程智能体碰到的，是这个问题最纯粹的样子：它拿到一段问题描述，而判断修没修好的标准，放在另一个地方。
SWE-bench 是一套评测编程智能体的题库，题目取自 GitHub 上真实的问题，用当初修复时写的测试来判分。2024 年，OpenAI 请 93 位有经验的 Python 开发者筛查了其中 1699 道题。38.3% 被标为描述不清，问题是什么、该怎么解都说不准；61.1% 被标为测试可能把正确的解法判错。OpenAI 一共筛掉了 68.3%，也承认这轮筛查可能偏严。
举一个例子：一道题问的是，scikit-learn 某个函数里的 copy 参数为什么不起作用。判分的测试却要求弹出一条特定措辞的弃用警告，而问题描述里一个字也没提。终点只存在于测试里。
你每次把「修一下导出的那个 bug」只放在自己脑子里交给智能体，就是在出这样的题。让它动手之前，先写下你打算怎么判定做完，放进指令里。再把任务原文单独交给一位同事，或者一个新开的模型会话，问它「做完」指什么。多问几次。如果答案总跟你的不一样，就说明任务可能没写清楚，改清楚再交。不然，智能体可能就在猜一条谁也没写下来的弃用警告。