游戏限时 18 分钟。四个人一组，发 20 根干的意大利面、一码长的胶带、一码长的绳子和一颗棉花糖。谁搭的塔能自己立住、又最高，谁赢。棉花糖必须放在最顶上。
给设计团队做工具的汤姆·伍耶克，在世界各地的工作坊里带人玩过大约 70 场。2010 年他在 TED 上说，大多数组的做法都一样，也都很讲道理：先讨论题目，再做计划、画草图、把面条摆开，大部分时间花在搭一座高高的架子上。快结束时，有人把棉花糖放上去，全组退后一步欣赏，然后棉花糖的重量把整座塔压垮了。
伍耶克发现，玩得最差的一批里，有刚毕业的商学院学生。玩得最好的一批里，有刚从幼儿园毕业的孩子。
孩子们并不比大人更懂怎么搭东西。他们只是换了个顺序。
先放棉花糖
孩子们一上来就拿起棉花糖。先搭一座顶着棉花糖的小塔，立住了，再搭一座更高的，棉花糖始终在顶上。伍耶克说：「每搭一版，孩子们马上就知道什么行、什么不行。」
他说，商学院学生受的训练，是「找到那一个正确的计划」，然后执行。计划只在最后一分钟被检验一次，那时已经没有时间修了。
成绩最好的是建筑师和工程师，他们知道三角形不会变形。懂行当然有用。可光是顺序的差别，就足以让刚从幼儿园毕业的孩子赢过拿了商科学位的大人。
伍耶克从另一头也看到了这一点。有一次他加了码，对一群设计专业的学生说，获胜的组能拿到价值一万美元的软件。搭出一座一英寸高的塔就能赢。结果没有一个组的塔立住。让同一批学生再玩一次，这回他们边搭边试，从最差的一批变成了最好的一批。
先把猜测写下来
1939 年，统计学家沃尔特·休哈特就说，定规格、生产、检验这三步「必须连成一个圆，而不是一条直线」。1950 年，爱德华兹·戴明把它带到日本；按一种说法，是日本的企业高管把它改写成了「计划、执行、检查、处理」，也就是后来人人都知道的 PDCA。
戴明自己一直不太认这个名字。他提醒听众，英文的「check」有「拦住」的意思。1990 年他在一封信里写：「一定要叫它 PDSA，别叫那个走了样的 PDCA。」S 是 study，研究。计划一个改动；去试，最好先在小范围里试；研究发生了什么，学到了什么，哪里出了错；然后处理：采纳、放弃，或者再转一圈。
他在意的区别，在研究这一步。1991 年，跟戴明共事多年的罗纳德·莫恩和两位同事把它讲明白了：计划里必须写下预测，而且要在动手之前写；研究，就是拿发生的事和预测去比。好的检查也能做到这一点。可要是事先没把猜测写在纸上，看到结果时，人很容易觉得「差不多就是我想的那样」。
一顿午饭
设想一家咖啡馆的店长，受够了午饭时排到门外的队。把整个柜台重新设计一遍，要好几个月。于是她挑了一个周二，只改一件事：派一个人拿着本子沿着队伍走，在客人走到收银台前就先把单点好。她在收银台边贴了张便利贴，写下自己的猜测：等位不超过八分钟。她还请一位同事，给每位客人记下两个时间：几点开始排队，几点点上单。
一点半，她看那张记录。等位时间确实短了，只是没短到八分钟。还有一件没想到的事：厨房习惯了单子一张一张来，这回是一阵一阵涌进来，两份沙拉做错了。
猜对了一半，慢的地方挪到了厨房。她决定本子留着，明天点好的单子三张一批送进厨房。整场试验，花掉的不过是一顿午饭。
智能体身上的循环
AI 智能体在一个任务里，可以把这个圈转上一遍又一遍。Anthropic 讲怎么搭智能体的文章说，智能体通常不过是模型「根据环境的反馈，循环地使用工具」；执行时，每一步都要从环境里拿到「真实反馈」来判断进展，比如工具返回的结果、代码跑出来的结果。
拿这个真实结果去和智能体原本的预期比，研究才算开始。只让智能体自己评判自己的活，就像店长拿计划去对计划。代码真跑出来的结果，才是一点半的那张记录。
Anthropic 给编程智能体 Claude Code 写的指南，把代价讲得很直白：没有一个智能体自己能跑的检查，「你就成了那个验证环节，每一个错都要等你去发现」。检查不一定非得是一套测试。指南里列的还有：构建是否成功的返回码、代码检查工具、拿截图和设计稿对比。要紧的是，这个信号不能来自智能体对自己的看法。
幼儿园的孩子从来不需要裁判。每隔几分钟，棉花糖就被放到一座新塔的顶上，塔要么立住，要么倒下。