一字一诗
学习路径/06 / 完整交付
LESSON 25 / 26

给项目做一次完整验收

这一课完成什么

按需求逐项检查项目，并保存可复查的证据。程序不报错只是第一层。我们还要知道数据是否串卷、模型是否偷看答案、训练是否真实有效、CLI 是否按要求输出，以及课程命令能不能跟着跑。

把“能运行”拆成可检查的结果

验收不能只看程序最后有没有打印四行字。输入边界、材料隔离、因果遮挡、保存恢复和真实输出都需要对应检查。

把“能运行”拆成可检查的结果
用文字逐步读这张图
  1. 材料检查：三份卷不共享分组；字表版本一致
  2. 模型检查：未来不会影响过去；数字尺寸正确
  3. 学习检查：小题误差可以下降；训练保存能恢复
  4. 输入检查：非法数量等明确报错；不会假装成功
  5. 生成检查：首字、行数、字数；关键词如实记录
  6. 内容检查：语义、重复、主题；由人读懂再评价
故意输错时返回非零算失败吗？

它是一次预期的错误处理。验收要检查这个错误是否被正确发现并说明。

第一层：结构与计算

bash
.venv/bin/python -m pytest -q

核心测试包括：繁简去重、缺字隔离、相近版本归组、条件区与补齐区不评分、固定抽题状态恢复、未来字不影响过去输出、手写与优化注意力一致、小题能学会、参数保存恢复一致、生成格式、固定种子和异常输入。

这些测试明确验证了对应行为，没有证明模型文学水平。小模型随机参数也可以通过格式测试，因为格式有程序约束；真实训练效果要看下一层证据。

第二层：材料与训练记录

bash
./poet lesson 25
./poet evaluate --split val --batches 30

检查三份材料的组指纹交集为 0，检查 manifest.json 的原始文件摘要、排除理由和数量。打开训练日志，比较初始模型与最佳模型在同一固定验证方法下的误差；检查保存的 step、设备、配置与模型参数数。

最终测试卷应在模型与设置确定后使用：

bash
./poet evaluate --split test --batches 60 --output reports/final-test.json

该命令仍是固定抽样，报告不能写成“全测试卷逐首检查”。本项目的交付报告将分别列出抽样规模与模型阶段。

第三层：真实 CLI 行为

固定一组开头和关键词，覆盖五言、七言、多首输出、JSON、交互退出、错误输入、从其他目录调用。保存每次输入、输出、耗时和退出码。逐首检查开头、句数、每句字数、标点、内部标记和原诗整首重复。

bash
.venv/bin/python scripts/verify_delivery.py

验收脚本会运行课程实验、检查本地页面链接与源码入口，并调用真实训练模型。报告写入 reports/。完整检查需要模型已经训练完成，耗时会高于单次写诗。

第四层：人能否使用课程

在浏览器检查课程入口、搜索、代码复制、学习标记、交互图解和窄屏目录。再通过本机服务实际运行：正文命令带入参数、输出逐步出现、短训练结束、停止保存、恢复训练、选择练习模型写诗，以及刷新后查看历史记录。只打开静态 HTML 可以读课文和操作教学图解；启动 Python 实验需要本机服务。

若自动检查只确认链接存在，还要实际打开代表性页面查看排版；反过来，一张漂亮截图也不能证明 26 节内容和命令都能工作。

如何阅读交付证据

reports/lesson-experiments.json 保存逐课实验输出；reports/delivery.json 保存自动验收结果；训练目录保存原始曲线数据。真实训练与验收记录 引用本次测量并展示固定题目的全部输出。自动通过项、人工观察与尚未保证的文学能力分别写清楚。

报错也要按预期发生

有意输入不合法数量时，应该得到中文提示、没有诗文输出、返回码为 2。它是一项通过的错误处理检查，不代表模型训练失败。正常写诗与失败输入都应该验收。

图 17 / 浏览器截图本次复现命令 · 有意输入错误
遇到错误时，先看提示再改输入

遇到错误时，先看提示再改输入

先看哪里
数量为 0 不合理，程序把原因写到标准错误并返回 2。
这说明什么
这是预期的保护性失败，说明输入检查能工作。修改为 --count 1 再执行；不需要重新安装环境或重新训练。
你接着做
也可以用 --form eight 练习识别参数错误。先读提示中的具体字段，避免盲目重跑长训练。

打开原图，放大阅读 · 可复制的文字版

查看来源

reports/illustrated/write-errors.txt

完整配图索引见训练与 CLI 图解手册，包含本次 50 → 75 步复现、正式训练存档、CLI 三个渐进版本，以及原始命令和截图来源。

小练习与答案

把一个测试断言故意改错后仍然显示全部通过，最应该先检查什么？

查看答案

先检查实际运行的是哪份测试文件、是否被发现、是否被跳过、是否用错目录或环境。验收工具本身也需要确认覆盖范围。完成后恢复测试，不要把删除失败断言当作修复功能。

动手补全一小段

先运行上面的完整实验，再复制本课起始文件为自己的练习。starter 有意留空 solve 函数；补全后运行文件，底部检查会告诉你是否符合本课要求。卡住时打开参考答案，比较每一步。

bash
cp lessons/25/starter.py lessons/25/my_exercise.py
# 编辑 my_exercise.py 中的 solve 函数，然后运行：
.venv/bin/python lessons/25/my_exercise.py
# 对照完整答案：
.venv/bin/python lessons/25/solution.py

下载起始代码 · 下载参考答案

展开本课补全练习的完整参考答案
python
"""第 25 课补全练习：检查三份材料是否串卷。修改 solve，保持下方检查不变。"""
import math, io, argparse
import torch
from torch import nn
from torch.nn import functional as F
torch.set_num_threads(2)
torch.manual_seed(26)

def solve(train, val, test):
    return not (train & val or train & test or val & test)

assert solve({'a'},{'b'},{'c'})
assert not solve({'a'},{'a'},{'c'})
print("本课补全练习通过。")
展开本课完整、可独立运行的实验代码
python
"""本课独立实验；在仓库根目录执行 .venv/bin/python lessons/25/experiment.py。"""
import sys, json, math
from pathlib import Path
sys.path.insert(0, str(Path(__file__).resolve().parents[2]))
import torch
from torch import nn
from torch.nn import functional as F
from poetry_gpt.common import ROOT, DEFAULT_DATA, read_json, read_jsonl
from poetry_gpt.model import ModelConfig, PoetryGPT, CausalAttention, Block
from poetry_gpt.data import Tokenizer, SPECIAL, clean_record, keywords_for
from poetry_gpt.labs import show
torch.set_num_threads(2)
torch.manual_seed(26)

if not (DEFAULT_DATA / 'train.jsonl').exists():
    raise ValueError('先运行 poet prepare。')
sets = {n: {r['group'] for r in read_jsonl(DEFAULT_DATA / f'{n}.jsonl')} for n in ['train', 'val', 'test']}
show('学习与验证同组交集', len(sets['train'] & sets['val']))
show('学习与测试同组交集', len(sets['train'] & sets['test']))
assert not (sets['train'] & sets['val'] or sets['train'] & sets['test'] or sets['val'] & sets['test'])
下载本课实验
上一课 · 封装可使用的命令行下一课 · 独立改进与迁移训练