Explain Test Gold Standard（可解释性金标准）
定义
Explain Test Gold Standard 是 Simon Willison 在 Talking Postgres Ep 42 中提出的 AI 生成代码可上线判据："Could I explain this code to somebody else?"——把"理解保真"作为生成代码可上线的金标准，单纯测试通过不够，因为测试可与实现相洽但与意图脱节。"解释能力"在 review 现场同时验证 reviewer 理解深度与意图保真度。
核心逻辑
AI 生成代码 → 通过测试 → 可上线？
↓
不够。测试可与"看起来对"的实现相洽
↓
真正的金标准：能否向同等水平工程师清晰解释代码做什么、为什么这样做
↓
解释动作同时验证：
- reviewer 真的理解代码（不是表面 review）
- 代码与意图一致（不是过度复杂/缺意图的实现）
- 可维护性（能解释的代码才能被未来维护者改）
与传统判据的对比
| 判据 | 测试什么 | 失效模式 |
|---|---|---|
| 测试通过 | 输出与期望匹配 | 测试可与"看起来对"的实现相洽，与意图脱节 |
| Lint/type check | 形式合规 | 形式合规≠语义正确 |
| LLM-as-judge | 与 ground truth 接近 | 校准错误、模型偏误 |
| Explain Test | 理解保真 + 意图保真 | reviewer 先验差异；解释颗粒度模糊 |
适用边界
- 前提 1: reviewer 与 author 是同等水平或以上的工程师
- 前提 2: 代码有清晰的"做什么"和"为什么这样做"可解释
- 不适用: trivial boilerplate（无解释价值）；高度依赖 framework 内部机制的代码（解释成本极高）
- 不替代: 测试是必要不充分条件——可解释代码仍需测试
应用到非代码领域
Simon Willison 的金标准适用于一切 AI 生成产物：
- SQL query → 能向 DBA 解释 join 选择
- Commit message → 能向 reviewer 解释为什么这样写
- Agent trajectory → 能向 stakeholders 解释 agent 为什么走这条路
- Documentation → 能向新人解释如何使用
与现有 concept 的关系
- Agent-Verification — Explain Test 是 verification 在"理解保真"维度的具象化
- Rubric-Based-Evaluation — Explain Test 可作为 rubric 中的一项 binary check
- Code-Cleanliness-Agent-Footprint — 可解释的代码通常也是结构整洁的；两者正相关
- Slop-Proxy — Slop 是不可解释的伪装产出，Explain Test 是对抗 Slop 的关键工具
关键数据点
- 提出者: Simon Willison（Talking Postgres Ep 42, 23:01 节）
- 适用域: 一切 AI 生成代码与产物
- 与 Code-Cleanliness-Agent-Footprint 同向：file revisitation −34% 与 explainability 高相关
前提与局限性
- 依赖 reviewer 先验: 资深工程师 5 秒解释 vs 新人 5 小时——"同等水平"假设
- 不适用 trivial 代码: 重复样板不增加解释价值
- 不替代 testing: 解释不验证正确性，只验证意图保真
- 解释颗粒度主观: 解释到什么程度算"清晰"无统一标准
关联概念
- Agent-Verification — verification 的具体形态
- Rubric-Based-Evaluation — explain 可作为 rubric 检查项
- Simon-Willison — 概念提出者
- Code-Cleanliness-Agent-Footprint — explainable code 通常也是 clean code
- Verifier Mental Model（forward reference，未建 entity） — verifier 视角下 explain test 的价值
- Slop-Proxy — 反面：不可解释的产出是 slop proxy