← Archive
lm-003917 · 2026-09

Bug 修掉不等於學會：Regression Capital 與 QA 記憶

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇

Bug 修掉不等於學會：Regression Capital 與 QA 記憶

系列： AI 時代的創作、選擇與人類復古系列
篇次： 第 8 篇
版本： v0.1
性質： 理論論文／QA 資本模型／公開版

摘要

軟體、遊戲與複雜數位產品在長期開發中必然會出現 Bug。然而，真正區分成熟開發流程與一次性修補流程的，不是「有沒有 Bug」，而是錯誤是否被轉化成未來不再重犯的永久知識。

本篇提出：

Fixing a Bug≠Learning from a Bug\boxed{ \text{Fixing a Bug} \neq \text{Learning from a Bug} }

單純修復：

Bug→FixBug \rightarrow Fix

只能改變當前版本。

真正的組織學習應該形成：

Bug→Fix→RegressionTest→PermanentQAAsset\boxed{ Bug \rightarrow Fix \rightarrow RegressionTest \rightarrow PermanentQAAsset }

本篇正式定義 Regression Capital（回歸資本）：一個團隊從過去錯誤、失敗案例、玩家回報、事故、相容性問題與設計缺陷中，累積出的可重用測試、風險模型、檢查表、硬體矩陣、再現條件、資料集與 release gate。

Regression Capital 的核心不是「記得以前出過什麼 Bug」，而是：

Past Failure→Future Constraint\boxed{ \text{Past Failure} \rightarrow \text{Future Constraint} }

在 AI 與 Agent 時代，過去極其昂貴的人工作業——重跑舊流程、排列硬體矩陣、反覆載入舊 save、重測相同 UI、搜尋跨版本同類 defect——開始可以被大量自動化。因此，一人團隊與小型團隊第一次可以低成本建立接近大型組織的長期 QA 記憶。

本篇主張：未來真正成熟的開發資產，不應只有 Code Capital 與 Art Capital，也應包括：

Regression Capital\boxed{ \text{Regression Capital} }

而一個做到第四、第五、第十個產品的團隊，其 QA 能力理論上應該滿足：

QAn+1⊃QAn\boxed{ QA_{n+1} \supset QA_n }

而不是每個新作都重新踩一次曾經踩過的雷。

關鍵詞

Regression Capital、QA Memory、Bug Class、Regression Testing、AI QA、Agent QA、Release Gate、Organizational Learning、Failure Memory、Software Quality

1. 有 Bug 不等於不成熟

任何足夠複雜的系統：

SS

都可能存在：

B(S)>0B(S)>0

其中：

B(S)B(S)

代表 defect 數量。

因此：

BugExistence≠EngineeringFailure\boxed{ BugExistence \neq EngineeringFailure }

真正值得分析的是：

團隊如何處理 Bug？

2. 第一層：Bug 被發現

最基本流程：

Bug→Report\boxed{ Bug \rightarrow Report }

來源可能是：

  • 開發者；
  • QA；
  • 玩家；
  • telemetry；
  • crash log；
  • Agent；
  • 自動測試。

此時團隊只知道：

某件事壞了。

3. 第二層：Bug 被修掉

接著：

Report→FixReport \rightarrow Fix

此時：

CurrentBuildCurrentBuild

可能恢復正常。

這是必要的。

但它仍然只回答：

How do we stop this exact failure now?\boxed{ \text{How do we stop this exact failure now?} }

4. 第三層：Bug 被理解

更高階：

Fix→CauseModel\boxed{ Fix \rightarrow CauseModel }

即：

為什麼會發生？

例如：

  • refresh rate；
  • async race；
  • null state；
  • stale cache；
  • save migration；
  • wrong-side formula；
  • state machine leak；
  • missing permission；
  • duplicated event。

這一步把：

Symptom\text{Symptom}

轉成：

Failure Mechanism\boxed{ \text{Failure Mechanism} }

5. 第四層：Bug 被類型化

一個 Bug 不應只被記成：

滑鼠抖動。

更成熟的記法是：

Input / Display Timing Compatibility Class\boxed{ \text{Input / Display Timing Compatibility Class} }

因為下一次可能不是：

同一個游標抖動。

而是：

  • cursor lag；
  • click delay；
  • frame pacing mismatch；
  • external display issue；
  • fullscreen-only jitter。

症狀不同，但：

Failure Class\boxed{ \text{Failure Class} }

相同。

6. Exact Bug 與 Bug Class 必須分開

定義：

bi=Exact Bug Instanceb_i = \text{Exact Bug Instance} C(bi)=Bug ClassC(b_i) = \text{Bug Class}

若：

C(bi)=C(bj)C(b_i)=C(b_j)

則即使：

bi≠bjb_i\neq b_j

兩者仍可能來自相同風險域。

因此：

No Exact Recurrence≠No Regression\boxed{ \text{No Exact Recurrence} \neq \text{No Regression} }

7. Bug 修掉不等於風險消失

假設：

b1b_1

在版本一被修掉。

如果團隊只保留：

Patch1Patch_1

沒有保留：

  • reproduction；
  • test；
  • matrix；
  • cause；
  • risk tag；

那麼版本二仍可能出現：

b2b_2

其中：

C(b2)=C(b1)C(b_2)=C(b_1)

所以：

Patch Memory≠Risk Memory\boxed{ \text{Patch Memory} \neq \text{Risk Memory} }

8. Regression Capital 的正式定義

本篇定義：

RC=Regression Capital\boxed{ R_C = \text{Regression Capital} }

它包含：

RC=T+M+D+L+G\boxed{ R_C = T + M + D + L + G }

其中：

  • TT：Regression Tests；
  • MM：Failure Models；
  • DD：Reproduction Data；
  • LL：Risk / Bug Ledger；
  • GG：Release Gates。

9. Regression Test 只是 Regression Capital 的一部分

很多人把：

RegressionRegression

只理解成：

自動測試。

但真正 QA 記憶還包含：

  • 哪些硬體曾出問題；
  • 哪些狀態組合危險；
  • 哪些 UI 行為容易 regression；
  • 哪些使用者路徑高風險；
  • 哪些 migration 容易破壞；
  • 哪些系統互動脆弱。

所以：

RegressionCapital>AutomatedTests\boxed{ RegressionCapital > AutomatedTests }

10. Failure Memory

定義：

MF=Failure Memory\boxed{ M_F = \text{Failure Memory} }

一個成熟 failure record 應至少包含：

(Symptom,Environment,Trigger,Cause,Fix,RiskClass,RegressionTest)\boxed{ ( Symptom, Environment, Trigger, Cause, Fix, RiskClass, RegressionTest ) }

這樣一次失敗才能變成：

Reusable Knowledge\boxed{ \text{Reusable Knowledge} }

11. Bug → Permanent QA Asset

完整流程：

Bug→Reproduce→Diagnose→Fix→Test→Classify→Retain\boxed{ Bug \rightarrow Reproduce \rightarrow Diagnose \rightarrow Fix \rightarrow Test \rightarrow Classify \rightarrow Retain }

最後：

Failure→Asset\boxed{ Failure \rightarrow Asset }

這就是 Regression Capital 的核心轉換。

12. 為什麼「修好了」非常容易造成假完成感

開發者修掉 Bug 後：

CurrentFailure=0CurrentFailure=0

會自然產生：

完成。

但真正問題是：

P(FutureRecurrence)P(FutureRecurrence)

有沒有下降？

如果沒有建立：

Persistent Constraint\boxed{ \text{Persistent Constraint} }

那麼：

P(FutureRecurrence)P(FutureRecurrence)

可能只下降很少。

13. Fixing vs Learning

可以定義：

F=Fix QualityF = \text{Fix Quality} L=Learning QualityL = \text{Learning Quality}

一個 bugfix 可能：

F=1,L=0F=1,\quad L=0

也就是：

今天好了。

但組織：

沒學到。

所以：

Fix Success⇏Learning Success\boxed{ \text{Fix Success} \not\Rightarrow \text{Learning Success} }

14. Regression Test 是「未來約束」

一旦：

BugiBug_i

被轉成：

TestiTest_i

那麼所有未來版本：

vt+1,vt+2,…v_{t+1},v_{t+2},\dots

都受到：

Testi(v)=Pass\boxed{ Test_i(v)=Pass }

約束。

因此：

Past Failure→Future Constraint\boxed{ \text{Past Failure} \rightarrow \text{Future Constraint} }

不是比喻，而是真正工程結構。

15. QA 應該具有單調累積性

理想上：

QA1QA_1

包含第一作學到的東西。

第二作：

QA2QA_2

應該：

QA2⊃QA1\boxed{ QA_2 \supset QA_1 }

第三作：

QA3⊃QA2QA_3 \supset QA_2

因此：

QAn+1⊃QAn\boxed{ QA_{n+1} \supset QA_n }

16. 新作不代表 QA 歸零

即使：

  • 換引擎；
  • 重寫 UI；
  • 新架構；
  • 新遊戲類型；

過去的：

Risk Knowledge\boxed{ \text{Risk Knowledge} }

仍然可以保留。

例如：

我以前曾在 fullscreen / refresh rate 出過問題。

即使 engine 完全不同，

仍然可以保留：

Display/Input Regression Matrix\boxed{ \text{Display/Input Regression Matrix} }

17. 這就是「Bug Class Memory」

若舊作出現：

CiC_i

則新作 release gate 應保留：

Check(Ci)\boxed{ Check(C_i) }

即使：

Implementationnew≠ImplementationoldImplementation_{new} \neq Implementation_{old}

風險域仍值得重測。

18. QA Memory 不應被綁死在程式碼

若 QA 只存在於：

OldCodebaseOldCodebase

新專案 fork 或重寫後：

QA→0QA\rightarrow0

這是很大的問題。

真正成熟 QA 應獨立保存：

  • tests；
  • scenarios；
  • bug classes；
  • release checklists；
  • hardware matrices；
  • known-risk models。

因此：

QA Knowledge≠Code Branch Only\boxed{ \text{QA Knowledge} \neq \text{Code Branch Only} }

19. Branch Fork 會造成 Fix 遺失

假設：

Main→BranchAMain \rightarrow Branch_A

以及：

Main→BranchBMain \rightarrow Branch_B

若：

FixAFix_A

只進入：

BranchABranch_A

則：

BranchBBranch_B

仍然可能保留舊 defect。

所以：

Shared Ancestry≠Shared Fix State\boxed{ \text{Shared Ancestry} \neq \text{Shared Fix State} }

20. Regression Capital 可以抵抗 Branch Drift

如果 fix 同時生成：

Testglobal\boxed{ Test_{global} }

那麼即使新專案：

  • fork；
  • rewrite；
  • migrate；

只要重新跑：

TestglobalTest_{global}

就能檢查：

這類風險是否重新出現？

21. Hardware Matrix 是 Regression Capital

對遊戲與桌面軟體而言：

HardwareMatrix\boxed{ HardwareMatrix }

本身就是資產。

例如：

  • fullscreen；
  • windowed；
  • borderless；
  • 60Hz；
  • 120Hz；
  • 144Hz；
  • multi-monitor；
  • DPI scaling；
  • GPU family；
  • alt-tab；
  • resolution switch。

一旦某個組合出過問題，

它就應被永久提升 priority。

22. Release Regression Matrix

可以表示為：

R=Mode×RefreshRate×DPI×Monitor×Input\boxed{ \mathcal R = Mode \times RefreshRate \times DPI \times Monitor \times Input }

人類不可能每版手工完整遍歷。

但 Agent 與自動化可以。

23. AI / Agent 讓 Regression Capital 的成本下降

以前：

Cost(Repeat Test)Cost(\text{Repeat Test})

很高。

現在：

Costagent(Repeat)≪Costhuman(Repeat)\boxed{ Cost_{agent}(\text{Repeat}) \ll Cost_{human}(\text{Repeat}) }

這改變了 QA 的經濟性。

24. Agent 最適合的就是「無聊但重要」

例如：

  • 每版跑 20 次存讀檔；
  • 每版測 12 種解析度；
  • 每版跑 30 個 mission order；
  • 每版比較 100 種 build；
  • 每版確認舊 bug 沒回來。

這些工作：

Low Novelty+High Repetition+High Value\boxed{ \text{Low Novelty} + \text{High Repetition} + \text{High Value} }

非常適合 Agent。

25. Regression Keeper Agent

可以專門配置：

Regression Keeper\boxed{ \text{Regression Keeper} }

它負責：

  1. 讀舊 Bug；
  2. 分類；
  3. 找可測 invariant；
  4. 生成 test；
  5. 每版重跑；
  6. 升級 recurrence。

這是一個：

QA Memory Agent\boxed{ \text{QA Memory Agent} }

26. Bug Ledger

每個 issue 可以記：

Bi=(ID,Class,Trigger,Environment,Severity,Fix,Regression,Status)\boxed{ B_i = ( ID, Class, Trigger, Environment, Severity, Fix, Regression, Status ) }

例如：

Class=InputDisplayTimingClass = \text{InputDisplayTiming}

比只寫：

Mouse shaking fixed.

更有長期價值。

27. Severity 與 Recurrence Risk 必須分開

一個 Bug 當下可能：

Severity=MediumSeverity=Medium

但如果：

RecurrenceRisk=HighRecurrenceRisk=High

它仍值得永久 gate。

所以：

Priority=f(Severity,Frequency,RecurrenceRisk,BlastRadius)\boxed{ Priority = f( Severity, Frequency, RecurrenceRisk, BlastRadius ) }

28. Bug Class 可以跨症狀

同一個：

State Synchronization Failure\boxed{ \text{State Synchronization Failure} }

可能表現成：

  • UI 沒更新；
  • save 讀錯；
  • duplicate event；
  • wrong ending；
  • stale value。

因此 Regression Capital 必須能：

Generalize\boxed{ \text{Generalize} }

而不是只匹配字串。

29. AI 很適合做 Bug-Class Clustering

給 AI：

{B1,B2,…,Bn}\{B_1,B_2,\dots,B_n\}

可以找：

Latent Failure Classes\boxed{ \text{Latent Failure Classes} }

例如：

過去 17 個 bug 其實都和 save-state ordering 有關。

這比單純 issue list 更有價值。

30. Bug Clustering 可以產生 Risk Map

形成：

R={C1,C2,…,Cm}\boxed{ R= \{C_1,C_2,\dots,C_m\} }

並標：

  • 發生次數；
  • 最新版本；
  • 系統範圍；
  • severity；
  • regression coverage。

這就是：

Historical Risk Map\boxed{ \text{Historical Risk Map} }

31. 新 Feature 應該查詢 Risk Map

新增：

FnewF_{new}

時，

AI 應問：

WhichPastRiskClasses(Fnew)?\boxed{ WhichPastRiskClasses(F_{new})? }

例如：

修改 resolution manager。

系統立即回：

過去有 InputDisplayTiming 類問題，重跑相關 matrix。

32. 這叫 Risk-Aware Development

不是等：

BugBug

再發生。

而是：

Change→Historical Risk Lookup→Targeted Regression\boxed{ \text{Change} \rightarrow \text{Historical Risk Lookup} \rightarrow \text{Targeted Regression} }

33. Release Gate 應讀 Regression Capital

Release Candidate：

RCiRC_i

不能只測：

新功能。

還要讀：

Rhistorical\boxed{ \mathcal R_{historical} }

即歷史高風險集合。

所以：

ReleaseGate=CurrentTests+HistoricalRegression\boxed{ ReleaseGate = CurrentTests + HistoricalRegression }

34. RC Phase 的真正用途

RC 不應再持續：

加功能。

而應：

Freeze→Replay History→Attack Integration\boxed{ \text{Freeze} \rightarrow \text{Replay History} \rightarrow \text{Attack Integration} }

也就是：

用整個過去累積的失敗知識攻擊這個版本。

35. Regression Capital 不只測 Bug

它也可以保存：

  • balance failure；
  • economy collapse；
  • tutorial confusion；
  • dominant strategy；
  • narrative dead branch；
  • UX misunderstanding。

因此：

Regression\boxed{ Regression }

不只屬於：

Code\text{Code}

也屬於：

Design\boxed{ \text{Design} }

36. Design Regression

例如某次 patch 修好：

後期錢沒用。

之後加入新免費獎勵，

可能又讓：

MarginalUtility(Money)→0MarginalUtility(Money)\rightarrow0

這不是程式 Bug，

但仍是：

Design Regression\boxed{ \text{Design Regression} }

37. Narrative Regression

例如某次更新加入新任務，

卻讓 ending：

  • 不再讀某 flag；
  • branch 被跳過；
  • 某角色狀態失效。

這是：

Narrative Regression\boxed{ \text{Narrative Regression} }

38. Semantic Regression

更一般地：

Semantic Regression\boxed{ \text{Semantic Regression} }

指：

程式仍能跑，但產品原有語義被破壞。

例如：

  • 說明和公式失配；
  • 選擇不再有後果；
  • 系統角色被稀釋；
  • 資源失去約束。

這類問題非常適合 AI 做全域審查。

39. Regression Capital 與 Integration Capital 互相增強

第五篇定義：

IntegrationCapital\boxed{ IntegrationCapital }

第八篇定義：

RegressionCapital\boxed{ RegressionCapital }

兩者關係：

RC→IC↑\boxed{ R_C \rightarrow I_C\uparrow }

因為越多歷史測試，就越知道哪些跨系統關係不能被破壞。

40. Regression Capital 與 Organizational Memory

一個團隊若：

  • 人走了；
  • 專案換了；
  • branch 換了；
  • engine 換了；

但：

RCR_C

仍存在，

那組織仍保留：

Failure Knowledge\boxed{ \text{Failure Knowledge} }

這就是：

Organizational Memory\boxed{ \text{Organizational Memory} }

41. 沒有 Regression Capital 的團隊會反覆「重新發現」

同一類問題：

CiC_i

可能每隔幾年重新出現。

每次都：

啊，原來這裡有問題。

這代表：

Observation Repeats\boxed{ \text{Observation Repeats} }

但：

Learning Does Not Accumulate\boxed{ \text{Learning Does Not Accumulate} }

42. 重複踩雷的真正成本不是一次 Bug

單次 Bug 成本：

CbC_b

但若重複：

nn

次，

總成本：

nCbnC_b

更重要的是：

Trust Loss\boxed{ \text{Trust Loss} }

也會累積。

因此：

RepeatedBugClass\boxed{ RepeatedBugClass }

對品牌的傷害通常高於第一次。

43. 玩家會把 Bug Class 記成品牌記憶

玩家不一定知道 root cause。

但會記：

這家又有這種問題。

因此：

Technical Recurrence→Brand Recurrence\boxed{ \text{Technical Recurrence} \rightarrow \text{Brand Recurrence} }

這會形成：

Trust Debt\boxed{ \text{Trust Debt} }

44. QA Capital 也是品牌資本

若一個團隊長期：

  • release 穩；
  • save 不壞；
  • 更新少 regression；
  • 舊問題不重犯；

玩家會形成：

Reliability Expectation\boxed{ \text{Reliability Expectation} }

因此：

RegressionCapital→TrustCapital\boxed{ RegressionCapital \rightarrow TrustCapital }

45. 一人團隊尤其需要 Externalized QA Memory

Solo developer 的人腦：

MHM_H

有限。

而專案可能跨：

5 years5\text{ years}

甚至更久。

因此不能依賴：

我記得以前出過這個。

應該：

Externalize\boxed{ \text{Externalize} }

到：

  • test；
  • issue；
  • matrix；
  • checklist；
  • Agent memory store；
  • repo。

46. 人腦記得「故事」，系統要記得「條件」

人可能記得：

以前滑鼠好像有問題。

但 QA 系統應記：

Fullscreen×RefreshRate×ExternalMonitor×CursorStop\boxed{ Fullscreen \times RefreshRate \times ExternalMonitor \times CursorStop }

也就是：

到底怎麼重現。

這才是可執行記憶。

47. Executable Memory

本篇提出：

Executable Memory\boxed{ \text{Executable Memory} }

也就是：

記憶不是描述，而是可以被重新執行。

例如：

  • test script；
  • replay；
  • save fixture；
  • seed；
  • input sequence。

因此：

Memory→ActionableTest\boxed{ Memory \rightarrow Actionable Test }

48. AI 時代最重要的 QA 轉變：記憶可執行

以前：

QA Knowledge\text{QA Knowledge}

大量存在於：

  • 人；
  • 文件；
  • 論壇；
  • issue。

未來可以轉成：

Agent-Executable Regression\boxed{ \text{Agent-Executable Regression} }

即：

Agent 讀到舊 issue，自己重跑一次。

49. Failure-to-Test Conversion Rate

可以定義：

FTR=Nfailures converted to regressionNresolved failures\boxed{ FTR = \frac{ N_{\text{failures converted to regression}} }{ N_{\text{resolved failures}} } }

如果：

FTR≈0FTR\approx0

代表團隊：

修很多。

但：

學得很少。

50. Regression Coverage

可以定義：

RCov=Nhigh-risk classes coveredNknown high-risk classes\boxed{ RCov = \frac{ N_{\text{high-risk classes covered}} }{ N_{\text{known high-risk classes}} } }

這比單純：

有 1000 個 test。

更有意義。

因為 test 數量不等於風險覆蓋。

51. Regression Capital 不應無限膨脹

不是每個小 Bug 都值得永久高頻測。

否則：

TestSuite→∞TestSuite\rightarrow\infty

導致：

Cost→∞Cost\rightarrow\infty

所以還需要：

Regression Portfolio Management\boxed{ \text{Regression Portfolio Management} }

52. Regression Portfolio

可以按：

Priorityi=Severityi×Recurrencei×BlastRadiusi×LikelihoodiPriority_i = Severity_i \times Recurrence_i \times BlastRadius_i \times Likelihood_i

排序。

高 priority：

Every Release\boxed{ \text{Every Release} }

中：

Major RC\text{Major RC}

低：

Periodic / Targeted\text{Periodic / Targeted}

53. AI 可以自動調整 Regression Portfolio

若新 change：

cic_i

碰到某 risk class，

則該 class：

Priority↑Priority\uparrow

測試自動被拉入：

Current Regression Set\boxed{ \text{Current Regression Set} }

這是：

Dynamic Regression Routing\boxed{ \text{Dynamic Regression Routing} }

54. Regression Capital 和 Agentic Development 的接點

第七篇建立：

1 Human+N Agents\boxed{ 1\text{ Human}+N\text{ Agents} }

第八篇則給這個組織一個最重要的長期記憶器官：

Regression Keeper\boxed{ \text{Regression Keeper} }

因此 Agentic Team 不只是：

當下更會做。

而是：

跨時間更會記得。\boxed{ \text{跨時間更會記得。} }

55. AI QA 最終目標不是抓更多 Bug

真正目標是：

Reduce Repeated Ignorance\boxed{ \text{Reduce Repeated Ignorance} }

也就是：

同一類知識，不要每隔幾年重新花一次代價才能學會。

56. 成熟團隊的 QA 應該是歷史函數

可以寫：

QAt=f(QAt−1,Failurest,Testst,RiskModelst)QA_t = f( QA_{t-1}, Failures_t, Tests_t, RiskModels_t )

因此：

QAt\boxed{ QA_t }

不是只取決於：

今天多少 QA。

而取決於：

以前所有失敗有多少被保存。

57. QA 資本的複利

若每次失敗都轉成資產：

RC(t+1)=RC(t)+ΔRtR_C(t+1) = R_C(t) + \Delta R_t

則長期：

RC↑\boxed{ R_C\uparrow }

而：

P(known-class recurrence)↓P(\text{known-class recurrence})\downarrow

這就是：

QA Compounding\boxed{ \text{QA Compounding} }

58. 「第四款作品」真正應該多的是什麼

做到第四款時，理論上不只：

CodeCapital↑CodeCapital\uparrow ArtCapital↑ArtCapital\uparrow

還應：

RegressionCapital↑\boxed{ RegressionCapital\uparrow } ReleaseDiscipline↑\boxed{ ReleaseDiscipline\uparrow } RiskAwareness↑\boxed{ RiskAwareness\uparrow }

否則只是：

生產資產在累積。

但：

學習資產沒有累積。

59. Regression Capital 也是 AI Capital

因為未來 AI 可以讀：

  • issue history；
  • test history；
  • crash logs；
  • user reports；
  • release notes；

建立：

Project Failure Model\boxed{ \text{Project Failure Model} }

所以：

RegressionCapital⊂AICapital\boxed{ RegressionCapital \subset AICapital }

當資料被結構化後，Agent 可以自動使用它。

60. 從 QA 到組織學習

本篇最終其實不只是 QA。

它在回答：

一個組織怎麼證明自己真的有學習？

答案不是：

我們記得。

而是：

Past Failure Changes Future Behavior\boxed{ \text{Past Failure Changes Future Behavior} }

如果過去失敗沒有改變未來流程，

那麼：

Memory Exists\boxed{ \text{Memory Exists} }

但：

Learning Does Not\boxed{ \text{Learning Does Not} }

61. 系列中的位置

第七篇處理：

Agentic Development\boxed{ \text{Agentic Development} }

第八篇補上：

Agentic Memory\boxed{ \text{Agentic Memory} }

也就是讓 Agent 團隊不只多視角、多角色、多並行，

還能：

跨版本累積失敗知識。\boxed{ \text{跨版本累積失敗知識。} }

下一篇將把資產概念再向外擴張：

《從作品資產到流程資產：AI Capital 的重新定義》

62. 結論

Bug 出現不是最嚴重的問題。

真正嚴重的是：

同一類 Bug 一再出現，而每次都像第一次認識它。\boxed{ \text{同一類 Bug 一再出現，而每次都像第一次認識它。} }

因此：

Fixing a Bug≠Learning from a Bug\boxed{ \text{Fixing a Bug} \neq \text{Learning from a Bug} }

成熟的流程必須：

Bug→Fix→RegressionTest→PermanentQAAsset\boxed{ Bug \rightarrow Fix \rightarrow RegressionTest \rightarrow PermanentQAAsset }

並進一步：

Failure→RiskClass→ReleaseConstraint\boxed{ Failure \rightarrow RiskClass \rightarrow ReleaseConstraint }

這才代表：

團隊真的從錯誤中學習。

AI 與 Agent 的出現讓這件事尤其重要，因為過去很昂貴的「永遠重跑舊測試」，正在快速變便宜。

因此，一人團隊未來不再只能說：

我記得以前好像出過這個問題。

而可以建立：

Executable Organizational Memory\boxed{ \text{Executable Organizational Memory} }

讓過去的每一次失敗，都變成未來版本的一道防線。

所以真正成熟的第四款、第五款、第十款作品，不應只是：

圖更多。

程式更多。

功能更多。

而應該：

更少重新犯自己已經付過學費的錯。\boxed{ \text{更少重新犯自己已經付過學費的錯。} }

這就是 Regression Capital。