Google 大象與金魚（EGM）實測：規格沒寫清楚，AI 實作者只猜對 46% 參數

懶人包

• Elephant-Goldfish Model（EGM，大象與金魚）是 Google 開源的 Apache 2.0 外掛，裝進 Claude Code、Codex、Antigravity 後，由看過完整對話的「大象」寫規格，再派零上下文的「金魚」subagent 只看規格挑毛病。
• 我在一份 LINE 推播服務的規格裡預埋 8 個缺陷：看得到對話的大象自審兩次都抓到 8/8，套 EGM 官方 persona 的金魚每次抓到 6 到 8 個。
• 金魚最常漏的是「只在對話裡講過、文件一個字都沒寫」的需求（推播紀錄保留 90 天），6 次只抓到 1 次。金魚找的是「寫不清楚」，找不到「沒寫」。
• 真正的考驗是實作者：把初稿交給 3 個全新 session 當工程師填參數，只對上 46%，冷卻期 72 小時 3 次都被填成 4 小時；照審查結果補完的 v2 是 100%。
• 不裝 plugin 也能用這個方法：另開一個全新 claude -p 只餵規格、要它填實作參數，再跟你心裡的答案對一遍。

這篇的起點是 @cs2pm_ghost 在 Threads 的貼文：Google 開源了一個 AI Coding 外掛，叫 Elephant-Goldfish，要解決的狀況是「跟 AI 討論了兩小時，AI 覺得自己什麼都懂，寫出來的程式還是跟需求有落差」。我查看時有 581 個讚、391 次分享。

這個痛點我很熟，所以我沒有只讀 README，而是用 claude -p 做了兩個小實驗：金魚到底抓得到什麼？規格交出去之後，實作者會猜成什麼樣？

影片版（YouTube Shorts）

〈AI 說全懂了卻寫錯？Google 大象與金魚審規格〉

〈同一個遊戲讓 AI 做兩次：7/13 vs 13/13〉

📌 目錄

1. Elephant-Goldfish（EGM）是什麼？
2. 怎麼安裝到 Claude Code 和 Codex？
3. 我怎麼設計實驗？
4. 實驗一：金魚抓得到哪些缺陷？
5. 實驗二：實作者拿到規格會猜成什麼？
6. 不裝 plugin 怎麼用這個方法？
7. 限制與什麼時候不用
8. 常見問題

🐘 Elephant-Goldfish（EGM）是什麼？

google/elephant-goldfish-model 在 2026-09-13 建立，Apache 2.0 授權，我 2026-10-27 查時有 1,617 顆星，main 最新 commit 是 2026-10-24 的 3d0b348。README 對自己的定位是「Spec-Driven Development 的外掛」，頁尾寫明 This is not an officially supported Google product，方法論出自 Dave Rensin 的文章 Elephants, Goldfish, and the New Golden Age of Software Engineering。

兩個角色的分工：

整套指令：

🔧 怎麼安裝到 Claude Code 和 Codex？

指令照 README（2026-10-27 讀取）：

# Claude Code
claude plugin marketplace add google/elephant-goldfish-model && claude plugin install egm@egm

# Codex
codex plugin marketplace add google/elephant-goldfish-model && codex plugin add egm@egm

Antigravity 是 agy plugin install https://github.com/google/elephant-goldfish-model。在 Claude Code 裡指令要加 /egm: 前綴，例如 /egm:egm-review docs/designs/<feature>.md。

這次我沒有安裝整個 plugin，只 clone 了 repo，把 agents/ 裡的三份官方 persona 原文餵給 claude -p。下面的數字是「EGM 的方法 + EGM 的 persona」，不是 plugin 完整五階段流程跑出來的。

🧪 我怎麼設計實驗？

情境是一個 LINE 待辦提醒推播服務。我先寫了一段大象和使用者的需求對話，裡面拍板了 8 項決策：

所有呼叫都是全新的 claude -p --model sonnet session，評分另開 session 對照缺陷清單打分。

🔍 實驗一：金魚抓得到哪些缺陷？

• G6 紀錄保留 90 天：金魚 6 次只抓到 1 次（Design Critic 第 1 次）。這項需求只存在對話裡，文件一個字都沒有，零上下文的讀者無從知道它存在。
• G3 管理員怎麼判定：金魚 6 次漏 4 次。「管理員可查看所有人的紀錄」讀起來很自然，不像缺陷。
• 冷卻期、重試、時區、防重複、5 則與 10 則的矛盾、429 處理：金魚每次都有抓到。

大象自審的分數要打折看：我的 prompt 明確要它「對照對話審查」。真實情況下大象寫完文件，未必會主動回頭逐句比對兩小時的對話。

🎯 實驗二：實作者拿到規格會猜成什麼？

審查意見列了 20 多條，看起來很有收穫。但規格最後的讀者是實作者，所以我再做一個測試：開 3 個全新 session，告訴它「你是剛接手的工程師，只拿到這份文件，沒人可問，明天要交程式，文件沒寫的就照你的判斷填」，要它輸出 8 個實作參數的 JSON，再跟對話裡的真值比對。

quiz\v1_1.json: 4/8 不符=['cooldown_hours', 'retry_intervals_min', 'admin_rule', 'dedupe_key']
quiz\v1_2.json: 3/8 不符=['cooldown_hours', 'retry_intervals_min', 'admin_rule', 'dedupe_key', 'log_retention_days']
quiz\v1_3.json: 4/8 不符=['cooldown_hours', 'retry_intervals_min', 'admin_rule', 'dedupe_key']
== v1 合計 11/24 = 46%

quiz\v2_1.json: 8/8 不符=[]
quiz\v2_2.json: 8/8 不符=[]
quiz\v2_3.json: 8/8 不符=[]
== v2 合計 24/24 = 100%

v1 實作者實際填了什麼：

有幾項是猜對的：時區填了 Asia/Taipei（規格是中文寫的），每日上限在 5 和 10 之間選了 5，保留天數有兩次猜到 90。這些是運氣，不是文件寫清楚了。

v2 是我照審查意見把 8 項的值全部寫進文件，加上 429 和封鎖的處理方式。3 個實作者全部 8/8。

這兩個實驗放在一起看：金魚的工作是指出「這裡沒定義」，值只能由大象或人來補。EGM 把這一步放在 /egm-resolve，由大象逐條決定要修正還是反駁，順序是對的。

🛠️ 不裝 plugin 怎麼用這個方法？

EGM 完整流程有多個審查階段、每階段都派 subagent。如果只想要「實作前抓出會被猜錯的參數」，一支腳本就夠。這是我實驗二用的 quiz.sh 精簡版：

#!/usr/bin/env bash
# 用法：bash quiz.sh <spec檔> <輸出前綴>
set -u
mkdir -p quiz
for i in 1 2 3; do
  { echo "你是剛接手的工程師，只拿到下面這份設計文件，沒人可問，明天就要交程式。請直接決定實作參數（文件沒寫就照你的判斷填，不可填未知）。"
    echo '只輸出一行 JSON：{"cooldown_hours":數字,"summary_timezone":"字串","retry_count":數字,"retry_intervals_min":[數字],"daily_limit":數字,"admin_rule":"字串","dedupe_key":"字串","log_retention_days":數字}'
    echo; cat "$1"; } | env -u CLAUDECODE claude -p --model sonnet > "quiz/${2}_$i.json" 2>/dev/null &
done; wait

用法：

1. 列出這份規格裡你心裡已經有答案的參數，寫成 JSON 欄位。
2. 跑 bash quiz.sh spec.md v1，3 個全新 session 平行填答，我這邊 2 分鐘內跑完。
3. 逐欄比對。答錯的欄位就是規格沒寫清楚的地方，3 次答案一致但錯的優先補。

這個做法跟我之前寫的 claudex-loop 讓 Codex 審 Claude 的計畫 是同一個思路：審查者不能跟寫的人共用 context。

⚠️ 限制與什麼時候不用

• 樣本小：實驗一每組 2 次，實驗二每份規格 3 次，只用 Sonnet。數字是方向，不是統計結論。
• 沒跑完整 plugin：只借用 EGM 三份 persona，沒有跑 Zoom Out 和 /egm-resolve；v2 是我依對話手動補的。
• 缺陷是我埋的：真實規格的缺陷分布不會這麼整齊。
• 成本：完整 /egm-review 每個階段都會派 subagent，persona 越多、審查輪數越多，token 用量就越高。這次沒有量 plugin 的實際用量。

❓ 常見問題

EGM 是 Google 官方產品嗎？

repo 放在 google 組織下，README 頁尾寫明「This is not an officially supported Google product」。repo 描述是「created at Google」的開源方法與 skill 集，授權 Apache 2.0。

金魚審查和叫同一個 AI 再檢查一次有什麼不同？

差在 context。同一個 session 自審時，AI 會用對話裡的記憶把文件的空白自動補上，所以看不出缺漏。金魚只看文件，補不了，就會把空白指出來。EGM 的 brainstorm skill 在沒有 subagent 時會直接拒絕，理由就是同 context 的審查不算金魚審查。

金魚抓不到的缺陷怎麼辦？

我的實驗裡，金魚最常漏的是「只在對話講過、文件完全沒寫」的需求。這類缺漏要靠大象或人拿對話紀錄回頭比對文件，或用上面的實作者測試，看哪些參數被猜錯。

一定要裝 EGM plugin 嗎？

不用。方法的核心是「另開全新 session 只讀規格」，claude -p、Codex 或任何 subagent 都做得到。想要現成的多 persona 審查流程和 /egm-resolve 的修正流程，再裝 plugin。