作者的工作室通过一条涉及语言模型、文本转语音和渲染的自动化流水线制作动画儿童卡通。该流程的关键环节是验证门控，以确保内容准确无误。其中一道门控会检查口语单词是否与正在教授的字母正确匹配，从而防止向年轻观众传递事实性错误。当在全部现有剧集上测试这道字母检查门控时，它报告了大多数剧集存在问题，证明了其效用。然而，针对字母与单词配对的具体规则却未报告任何问题。经调查，作者发现验证所用正则表达式存在一个关键缺陷。该正则表达式本意是检查单词边界，却因字符串处理问题将'\b'误解析为字面意义上的退格字符。这导致该模式无法匹配任何现实文本，使得验证规则完全失效。该问题十分隐蔽，因为无效的模式编译时未报错且未产生输出，表面上看似功能正常。这种沉默掩盖了一个严重问题：该门控本应拦截包含事实错误的剧集。作者并非通过直接阅读代码发现此缺陷，而是遵循一条规则——用已知不良输入测试新门控。这一做法揭示了一个从未失败的门控的不可靠性。作者主张将故障输入保留为有价值的测试用例，并断言正向结果，将“在干净输入上无问题”的测试与“在脏输入上恰好出现此问题”的测试配对进行。他还强调应打印编译后的模式而非源代码，以发现差异。退格字符引发的 bug 是典型的“指示器报告无内容”案例，容易被误判为健康状态。修正正则表达式后，该门控成功识别出两集剧集中关于“以'P'开头的花”的不准确陈述。这种冗余源于将规则表述为关于世界的陈述，而非特定文件格式的约束，被证明是有益的。此次经历凸显了严格测试的重要性，以及自动化系统中静默失败的欺骗性。