一句话定义
不能把所有事都交给模型，因为模型基于概率生成，不能保证固定规则的零误差执行。 越是精度、格式、替换、计算这类死规则，越应该谨慎。
机制 / 原理
模型会根据上下文生成看似合理的答案，但“看似合理”和“每次一致”不是一回事。 金额保留两位小数、日期统一格式、文件批量重命名、固定文本替换，这些任务出错一次就可能造成实际损失。把它们交给脚本，可以把不确定性压到最低。
经典实验 / 例子
本书案例：报告要求日期统一成 YYYY-MM-DD，百分比变化超过 10% 自动标红。脚本可以逐行检查这些规则，输入相同就输出相同；模型靠语感处理时，可能把某几处日期写成中文，或漏掉刚好踩线的边界值。模型强在判断，不强在保证每个固定规则零遗漏。
书中案例出处
固定格式与阈值检查
核心原文线索
固定格式与阈值检查
案例现场复述
日期格式和阈值标红展示了模型处理固定规则的风险。
为什么重要
它提醒用户把确定性校验交给脚本。
生活中的例子
引申案例：朋友很聪明，也理解你的病情，但量药剂不能靠手感。剂量应该用量杯或电子秤，医生再判断疗程怎么调。固定规则一旦影响安全和准确性，就要交给可验证工具，而不是让模型临场发挥。
常见误区
误区：模型越强，脚本越不重要。 模型强在判断复杂语义，脚本强在重复执行确定规则。正确做法不是二选一，而是让 skill 调度两者配合。