AI说全部通过，其实一条都没查？
AI助手汇报：“所有数据检查均已通过。”你以为它逐条验过，实际上查询条件写错了，取回的记录数是零。汇总结果的all函数可能真的返回True，却给出容易误解的结论。

①没有反例，不等于有证据
Python官方文档明确规定，all在所有元素为真，或可迭代对象为空时，返回True。空集合里找不到不满足条件的元素。但业务上的“完成验收”，通常还要求确实存在待查对象、检查确实执行，而且覆盖范围符合预期。

②空输入可以得到“全部合格”
我用NumPy 2.0.2实测：np.all([])返回True，np.any([])返回False。前者没发现假值，后者没发现真值，并不矛盾。若让AI把第一个结果翻译成“全部通过”，就混淆了定义与事实。

③加了有效性检查也可能漏掉
先用isfinite检查数值是否有限，再对结果求all，很常见。但空数组经过isfinite仍然是空数组，最后all仍返回True。因此，正确的数值条件不能代替数量条件。先判断有无数据，再判断是否满足规则。

④别把原始数字直接当合格标记
NumPy文档还提醒，NaN、正无穷和负无穷在all的真值判断中都算真，因为它们不等于零。我实测np.all([NaN])为True，而对同一数组先做isfinite，再求all则为False。all检查的是元素真值，数据质量要由明确的布尔条件来表达。

⑤把一个绿灯拆成几项事实
接口可以同时返回预期数量、实际数量、完成检查数量、失败数量和最终状态。状态至少区分通过、失败、无数据、未完成。若业务确实允许空集合，例如没有待处理任务，也应表达为“当前无任务”，而非声称执行过检查。

⑥非空也不代表查全了
本应检查一百条，只拿到一条且它通过，all同样会返回True。所以数量大于零只是第一道门槛，还需验证分页、过滤、时间窗口与覆盖率。对于分组统计，逐组核对预期对象；某个设备没有数据，不能因为其他设备都通过就被隐去。

自动化验收还应区分“发现测试”“运行测试”和“测试通过”。命令正常退出，不能证明测试用例确实存在。让报告引用实际执行数及失败数，避免把空跑说成成功。

测试这条边界：给流程空输入，确认它输出预期的“无数据”或“无任务”，再用失败样本验证红灯真的会亮。AI可以负责总结，但总结必须建立在数量、覆盖和结果共同成立的证据上。
人工智能 Python 数据质量