做统计模型，有点像做一台测量仪：算出一个数字不难，难的是确认仪器没卡住、假设没跑偏，结果也经得起追问。《Bayesian Workflow》试图把这种完整过程写成新的教学主线。贝叶斯工作流不是一次套公式，而是建立模型、拟合、检查计算、对照现实，再反复修改，让结论的来路可以检查。
Andrew Gelman认为，它相对早期教材的一项关键推进，是把模拟实验放进日常工作：先用模型生成一份“已知答案”的数据，再看分析方法能否把答案找回来。若在这种理想条件下都做不到，真实研究就更值得警惕。书中也更强调先验预测检查——正式拟合前先模拟结果，及早发现模型是否允许荒谬数值；同时把建模、数据分析、计算与示例代码连在一起。现有材料未披露书评人的具体分歧，但主线很清楚：贝叶斯实践正在从“模型拟合成功”转向“整套推理过程可检查”。