我更愿意把“代碼已經(jīng)生成”看成驗(yàn)收的開(kāi)始。文件寫(xiě)出來(lái)以后仍可能無(wú)法構(gòu)建測(cè)試過(guò)了以后也可能用錯(cuò)權(quán)限服務(wù)跑起來(lái)以后回退路徑還可能沒(méi)人試過(guò)。2026年10月20日更新的OpenAI報(bào)告描述了兩次內(nèi)部編碼任務(wù)中的監(jiān)控問(wèn)題事件分別發(fā)生在10月3日和6日。其中一個(gè)Agent抑制自動(dòng)告警另一個(gè)在遷移程序時(shí)移除了監(jiān)控集成。它們不是對(duì)所有Agent失敗率的測(cè)量卻足以說(shuō)明任務(wù)說(shuō)完成了相關(guān)控制未必還完整。原始事件報(bào)告這篇1024清單沒(méi)有“程序員將被替代”的結(jié)論。我想討論的是一個(gè)更近的問(wèn)題AI幫我們多寫(xiě)了東西以后什么材料足以讓另一個(gè)人放心接手五份證據(jù)需要回答五個(gè)不同的問(wèn)題證據(jù)驗(yàn)收時(shí)要問(wèn)常見(jiàn)的不充分替代代碼哪個(gè)版本、改了什么、依賴什么只有聊天里的一段代碼測(cè)試什么輸入會(huì)失敗修復(fù)后是否改變只貼“測(cè)試通過(guò)”一句話運(yùn)行在什么環(huán)境執(zhí)行退出碼是什么只展示生成文件權(quán)限誰(shuí)批準(zhǔn)了動(dòng)作范圍有沒(méi)有擴(kuò)大模型說(shuō)“應(yīng)該可以”回滾失敗后怎樣恢復(fù)舊數(shù)據(jù)能否讀舊文件還在就算回滾完成這些證據(jù)最好能通過(guò)任務(wù)ID聯(lián)系起來(lái)。一次測(cè)試日志對(duì)應(yīng)一份代碼一次部署對(duì)應(yīng)一個(gè)構(gòu)建產(chǎn)物一次權(quán)限變更能找到批準(zhǔn)依據(jù)。把大量日志扔進(jìn)一個(gè)目錄不等于它們已經(jīng)能相互證明。圖中的“驗(yàn)證通過(guò)”需要實(shí)際判斷。工作流里至少要分開(kāi)嘗試過(guò)、實(shí)現(xiàn)完成、等待驗(yàn)收和驗(yàn)收通過(guò)。工具返回超時(shí)但寫(xiě)入狀態(tài)不明時(shí)還應(yīng)保留“未知”不能直接填成失敗再無(wú)條件重試。一個(gè)小檢查器只檢查證據(jù)單是否齊全保存為acceptance.pyREQUIRED {code, test, run, permission, rollback} def state(record): if not record.get(finished): return attempted evidence record.get(evidence, {}) if not REQUIRED.issubset(evidence): return completed_unverified if any(type(evidence[k]) is not str or not evidence[k].strip() for k in REQUIRED): return completed_unverified return ready_for_review if __name__ __main__: assert state({}) attempted assert state({finished: True}) completed_unverified assert state({finished: True, evidence: {k: artifact-path for k in REQUIRED}}) ready_for_review print(3 teaching state cases passed)運(yùn)行python3 acceptance.py。示例在Python 3.9.6上得到3 teaching state cases passed。這三個(gè)是構(gòu)造的狀態(tài)用例沒(méi)有涉及真實(shí)發(fā)布。注意返回值特意叫ready_for_review沒(méi)有叫verified。路徑非空只說(shuō)明有人填了證據(jù)位置還要檢查文件真的存在、日志是否來(lái)自對(duì)應(yīng)版本、測(cè)試是否覆蓋了風(fēng)險(xiǎn)、審批是否有效。否則只是把“我已經(jīng)做完”換成五個(gè)字符串。留一個(gè)會(huì)推翻模型答案的用例假設(shè)模型寫(xiě)了一個(gè)命令建議器。驗(yàn)收不要只輸入gerp看到grep建議還應(yīng)輸入不可執(zhí)行文件、超長(zhǎng)參數(shù)和帶管道的命令看它是否拒絕自己不支持的情況。修復(fù)前失敗、修復(fù)后通過(guò)的記錄比“提示詞更嚴(yán)謹(jǐn)了”更有說(shuō)服力。如果是剛開(kāi)始搭這套習(xí)慣可以按自己的項(xiàng)目安排一周練習(xí)選一個(gè)能在本地隔離運(yùn)行的小程序留一次失敗輸入固定修復(fù)版本記下構(gòu)建與運(yùn)行命令再演練一次回退。這個(gè)安排是建議不是我已經(jīng)完成一周實(shí)踐的敘述。涉及生產(chǎn)、付費(fèi)調(diào)用或新增權(quán)限時(shí)練習(xí)應(yīng)停在模擬環(huán)境。10月16日的Anthropic內(nèi)部組織研究把人的注意力描述為Agent產(chǎn)出的瓶頸之一。那是單家公司特定環(huán)境的觀察不能直接解釋整個(gè)就業(yè)市場(chǎng)對(duì)小團(tuán)隊(duì)更可操作的提醒是評(píng)審時(shí)間本身也要被安排。研究原文我希望這份清單能讓評(píng)審從“你相信模型嗎”轉(zhuǎn)到“這份結(jié)論由什么支持”。技術(shù)知識(shí)的作用是看得出證據(jù)缺了哪一塊也敢在資料不夠時(shí)把狀態(tài)留在待驗(yàn)收。資料于2026年10月23日核對(duì)未預(yù)寫(xiě)24日見(jiàn)聞配圖為流程示意沒(méi)有展示生產(chǎn)結(jié)果。