让编码Agent先过外部验证再算完成
Hefty-Citron2066 · reddit · 2026-07-17
这条 Reddit 讨论的重点是：跑长时间 coding-agent 任务时，外部验证比让同一个 agent 自己说“我修好了”更可靠。
作者的做法是把验证单独拆成一个阶段：
- agent 负责改代码
- 部署后的应用由外部浏览器/API 测试去跑
- 再把失败结果回传给 agent
他用的是 TestSprite 配合 Claude Code。安装流程大致是 Node 20+、执行 setup、填 API key，然后安装 agent skill 文件。CLI/前端是 Apache 2.0，但执行后端是托管的，所以需要账号和 key；如果你要求完全自托管，这点要注意。
帖子里强调，真正有用的是失败包：
- 失败步骤
- 截图
- DOM
- 可能的根因推断
- 建议修复方向
他举了一个登录流的例子：agent 只看 API 测试会误判“已修复”，但浏览器里实际是 session cookie 路径错误；有截图和 DOM 后，下一轮补丁才变得合理。
结论是：核心逻辑仍然应该保留人工测试；但对 agent 写出来的 UI glue 和 e2e 流程，外部“完成信号” 比再生成一堆单元测试更有价值。
所属事件:外部自动验证是提升编码Agent产能的关键(2 条相关)→
「编程与Agent」频道最新
- 用去审查版 GLM 绕开 Claude 拒答： SS7 威胁建模工作流 — l4rz · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27
- GitHub Next 发布 Chopin:实时多人的 Agent 协作规划环境原型 — max__drake · 2026-10-27
- TMLR 论文：更强推理不等于更充分披露，Agent 思考越多未必告知越全 — SharonYixuanLi · 2026-10-27
- 作者称全由 LLM 编写的 Rust 库 bbtree 实测：快是真的，省内存翻车 — lmoroney · 2026-10-27
- 同一套 DeepSeek 内核两种优化路线：vLLM 拆专家、SGLang 降访存 — AccBalanced · 2026-10-27