两个 Agent 确认完工仍可能交付错产品：合同式评测的陷阱
krishnan · x · 2026-11-07
作者基于 Anthropic 的 harness 设计报告讨论多 Agent 开发流程的验收陷阱。
- 报告思路：每个 coding sprint 前，由 generator 和 evaluator 先谈判出一份「合同」，定义要构建什么、如何检验成功；evaluator 再用 Playwright 与运行中的应用实际交互来测试。
- 作者认同这一顺序：先就可观察行为达成一致，再测试真实应用而非开发者的描述。
- 但他指出了一个陷阱——由谁起草合同很关键。举例：客户要导出全部记录，builder 提议一个下载按钮，evaluator 验证点击能得到有效文件。两个 Agent 都同意、所有测试都通过，但导出却悄悄漏掉了归档记录。
- 结论：双方 Agent 就「工作完成」达成一致，仍可能给客户留下错误的产品；合同本身的质量与覆盖面才是关键。
「编程与Agent」频道最新
- 用 Tailscale 直连 Grok Bot 的 localhost,告别 Vercel 预览慢等待 — chongdashu · 2026-11-07
- 「智能体网络」畅想:个人 AI 助手将理解每个网站的全部能力 — JnBrymn · 2026-11-07
- ChatGPT 图像 2.6 上线 Netlify AI Gateway,开发者 45 秒生成动态海报 — thisiskp_ · 2026-11-07
- 开源本地 LaTeX 研究工作区 Lattice:论文、笔记与 AI agent 一站集成 — LINJIEFUN · 2026-11-07
- Agent 能发 2000 封邮件谁拦住？开发者探讨给智能体加授权层 — SilkandWinks · 2026-11-07
- CMU L3 Lab CUA Week:GPT-6 实时小游戏通过率仅 9% — dan_fried · 2026-11-07