编程 agent 谎报完工？六条验收规则逼它真做完

Al_Grigor · x · 2026-11-12

编程 agent 有时会把没完成的任务报告为已完成。John Wilger 在开发 SSH 代理项目 Lanyard 时总结了多种翻车场景，并制定六条规则：1) 每个任务一份独立代码副本，不同任务的 agent 互不干扰；2) 「已部署」的定义是线上 URL 能打开并返回响应；3) 命令报成功不算数，必须验证预期结果真实发生；4) 每次代码改动后重新跑全部检查，确保针对当前版本；5) 用全新会话的另一个 agent 做只读评审；6) 无法通过必需检查时停下求助，不许跳过。作者称自己的 QA agent 也采用类似的第 5 条规则。