AI 工程的生产控制

测试编码代理的工程团队可以在试点仪表板里加两个产品指标：完成一次请求需要多少次来回迭代，以及辅助生成的代码在评审和后续修改后是否还保留。Gemini for Google 在大规模数据上报告了这两个指标；一项覆盖 29,000 名开发者的盲测 A/B 研究显示，平均每轮迭代次数减少了 23%，代码保留率提高了约 17%。

实际落地不需要一开始就做定制基础模型。内部试点可以给代理辅助的 pull request 打标签，把聊天或 IDE 会话和评审结果关联起来，并在固定窗口后抽样检查代码保留情况，比如 30 天或 60 天。多语言仓库还需要变更前清单：检查仓库，验证 API 和工具链，核对依赖和安全规则，并标注代理无法运行的检查。The Polyglot Protocol 在这里很适合作为流程模板，尤其因为它明确列出了仓库发现和验证失败，而这些问题团队在代码评审里已经会碰到。

使用本地编码代理的团队需要一份清单，列出包名、维护者、安装位置，以及能运行 shell 命令的工具权限。GSD 事件暴露了具体失效模式：即使维护者的信任已经崩塌，npm 包仍可能保留发布路径，而代理包可能在开发者机器上以 bash 或 shell 权限运行。

这个工作流程本身很小，安全团队或开发者体验团队这周就能开始做。列出全局安装和项目内的 AI 代理包，检查 ~/.npm/_npx/ 和 .claude 里是否有残留，固定批准的包名，并在给代理开放 shell 权限前要求做一次维护者控制审查。对于通过 npm 安装的工具，审查应包含谁能发布、fork 是否改变了更新路径，以及开发者如何删除旧包。这是把供应链审查用到代理工具上，因为一次更新就可能变成本地代码执行路径。

设备团队可以通过公开窄范围驱动 API，并在设备内沙箱里运行生成的 Lua 应用，来测试 AI 生成的微控制器行为。Resident 在 ESP32 上给出了一个具体模式：应用代码通过 websocket 经 Wi-Fi 推送，运行时不需要编译或刷写固件，并且可以使用按钮事件和显示写入等受限能力，同时被阻止访问网络栈等未开放能力。

这适合交互循环必须保持本地响应的原型。作者提到 150 毫秒是界面感觉即时的响应上限，而每次按键都要等云模型时，这个目标很难达到。一个合适的首轮测试，是带屏幕和按钮的小型设备，比如 M5StickS3 风格套件，再加上 Resident 目前还没有公布的两个指标：应用加载延迟，以及多次热加载下的内存占用。安全测试应包括尝试访问被阻止的 API，尤其是网络功能和驱动接口之外的硬件控制。