代码代理正在按完整、可验证的工作来评分
这一时期最清楚的信号是：代码代理正在按完整、可检查的工作来评分。SWE-Cycle 和 Phoenix-bench 把环境搭建、测试和领域工具链纳入评分。CRANE 表明，在保护工具调用格式时，模型编辑可以提高代理通过率。
主题概况
Agent Optimization
Agent verification records
完整的代理工作现在需要证据，证明代理完成了项目搭建、选对了文件、运行了有意义的检查，并保住了原有行为。可行的做法很具体：给代理 PR 加追踪包，给 HDL 代理输入可执行的 EDA 失败日志，并在要求代理写语义测试之前，按模型测试 property-based 提示。