代码代理验证控制
代码代理工作正在收敛到团队现在就能构建和测试的运行控制：用于上线和资格判定的沙箱服务、针对 shell 访问和技能的按任务权限门控，以及带有可度量检索和文档质量的仓库上下文系统。共同的采用障碍是在真实工作流约束下完成验证。
主题概况
Coding Agents
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。
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。
在 agent 系统承担更多责任之前，它们需要可检查的执行过程
最强信号是，agent 需要可检查的执行过程和更严格的任务证据。DuST 把带执行标签的候选代码当作训练数据，Shepherd 记录实时 agent 状态以便分叉，ComplexMCP 则显示工具型 agent 在有状态软件工作上仍落后于人类。
Agent Execution Integrity
Agent 团队可以通过在 agent 已经容易出错的地方增加轨迹、状态和来源检查来提速：编码运行、MCP 工具工作流，以及把未受信任文本与密钥或 shell 访问混在一起的自动化工作流。
编码代理信任关卡
编码代理的采用需要在正常工程工作中加入证据检查：工具调用的执行前验证器、维护任务的仓库接受规则，以及积压工作的分阶段工单安全测试。共同压力是在真实操作、合并或安全敏感部署前建立可操作的信任。
可执行证据主导智能体软件可靠性研究
当天最强的信号是面向智能体软件的可执行证据。论文用生成输入测试代码，用遥测诊断失败运行，并围绕技能或工具动作施加约束。现在，智能体输出要先有可检查的轨迹，团队才会信任它。
Execution Checks for Coding Agents
编码代理可靠性研究正在收敛到围绕生成代码、失败运行和可复用技能的几个小而可实现的检查。实际模式是在团队已经做出信任决策的地方收集执行证据：候选选择、重试指导或技能维护。
编码代理正在接受克制、证明和仓库纪律的评判
编码代理研究正在用可执行检查来测试决策质量。FixedBench 测量代理什么时候应该保持代码不变。SWE Atlas 评测日常仓库工作。VeriContest 表明，普通代码生成离机器检查过的正确性还有差距。
Coding Agent Control Points
采用 coding agent 的团队现在可以加上三个具体控制：针对过期问题的预编辑拒答检查、针对代理指令和权限的仓库配置审计，以及针对需要机器检查正确性的代码的证明导向通道。
Repository-grade coding exposes where agents still break
当天最清晰的信号是，对大型语言模型（LLM）软件代理的评估在收紧。生成代码必须满足架构、测试、迁移和真实开发者轨迹的要求。TACT 和 ASTOR 改善了控制。仓库证据仍然显示，很多代理过不了结构和维护要求。
代理写代码的仓库级防护
代理写代码要先经过仓库级检查，先抓住漏测、后端结构违规和不安全的维护改动，再让生成代码进入审阅。可做的工作不大，足以挂在现有代理周围：为生产提交做受影响测试搜索、为后端结构和迁移行为做 CI 验证、再加一个限制大范围重构的代码味道分诊流程。