编码智能体规划、重新生成与审查中的验证调整
编码智能体工作流应将验证预算用于证据不完整的地方：向审查者公开行为和状态转换，使用现有测试套件之外的反例测试依赖替代实现，并要求多个智能体检查同一修复时提供彼此不同的诊断证据。
主题概况
Coding Agents
编码代理工作流中的仓库上下文检查
应将仓库上下文作为运行依赖进行测试。实际可采取的改动包括：对检索进行故障注入，在代码完成前设置安全专用上下文门禁，以及在基础设施证据缺失或过时时明确升级处理。
可执行控制与验证正在决定编码智能体的上限
本周，编码智能体的进展取决于大语言模型（LLM）周围的控制层，包括可执行 harness、运行时检查和仓库工作流。TTHE 在模型权重冻结的情况下取得了较大提升，长时域评测则暴露出严重的任务完成限制。产品设计采用了类似的控制措施，但对比证据仍然有限。
编码代理工作流中的可执行反馈
编码代理团队可以通过要求提供可执行的缺陷复现、针对保留任务测试控制程序修改，并利用实时覆盖率信号监督测试生成，来改进仓库工作。每项改动都可以在固定模型上试点，并与当前流程进行衡量。
代理产品正成为运营系统，但证据仍然有限
代理产品正被设计成受控的运营系统。OneDev 将编码工作固定在议题、拉取请求和持续集成（CI）中；Avriz 通过影子测试和流量上限控制学习型模型路由；Mango 将记忆和权限保存在用户设备上。实测证据并不均衡。最强的基准测试也只覆盖 10 个合成拉取请求，而大多数产品声明缺乏比较评估。
代理部署的运营控制
团队可以通过将代理工作附加到现有审查记录、在范围明确的生产工作负载上评估模型，并把记忆控制作为可观察的产品行为进行测试，更安全地采用代理。现有测量数据有限，因此每次部署都应从范围受限的试验和明确的运营指标开始。
代理可靠性取决于上下文处理和可验证的交接
最有说服力的工作把上下文处理当作工程控制。qMLX 在一台 Mac Studio 上减少了长上下文的重复预填充，ContextOps 则在推理前检查输入载荷的结构。AgentTransfer 将同样的操作纪律用于文件交换。现有证据支持可检查的组件，但多个项目仍缺少独立基准测试。
代理状态与交接完整性
代理团队可以在三个具体边界提高可靠性：跨轮次保留可复用的推理状态，在每次模型调用前检查组装好的上下文，以及验证代理之间传递的文件。每项改动都可以先从本地回归测试开始，再扩大部署范围。
当规范变得可执行且可复用时，编码代理的表现会提升
当天最有价值的工作将大语言模型（LLM）编码作为受控的工程流程。ReProAgent和TestAgent把仓库上下文与运行时反馈连接起来，DualVeri则将机器检查的证明与针对实际实现的测试结合起来。可复用的任务上下文也成为降低成本、提高完成率的实际手段。
编码代理可靠性系统
编码代理团队可以通过将问题接收转换为失败后通过的测试、将反复出现的正确性断言编码为共享证明和基于属性的测试模板，以及在重复任务之间保留获批准的仓库上下文来提高可靠性。每项改动都可以先在少量真实维护任务上测试，再扩大采用范围。
编码代理需要更安全的输入、受控工具和可重复的生产路径
当天的证据集中在实际问题上：编码代理需要更安全的执行边界、更好的任务输入，以及成本更低的重复执行能力。Claude Code、Codex 和 SpellSmith 提供了安全方面的主要案例；生产实践和基准测试论文给出了具体指标。
编码代理的控制闭环
编码代理的采用面临三个具体的运维问题：不可信仓库可能诱导代理运行攻击者代码，重复事件持续产生完整的推理成本，面向人工编写的问题文本可能让修复代理缺少判断依据。最实际的改进包括限制仓库和 MCP 工具使用的执行检查、将经过验证的事件轨迹转化为操作手册的升级规则，以及在问题提交时收集可执行的修复证据。