编码代理需要经过失败测试的指导和带关卡的执行
这一时期的编码代理工作由运行证据来判断：用失败来测试仓库指令，用基线测试为拉取请求设关卡，以及用基准暴露语言和项目规模上的差距。Probe-and-Refine、Phoenix 和 Multi-LCB 定下了基调：有用的自动化需要一个执行环境来记录尝试过什么，以及失败发生在哪里。
主题概况
Coding Agents
编码代理发布控制
仓库维护者现在可以把代理指令、拉取请求创建和模型选择当作可测试的软件工作来处理。实际做法包括：在失败探针后修订的紧凑仓库指导、由基线对照测试和权限门禁阻断的 issue 代理拉取请求，以及覆盖生产所用语言和项目规模的评估套件。
编码代理正按证据链和运行框架接受评判
这一时期把编码代理视为需要可审计任务来源、可执行安全证据和感知运行框架评分的产品。SWE-Future 处理基准污染；Code-Augur 把安全假设记录为断言；Cursor + Claude Fable 5 显示，同一模型在另一种代理运行框架下的得分可能差异很大。
关注来源的编码代理评估
编码代理工作正在转向几类检查：保留任务来源、区分可见正确性与隐藏安全行为，并把代理推理转化为可执行证据。这些实际改动足够小，可以放进现有评估和安全工作流中测试：让同一个模型通过多个运行框架执行，要求安全专用隐藏测试，要求审计代理写出可证伪断言，并基于截止日期前可用的仓库证据构建面向未来的任务。
AI 编码代理正通过轨迹、门禁和证明检查接受评判
这一时期最清楚的判断是：AI 编码代理需要可验证的运行记录。ProcGrep 给动作轨迹打分；VerIbmc 只接受 ESBMC 检查过的不变式；Aegis 用经过证明的安全区封住路由器明文。文章和事故报告提出了同一个实践要点：生成代码很便宜，风险集中在验证上。
可验证的编码代理执行
编码代理的采用正在转向可由软件检查的运行记录，然后再由人工签字确认。实际工作包括：要求可重放 QA 证据的 pre-push 门禁、只接受经验证器检查不变式的本地证明循环，以及让提示和工具调用避开明文主机内存的路由路径。
编码代理运行时控制
编码代理采用现在需要围绕运行时循环做具体工作：在完成前强制执行重复的用户纠正，在同一评分契约下比较代理 harness，并在代理编辑文件前为其提供既往修复和失败尝试的本地记录。
Agent tools need memory, proof signals, and secretless sandboxes
当天最强的信号是对 AI 工作的实际约束：代理需要持久记忆、证明反馈、凭证边界，以及能暴露状态的界面。Raidho、Jane Street 的形式化方法文章和 Cordium 提供了最清楚的证据。
Controlled Coding Agent Workspaces
代理采用正在撞上当前开发工具常被当作事后补救的控制点：凭据放在哪里、项目事实如何持久化、审查者如何拿到生成代码遵守本地不变量的证据。最实际的做法，是围绕无密钥工作区、带成本测量的项目级代理记忆，以及面向证明的审查检查，做几个小试点，先放在那些对正确性要求很高的代码库里。
代理式开发正在接受运行控制的检验
当天最强的信号是对 AI 工作的运行控制。软件工厂需要契约和测试。Claude Code 的嵌套代理需要上下文边界和支出上限。本地 AI 工具又加了一层约束：当云端训练条款不清楚时，把敏感工作留在用户机器上。
受控的代理式工程工作流
工程团队可以通过在上下文、支出、验证和数据不变量上加明确控制，把代理式开发推进到更窄的生产工作流里。最直接的近期开关是有支出上限的 Claude Code 子代理链、带代理可读契约和代理自跑测试门禁的项目规范，以及在加锁前要求写明数据库不变量的 Rails 变更审查。
Coding agents need bounded tools and deliberate human checkpoints
当天最强的信号是对 AI 辅助编码的实际控制。Model Context Protocol harness、Agent Joe 和并行代理提示都把代理当作需要限定上下文、限制动作并设置明确审查点的工作者。