AI coding agents are being judged by controls, traces, and full-task cost
当天最强的工作把 AI 编码当作受治理的工程过程来处理。AutoMat 测试科学复现性，SAGA 测量智能体的端到端延迟，RECAP 记录真实的提示到编辑轨迹。共同的要求是在信任生成代码或智能体工作流之前先拿出具体证据。
主题概况
GPU serving
Agent Workload Visibility
AI 编码代理现在已经有足够的局部证据，可以支持三项具体改动：在真实开发中记录 prompt-to-edit 轨迹，用结论级复现任务测试科学代理，以及按完整任务完成时间衡量代理服务。每一项改动都指向一个常见问题：普通代码指标会把代理工作的成本藏起来。