受控的编码智能体运维
编码智能体采用现在需要更窄的闸门：rollout 前进行回放式评审会话测试，按运行设置与 token 遥测绑定的支出预留，并让命令执行把凭证和 shell 影响隔离在持久智能体进程之外。
主题概况
Software Engineering Agents
编码代理正在接受轨迹、行级证据和对抗性测试的评判
这一窗口里的编码代理工作围绕证据密集的控制展开：轨迹变成训练数据，仓库搜索得到行级评分，评估加入随机上限和运行时检查。Socratic-SWE、SWE-Explore 和 CapCode 的信号最强。
编码代理审计轨迹
运行编码代理的团队可以在每次运行周围增加更有用的审查点：补丁前查看过的具体代码区域、用于识别测试作弊的随机化评测器检查，以及针对第三方 skills 的运行时检查。共同的运营需求是：代理成功或失败之后，都能审计这些证据。
编码代理正在被要求提供仓库、评审和运行时证据
本周的编码代理工作给出了一个实用门槛：在输出获得信任之前，代理需要仓库上下文、可执行证据、限定范围的权限，以及持久的工作流状态。RepoMirage、RADAR 和 SNARE 显示了压力点：多文件推理、生产评审和权限越界。
面向 coding agent 的已审计闸门
coding-agent 的采用正在转向保留证据的窄闸门：带有安全度量的低风险审查通道、在各阶段携带测试和编译器信号的修复循环，以及检查中间工具动作的授权测试。
编码 agent 正在作为受控执行接受测试
当前重点：编码 agent 按运行方式、修复能力和边界内行为来评判。A-ProS 展示了有状态评审反馈带来的提升。ProcBench 对轨迹中的过程缺陷打分。OverEager-Bench 衡量 benign 任务中的未授权动作。
编码代理执行控制
编码代理团队可以把运行时范围、轨迹质量和文件选择分开测试。证据支持在更广泛部署前先做几项实操检查：捕捉越界动作、给代理日志里的流程缺陷打分，以及在迭代修复前缩小修复上下文。