编码代理需要行为测试、受限工具和生命周期检查
最强的信号是验证代理在代码运行后实际做了什么。T2J-Bench、SNARE 和 Tool Forge 表明当前重点是可观察行为、授权范围和经过验证的工具访问，这些和任务完成同样重要。
主题概况
Software Verification
Coding Agent Safety Gates
编码代理的采用现在有可直接照搬的测试工作：验证生成代码的行为，审计每个中间动作是否超出用户授权，并把 MCP 工具当作带契约、测试、凭据和更新路径的维护型制品来管理。
编码代理正在被要求证明、审计并为自己的工作买单
当天的研究把编码代理当作需要审计轨迹、可执行检查和预算控制的系统。TrajAudit、EviACT 和 Verus-SpecGym 说明了重点：必须定位失败，证据必须过关，规范必须按用户意图接受测试。
代理工作流检查点
编码代理的落地现在需要在开发工作流里增加更小的控制点：在昂贵验证之前加修复门，为生成的规格做可执行检查，以及为工具访问和交接做结构测试。共同的压力很实际：团队需要知道哪个代理步骤失败了，某个声称的修复或规格是否通过了独立检查，以及 token 开销是否对应已接受的工作。
编码代理正在按记忆质量、仓库推理和可执行安全来接受评判
当天最强的研究信号是编码代理的运行控制。CODESKILL 和 SETUPX 显示，可复用经验能带来可测的提升。RepoMirage 说明，当仓库线索需要跨文件推理时，很多代理仍然会卡住。安全和验证论文把同样的要求说得更具体：代理动作需要受限权限、独立检查和机器可读证据。
Coding Agent Control Layers
可复用的安装记忆、仓库结构检查和提示注入命令测试，已经适合在编码代理工作流里做小规模试验。共同模式很简单：保持主编码模型不变，在它已经在做的工作外面加一层窄控制层，再衡量这一层是否提高通过率、文件选择或命令安全性。
编码代理面临更 কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ কঠ检查以验证真实行为
当天最强的信号是可执行证明。SpecBench 表明公共测试会奖励空壳系统，而 FuzzingBrain V2 和 ERA 用评估循环来验证崩溃或改进科学指标。当前门槛是隐藏测试、运行时检查或任务特定检查下的具体行为。
Executable Acceptance Checks
当验收依赖可执行的行为检查时，代理编写的代码就更可用。最清楚的流程变化是：为生成系统设置隐藏的端到端测试、用崩溃结果支撑安全分诊，以及为旧代码迁移设置行为判定器。