今天的研究更少谈“代理会不会做”，更多谈“怎样让它更可靠地做”。重点集中在三件事：更深的调试、更精的工具路由，以及把结构化约束重新接回真实任务。首先，代理式编码进入更细的协作层。TrustOverFear给出较强实证：同样是ClaudeSonnet4，只改系统提示的动机框架，信任式NoPUA在9个真实调试场景里发现隐藏问题51vs32，调查步骤42vs23，而恐惧式PUA没有显著收益。
今天的主题很集中：AI系统开始从“会生成”走向“可验证、可约束、可接入真实流程”。最有证据力度的，不是更高模型分数，而是反馈回路、测试绑定和执行层防线。一个最强信号来自低资源代码能力。USC的Idris研究表明，给GPT-5更多文档帮助有限，但把编译器报错接入循环后，56道题的成功率可从39%拉到96%。这类结果很重要，因为它说明在规则明确的任务里，外部可验证器能直接放大模型能力。
基于趋势快照与局部语料核验，我保留了 4 个“why now”机会，集中在四个明确变化点： 代理调试已出现可测的深度差异，而人的过程审查却在下降，因此适合做强制保留调查轨迹的人机协作层。 工具选择开始从模型内部能力外溢为独立基础设施层，服务器侧 gating 与历史反馈重排序可以组合成可部署的路由控制面。 低资源代码与异构多跳任务都显示，外部结构、约束和验证比继续堆上下文更有效，因此适合做面向特定迁移任务的结构化工作台。 LLM…
本窗口有足够证据支持 4 个“why now”方向，集中在三类新变化：一是可验证反馈已被证明能直接放大代码代理能力，而不只是补文档；二是验证和安全开始前移到 PR 与发布入口；三是代理一旦接入执行与支付，瓶颈就转向执行层控制、授权链路和制度摩擦。…