Agents 需要运行时、审计轨迹和工作流测试
当天最清楚的信号是 agent 基础设施。Autonomy Kernel、Lite-Harness 和 HermesBench 都把 agents 当成长期运行的系统，认为它们需要权限检查、持久状态、审批和可追踪评估。证据主要是设计提案和早期工具，受控测量很少。
主题概况
Workflow Evaluation
运营中工作代理的控制措施
代理部署正在进入日常运营工作：定时运行、密钥、沙箱、审批、轨迹和可重复的工作流测试。最实用的做法，是在现有编码代理外面加小型控制层、为个人代理做基于 recipe 的验收测试，以及在文件写入前保留人工审批的 ADR 草稿。