受监督的编码工作流
OneDev 将代理置于现有的软件流程中：议题保存需求，隔离工作区承载执行过程，关联的拉取请求记录评审和 CI 结果。这种设计让代理的工作可检查，也能在构建失败后触发修改。文章没有提供实测评估。
代码生成速度提高后，人工评审负担也会增加。一篇为期三个月的第一人称记录称，原型可在数小时内完成，但开发者仍需持续做架构决策，承受 mental fatigue，并且难以还原生成代码为何采用特定形式。这些报告共同表明，评审能力和决策节奏会限制编码代理的处理能力。
概览
代理产品正被设计成受控的运营系统。OneDev 将编码工作固定在议题、拉取请求和持续集成（CI）中；Avriz 通过影子测试和流量上限控制学习型模型路由；Mango 将记忆和权限保存在用户设备上。实测证据并不均衡。最强的基准测试也只覆盖 10 个合成拉取请求，而大多数产品声明缺乏比较评估。
研究发现
成本感知的模型选择
模型选择正逐渐成为针对具体工作负载的运行决策。Dam Secure 在 10 个合成拉取请求上测试了 10 个模型，这些请求中植入了访问控制缺陷，并对每个模型重复测试 5 次。GPT-5.6 Sol 的召回率为 100%，F1 为 0.91，每个拉取请求的成本为 $0.70。Grok 4.5 的 F1 为 0.77，成本为 $0.20；Gemini 3.1 Flash Lite 的 F1 为 0.75，成本约为 $0.04。数据集规模小且为私有数据，限制了更广泛的结论，尤其是对完整代码扫描的结论。
Avriz 在实时使用编码代理时处理同一成本问题。它的上下文赌博机使用 11 个不含内容的特征和从计费数据得到的奖励，在 5 个模型层级之间进行选择。学习得到的路由在通过覆盖率门槛前保持影子模式，之后也只能在模型层级上限下获得受限的流量比例。报告提供了实现细节，但没有报告总体节省或质量提升。
资料来源
代理记忆与用户控制
持久化上下文正被视为一种带有明确所有权规则的数据。Mango 提议采用本地执行、纯文本记忆、可替换模型，以及由客户端确定性控制的权限，用于跨已登录服务执行操作。xysq 面向使用团队的隔离保险库，这些保险库从 Slack、Drive、Notion 和其他工具收集上下文；访问需要获得同意，并支持加密、导出和删除。
这些设计说明了记忆存储在哪里，以及谁有权批准使用记忆。它们的证据来自架构说明和产品宣传。Mango 没有受控安全审计，xysq 也没有提供部署指标、检索评估或对其隐私声明的独立验证。