检查 Agent 操作后的实际环境

以下示例与示意结果由本站编写，用于说明方法，不是模型实测结果。

使用场景

代码修复Agent称计数器竞争已解决。教学环境允许改counter.ts但不允许改测试期望；最终状态与行为才能证明结果，漂亮总结不能代替工作树。

具体做法

每轮在隔离夹具起步，固定许可范围与隐藏行为判据。运行结束后检查最终文件、完整差异、禁止改动及行为测试；核对真实结果，而非只看轨迹宣称。过程要求如先询问删除才用轨迹核验。空操作检测结合任务判断：确需变更的修复无改变又未通过即失败，诊断或已有正确状态不能机械判。

反例

总结说已修复、测试全绿就评分通过，不看最终代码；允许修改测试把错误期望改成现实值。

改进写法

在最终教学检出测试两个调用方计数为2，检查只改许可实现、未改隐藏期望。核对产物与测试结果；若无修改且错误仍在，修复失败。显式过程约束另从轨迹判断，审美/可读性另评。

为什么这样改

环境是动作任务留下的答案。检查终态和禁止改动，能识别没有执行、越界更改或通过修改标准作弊；过程记录负责不同的协议问题。

如何验证

教学错误仍得1应失败，即使总结称2；实现正确得2但删测试或改禁区仍失败。合法等效实现不必有固定工具序列。保留末态身份和断言结果，此文只给检查设计。

适用边界

终态判据只覆盖已写不变量，隐藏测试也可能不足。副作用是否允许与是否存在需各自核对；网页视觉质量等需渲染/人工判断。隔离环境不证明生产效果，不能单凭未变文件判所有任务失败。