你们是如何在真实代码库上安全运行自主编程代理的？
摘要
作者正在构建SUTRA，一个用于在真实代码库上安全管理自主编程代理的系统，专注于控制层，如提交跟踪和任务范围界定，并正在寻找测试人员来评估它。
我一直在测试编程代理，这些代理可以接受任务、修改代码库、运行测试并打开一个PR（拉取请求），几乎不需要人工干预。代码生成部分我不再真正担心了。我更感兴趣的是控制层：如何知道哪个代理/会话生成了提交？如何将代理限制在特定任务/代码库范围内？如何防止代理批准或合并自己的工作？当PR在人类审查后发生变更时会发生什么？如何区分代理生成的工作与有人直接在GitHub上做的更改？我一直在围绕这个构建一个名为SUTRA的系统，目前正在寻找几位在真实代码库上使用Claude Code/Codex/Cursor/其他编程代理的开发者来测试它。我不是要人们只看演示。我希望人们连接一个真实的非关键代码库，给他们的代理一个真正的任务，并告诉我系统在哪里出问题。如果你已经在这样做，请评论你的设置或私信我。我正在开放一个小规模的私人测试版。
相似文章
真的有人在从issue到PR的流程中自主运行编码代理吗？
这是一场讨论，探讨完全自主编码代理的实际使用情况——这种代理接收issue并生成PR，无需人工引导，重点在于验证和人工监督。
在实际仓库中运行编码代理：代理写完代码后哪些环节会出问题？
本文讨论了工程团队在采用AI编码代理时面临的实际挑战，如任务安全性、上下文检索、输出审查和协调，并提出了一个用于评估的准备度模型。
编码智能体已经很强了，但管理它们还没跟上。我开源了为此构建的控制室（MIT）
作者开源了 o8，这是一个采用 MIT 许可的编排器，用于在隔离的 git worktree 中管理多个编码智能体，具备合并门禁、审计追踪和移动审批功能。
希望获得对该框架的反馈。跨智能体验证
一位开发者正在为一个面向编程智能体的开源框架征求反馈。该框架让第二个智能体自动审查每项更改并反馈发现的问题，从而在 AI 生成的“垃圾内容”进入代码仓库之前将其拦截，同时还配备了会话管理器、操作台账，以及防止模型反复犯同类错误的防护机制。
我一直放弃多智能体工作流，因为我无法验证它们提交的代码。你们是怎么处理的？
一位开发者分享了他在使用多智能体编码工作流时的困扰——并行 PR 的产出难以逐一验证——并描述了他如何构建一个 AI QA 智能体，通过真实浏览器（借助 Browserbase）自动点击预览部署，对无法正常运行的 PR 标记失败。