我的编程智能体能写代码。为什么我还得当它的项目经理？

现在，编程智能体让我烦恼的甚至已经不是犯错了，而是我仍然得花那么多精力去管理它。我可以把任务说明白，看着智能体写出一大堆代码，最后却还是得由我来发现它漏做了什么。或者发现它做到一半就停了。又或者，它所谓的“完成”，显然只是“我暂时说完了”。我也见过其他人描述同样的情况。有位开发者已经有了一份实实在在的分步计划，但他们的智能体还是不断把工作拆成更小的部分，然后停下来，非要等他们输入“继续”才接着做。不需要新的指令，也没有什么决策要做。就是……继续做我已经交代过的事。没错，我当然知道重要的代码需要我来审查。但这并不是我真正抱怨的地方。我烦的是，必须不断替智能体记着最初的任务，还得判断它到底有没有真正完成。正因为如此，我最近一直在折腾一个小型开源实验。思路是把完成情况的检查与执行工作的智能体分开，让它自己发一句“完成了”还不算数。有个人拿一个小任务试了试。Codex 在创建要求的文件之前就停了。检查发现了这个问题，把任务退回去，Codex 第二次尝试才完成。没有人需要输入“继续”。显然，一次小测试说明不了太多。检查也可能漏掉要求，而且目前整个实验只能处理很有限的一类任务。不过，这让我开始想，也许知道自己什么时候真正做完了，和擅长写代码，是两个不同的问题。我很好奇，大家在更大的项目中使用智能体时，情况是怎样的。你们有没有真的遇到过这样的情况：你不在的时候，智能体完成了一项规模不小的任务，而你无需回来输入“继续”，也不用指出它明显漏掉了什么？我很想听听哪些做法管用，或者某次具体是怎么没能做到的。