2026年AI编程代理输出验证：查看差异、氛围检查再合并

并非评判，我和大家一样。我们查看差异，大概理解其中70%。另外30%看起来合理。测试通过。合并。我们没有做的是：检查代理在会话期间实际做了什么，而不仅仅是PR差异。它读取了多少文件。运行了哪些命令。是否触及了所述任务之外的任何内容。我在自己的设置上快速统计了一下： * 本月运行的会话：大约40个 * 我拉取完整日志的会话：2个 这个比例很糟糕，但可能并不罕见。我一直回到的一点是：我们建立代码审查文化，正是因为看起来正确不等于实际上正确。对吧？加入代理改变了速度，但没有改变原因。差异仍然不是会话审计。总有一天氛围检查会到期。