公共证据实验室 / 档案 O-8804
针对AI编码代理自信地报告任务完成(重构完成、测试通过、全部接入),但实际diff显示半成品的问题,提供自动比对代理声明与真实代码变更的核验工具
首次发现 2026-10-03 · 最近更新 2026-11-19 · 每日重算
以上为已采集样本中的观察,不代表全平台发生率,不能判断是否普遍或正在加速;采集范围 09-16、09-27 有调整,月度数量不可作趋势解读。
原帖标题:My agent passed its own tests and did half the work. I took the tests away from it, and then my tests were wrong
The step that builds the 3D board passed all 16 li…
构建 3D 棋盘的步骤通过了其检查的全部 16 行。然后我截了图,发现每块道路瓷砖都旋转了 90 度…
公开层仅保留极短引用;请打开原帖核对完整语境。
原帖标题:Your coding agent said “done”. Why are you still checking everything yourself?
If I still have to open the diff, re-check the req…
如果我还得打开 diff,重新检查需求,确保没有遗漏……那我到底委托了什么?感觉真正的问题不是让代理…
公开层仅保留极短引用;请打开原帖核对完整语境。
原帖标题:Devs: what session rituals actually stuck for keeping your coding agent honest?
I used to lose a full morning once a week to this.…
我以前每周都会因为这件事浪费掉整个上午。我的编码助手会自信地告诉我重构完成了,测试通过,一切都已就绪…
公开层仅保留极短引用;请打开原帖核对完整语境。
这些证据还证明不了什么
要升到 付费支撑,还缺:
这里没有本人付费陈述在案,所以本页不给任何定价建议。没有付费证据撑着的价格,只是套了个数字的猜测。
关注公众号,每周收到这种
「海外掏钱实录」· 每周更新 · 每条结论都有原帖证据
遇到类似问题?免费代查
在公众号回复「代查」加上你遇到的问题,48 小时内告诉你:海外同行有没有人遇到同样的事、我们收到了多少条记录、最早从什么时候开始有、他们原话怎么说、原帖链接。
评分口径摘要
证据置信度 = 强度 × 证据量 × 来源多样性 × 付费 × 竞争 × 趋势 × 10。所有计数基于独立内容条目(同一帖子多条信号只计 1 条);仅"亲身痛点 / 当前支出 / 明确愿付 / 功能请求"四类一手证据计入;同一作者的重复内容按 0.15 权重折价计入评分,刷屏抬不了分;评分与状态晋级由确定性代码完成。
⚠ "付费支撑"表示证据里出现过本人付费陈述;不是"值得创业"的判断。"正在转弱"是时效标签,与证据级别是并列的两件事。完整规则见 方法与可信度。