Agent 能一直写代码以后，怎样评测、审查并隔离客户数据？

导读

多个 Agent 能快速生成代码后，评测、审查和客户数据隔离反而成为生产系统的新难题。Anthropic 的讲者建议把验收标准和运行边界放在前面，而不是只扩大并行规模。评测可从历史任务和人工评分积累数据，再随模型更新检查测试假设；团队曾在定义含糊的评测中得到 100% 分数，却无法说明真实表现。代码评审可以让多个 Agent 分头找问题，但软件仍要在环境里运行，再由人决定是否合并。对于法律要求数据分开的客户，团队建议每个客户使用独立 workspace，同时通过 CI 分发共同的 Agent 配置；较细的资源权限仍需开发者自行实现。长任务等待外部工具时，还可由子 Agent 等待，让主线程继续接收消息。这些方案各自处理不同边界，自动审查尚未解决代码产量带来的全部审核压力。