Agent 说“做完了”还不算：WorkOS 如何让它自己交出证据

导读

编码 Agent 声称任务完成，怎样确认用户需要的功能真的可用？WorkOS 两位工程师主张把完成条件变成可重复执行的检查，让 Agent 自己运行、修复失败并交出证据。他们用候补名单演示：成功提示出现后，还要刷新页面、读取存储，确认邮箱确实留下；同一验证命令固定所有 Agent 的验收终点，却不规定它们如何修改代码。对于 PR，独立验证器查询实际状态和合并检查，而不是采信模型报告；存储和状态码由脚本核对，容易变动的产品文案则交给模型判断。验证结果需要记录操作路径、运行状态和对应代码版本，因为现场演示就曾读到过期的失败记录。两人建议先让 Agent 在本地获得具体反馈，再由 CI 兜底；生产环境仍要监测指标并保留回滚能力。这样能减少反复返工，但绿色测试并不自动证明用户目标已经实现。