技术信号

为什么重要这是一份写得足够细的参考设计：哪些事交给模型判断，哪些事用确定的工具去做，什么时候停。它要解决的不是模糊测试本身，而是模糊测试一直以来扩展不开的那部分人工。

为什么重要一次过去负担不起的重写，被一名开发者带着智能体在几个月内做完，而且没有停下正常开发。更可迁移的是它失败时的样子：几乎所有回归都来自端到端测试不够，于是结论是把判卷标准保护起来——实现者不能同时改测试、改快照、放宽基线。这和本轮另外两条信号是同一个问题的工程答案：被检查的一方不能同时掌握检查。

为什么重要当模型这一层的价差被抹平，「自建还是采购」的决策依据就必须换成「哪一层工作是你要自己拥有的」。这篇给出的分法可以直接搬到任何智能体平台的采购评估里。

为什么重要生产级智能体的负面结果复盘比成功案例稀缺得多。「更好的工具让效果更差」直指一个普遍盲区：工具与指令是耦合的整体，替换其一必须重写另一——而且没有回归基准，这类退化会被安静地上线。