代理上线实践：先验真，再执行，留日志

让 Agent 接触真实用户，难点往往在模型之外：它能不能擅自提交代码，凭什么认定问题已经修好，出了错以后会不会再犯。作者从一个拥有数十条命令的 WhatsApp bot，以及带有服务端任务验证的应用中，提炼了六条工作规则。

核心结论很直接：先约束行动，再验证结果，并把每次失败变成长期检查。这些规则值得借鉴，但原文提供的是个人项目经验，没有给出效果对照数据。

Agent 能执行，不代表可以直接提交

作者遇到过一次真实事故：bot 命令未经批准，就把修改 commit 并 push 了。那次修改最终保留，但工作规则被重写了。

此后，Agent 不能自行发送、提交、推送或发布作者没看过的内容，除非作者明确要求执行那个具体动作。草稿先进入暂存区；涉及线上代码的操作，要先在可以丢弃的副本里通过检查。

这里有两道不同的门。暂存区解决「内容还没看过」的问题，临时副本解决「操作可能影响真实环境」的问题。检查通过，并不自动等于获得发布授权。

把生成结果和执行动作分开，是这套规则最有用的部分。

对 AI 编程来说，生成补丁、运行检查和 push 到远程仓库，应该是三个可区分的步骤。作者也没有要求所有动作都重复确认：用户已经明确下达的具体操作，可以按授权执行。

构建通过和 HTTP 200，都不能证明用户能用

作者要求亲自核实会影响交付结论的关键说法。例如，其他研究者报告某个网站坏了、某条信息失效了，或者某个价格真实存在，都还不能直接当作证据交给客户。

同样，构建成功或拿到 HTTP 200，也不足以证明功能正常。前者说明代码通过了构建流程，后者说明请求得到了成功响应；用户能否完成操作，还取决于设备、视口和账号状态。

截图也有边界。它能记录一个画面，却不能单独证明故障原因。诊断还要查看当前会话、账号以及平台状态。

作者主要在桌面开发，但大多数用户使用手机，因此把真实手机作为视觉和交互交付的最后一道检查。如果现有设备无法复现使用条件，他会在交付前说明，并把第一次真实运行当作测试。

修复在手机上失败后，下一步也必须改变：先把那个具体手机场景复现到测试里，再继续修改。原文举出的检查条件包括手机视口，以及带抖动的触摸操作。

这对前端很实用。一个按钮在桌面上能点击，并不能说明手指触摸时也稳定；但作者没有提供具体测试代码，也没说明如何模拟触摸抖动，落地时仍需团队自己补齐。

出错之后，要留下检查，而不是只留下记忆

作者认为，修完就忘的 bug 还会回来。每类失败都应产生一条长期有效的检查，让同类问题尽量无法发生，或至少提前暴露。

他给了三个具体例子：

• 交互验证要覆盖手机视口和带抖动的触摸，不能只验证桌面操作。
• watchdog，也就是监测服务是否正常的看门狗，应检查端口和状态端点，不能依赖几个月前就改过的进程名。
• commit 的作者账号必须符合部署目标的账号要求，否则部署会被阻止。

最后一条显然依赖作者的部署环境，不能直接推广成所有平台的通用规则。

长期运行还涉及信息管理。作者的 watcher 会静默记录常规事件，只在赢得工单、需要人工介入或 watcher 自身故障时通知。他也倾向于让 Agent 最后提交一份完整报告，减少零碎更新。

凭据则放进 vault 或指定的 env 文件，不进入普通文件、聊天、仓库或 Agent 记忆。通过聊天交付的凭据会被视为已经暴露，并在下次登录时轮换。这里的「记忆」应放在 Agent 工作上下文中理解；程序运行时如何读取和使用凭据，原文没有展开。

我的判断

我认同作者把验证条件放在交付结论前面。相比只看构建日志、状态码或截图，这更接近用户真正遇到的问题。把事故转成长期检查，也比单纯要求 Agent「下次小心」更容易执行。

但这些仍是经验之谈。作者没有提供事故率、维护成本或交付效率的对照数据，不能据此断言这套流程适合所有团队。

真实手机检查和自动化测试也各有作用：前者补足真实设备条件，后者方便持续检查已知场景。原文没有给出设备覆盖范围，不能把「一台手机通过」理解成所有移动端都通过。

「最后只交一份报告」同样需要取舍。常规日志可以静默，但执行时间很长、任务遇到阻塞，或者需要人工决策时，及时反馈仍然有价值。减少噪声的关键，是区分哪些信息只需留档，哪些信息会改变人的下一步行动。

能拿来做什么

• 给 AI 编程流程明确划分生成、检查和提交三个步骤，让 commit、push、发布分别对应清楚的授权。
• 修复移动端交互问题时，记录出错设备、视口、账号状态和操作方式，并先用这些条件复现问题。
• 每次修复后增加针对失败原因的长期检查，例如让 Node 服务的 watchdog 检查端口和状态端点，并明确哪些故障需要通知人。
• 将 Agent 使用的凭据集中放入 vault 或指定 env 文件；聊天中出现过的凭据按已暴露处理，安排轮换。