
结论先说:可行,但可复制的不是某个「神级提示词」,而是三个设计——用可脚本校验的度量替代方案评审,用保守自动决策和硬限熔断处理不确定性,把人工门压缩到一道令牌门,同时要求人真的读包。
HiFox 团队的 Agent「张无忌」10 月底上线,最近 10 天接了 52 个 bug 和小需求:35 个已发布到生产,8 个测试中,1 个待发布,合计 44 个、85% 进入交付通道;7 个开发中,只有 1 个被测试打回。52 个任务产生 69 次运行:52 次完成、16 次失败、1 次取消;完成运行的中位时长约 72 分钟,最长 202 分钟。每天 0:40,自动化扫描空间里带 workflow:auto 标签的「待开始」任务,按优先级和编号派单。

图 1:52 个任务交付分布与运行结果
下面三个分论点,分别解释它为什么能跑起来,以及哪里仍然会失手。
传统流程用一道「方案确认」挡住「方案错了就白写代码」的风险。张无忌不设这道门,替代它的是「自省深潜」里的四道量化指标:
read-ledger.json 阅读台账;self-audit.md;coverage.mjs --collect / --verify 脚本硬门,退出码非 0 不得进入实现。关键在最后一条:读没读够由脚本判定,不由 Agent 自述。案例 HF-15156 里,Agent 最初判断是「24 小时时长上限」出了问题,考古 21 个核心文件、读了 54 个文件之后,把 v1 证伪成「30 分钟无活动清扫器误杀」,还顺带发现看门狗比较符写反——这种缺陷靠通读代码很难注意到。

图 2:HF-15156 无人值守时间线
当方案的每个论断都能回溯到考古证据和阅读台账,人工确认方案的边际价值就下降了。人真正该做的,是在证据最完整的时刻做终局追认,而不是在过程中反复点头。

图 3:13 阶段、4 道门与 1 道人工门
没有人工方案确认,遇到未决分支怎么办?答案是「保守自动决策协议」:在发现点枚举全部合理候选,按最小爆炸半径拍板,只取核心修复加必要支撑,不扩张未授权的公开 API、schema 或迁移;每个决策连同候选与理由记入 state.auto_decisions,在【提测】门一次性交人追认。
HF-15156 的超时拆分给了 A/B/C 三个方案,最终选的是零数据库迁移的 A,而不是更「漂亮」但需要跨版本改枚举的 B。多语言文案也给了 5 个候选,等人追认。这个选择不一定是全局最优,但它把「改坏了能不能退」放在了「方案完不完美」前面。
同时要有硬限。只有四类情况允许 Agent 真正停下来等人:不可逆或破坏性变更、需求正面互斥、系统级阻断(元数据缺失、状态损坏、评审 6 轮超限)、仓库规则互相冲突。净室评审最多 6 轮,仍有阻断问题就熔断转人工,防止 Agent 在自己写、自己审、自己修的循环里无限运行。
整套 13 个阶段里,只有一道人工门:来自任务处理人、以「【提测】」确切结尾的消息,才能解锁合入和推送。「可以」「继续」「approved」永不解锁,Agent 也绝不自己发令牌。想改选方案,回复 Q2=B 【提测】,一并生效。
人在 HF-15156 里只做了三件事:17:31 贴一张截图发起任务,第二天早上审包确认,最后确认测试验收。听起来很轻,但审包这件事变重了:提测包里同时有根因、架构影响、自动决策候选、验证证据和残余风险,其中一条明确写着「真实的 30 分钟模型卡顿在测试环境难以构造」,并打了「难复现」备注。人读到了,才会接受这个测试口径;不读,【提测】就变成盖章。
这也解释了为什么 11 天里仍有 1 个任务被测试打回(HF-14811,网络代理核心链路)。耦合最深的一类问题,自动化和量化门都不能保证一次通过。区别在于,打回会进经验账本,约束下一次同类任务,而不是被当成偶发事故略过。
workflow:auto。这套实践不是把 Agent 当聊天窗口,而是把任务、标签、状态机、定时派单、共享开发机和空间知识库放在同一个协作面里:自动化在 HiFox 空间里扫任务,Agent 在任务里留下诊断、证据和提测包,测试 Agent 链继续接力;三个分身共享同一份协议指令,用同一套体检指标比较 Runtime 和模型,合计 60 路并发。

图 4:在 HiFox 任务里指派 Agent
一个可执行的动作:在 HiFox 建一个带 workflow:auto 标签的低风险 bug 任务,配一条凌晨派单自动化,先让它交诊断和提测包,人只审这一包。
最后提醒一句:无人值守的前提是证据齐备、边界清楚、失败可恢复。Agent 无法承担后果,人仍然要对产物负责。过程可以无人值守,结果不能无人把关。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。