今天怎样委派
限定条件下整包委派
失败契约将搜索空间限定为可观察行为；补丁前后运行与受影响回归能否捕获真实错误，比生成代码是否流畅更有判别力。对无法复现的投诉先接收诊断。
W-C01 · 条件能力评估
缺陷修复：交付补丁与回归证据
让原本可复现的错误消失，同时保持已有行为。
现在的用法
仓库和复现条件明确时，可委派Agent完成补丁与回归循环，再按行为证据接收。
SWT-Bench提供复现测试及补丁前后独立运行方法；当前修复采用建议为据此作出的编辑判断，不冒称本站真实仓库试验。
开始前满足这些条件
- 能够运行相关测试或提供隔离复现
- 补丁范围和关键兼容行为已明确
- 接收者能检查高影响变更和验收器本身
本站记录：未对这一完整修复单元发布本站AI试验结果。
用你已有的上下文继续
交给我的 Agent
带走当前公开资料，让你的 Agent 结合已有背景继续分析。也可以读完就结束。
查看可复制的内容
我正在了解：缺陷修复：交付补丁与回归证据 让原本可复现的错误消失，同时保持已有行为。 请读取这项工作的输入、条件和验收，结合当前授权与环境完成我提出的交付。先说明可执行范围和阻塞；保留失败、重试与独立接收记录，不把示例当作本次已运行结果。 公开资料： 当前任务与验收资料：https://edgeofwork.com/work-units/W-C01.md?version=2026-10-21.workunits.2 区分职业资料、研究结果、工具声明和编辑推断；读取资料给出的日期、版本与范围。需要时补充原始来源。使用自己的自然报告或对话继续，无需把个人材料和分析回填网站。
当前判断与直接依据
工具今天能否获得
SWT提供容器验收器；修复Agent需接入自己的模型，语料和工具不是此仓库已修复证明。
SWT-Bench ↗ · 2026-10-20公开仓库HEAD 330a649a764fab2fadaea632776eeae87272f74b；实际运行另固定依赖/镜像/模型
源码公开；需容器资源、目标仓库和模型账户
哪些具体证据支持判断
工具与方法依据
缺陷测试应在基线失败、正确修复后通过；可用独立失败输入排除补丁和自写测试互相自证。
SWT-Bench 官方实现 ↗
支持：提供补丁前后双运行的验收入口。
定位：Overview；unit test/reproduction script modes
范围限制：只生成复现测试，没有保证补丁正确或覆盖未知回归。
判断限制：只生成复现测试，没有保证补丁正确或覆盖未知回归。
有条件的编辑推断
可复现缺陷、可启动依赖和有限改动范围齐备时，可委派Agent整包搜索、修复、重测，按行为结果接收。
判断限制：本站没有对新仓库运行；并发、数据损失和环境差异须按变体增加检查。
输入变化会怎样改变结论
并发与一致性
竞争条件、异步消息或跨服务重试而非单线程错误。
采用范围：分阶段接收可控制交错的复现后再修；单次通过不能证明竞争消失。
验收变化：加入屏障/故障注入、多种执行交错、幂等及事务不变量检查。
浏览器或设备缺陷
原错误依赖渲染、权限、生命周期或具体设备。
采用范围：编译和服务测试只接收代码层；须采用W-C04/W-C05的真实环境交付。
验收变化：重放对应浏览器/真机路径并核对持久状态，不能用Mock替代。
依赖与兼容迁移
故障来自依赖升级或多个调用方版本。
采用范围：允许Agent修依赖与适配，但需兼容矩阵而非只运行最新版本。
验收变化：旧/新客户端、锁文件、配置与失败回退各有结果。
前沿已经展示到哪里
公开系统已能构造仓库级复现测试和修复候选；材料不覆盖目标系统全部竞争条件及长期行为。
未知下一步怎样验证
选一个未解决的授权缺陷；冻结SHA，先让独立复现捕获基线，再接收补丁并重放用户路径和关键回归，保留失败尝试。
未来什么信号会扩大或缩小边界
- 新缺陷的独立复现、受影响回归和真实维护接收都持续成立，可考虑扩大相近输入范围。
- 原错误复发、测试被改弱或确认成本抵消收益，应收窄或暂停相应采用。
交付什么
请求：维护者有一个仍未解决的缺陷，并能提供仓库与故障条件。
包含定位、修改和回归循环，止于维护者接收；生产发布是另一项授权与环境决定。
- 仓库快照
- 提交SHA、安装与测试入口、允许改动范围。
- 失败契约
- 复现输入、实际与期望行为、影响对象；先核对是否已被其他补丁解决。
接收产物
- 可审查补丁及修改理由
- 同一复现步骤的修复前失败、修复后通过记录
- 受影响回归、未测区域和兼容性说明
怎样验收
1. 原错误被真实捕获
在基线和候选上重放同一失败输入，观察行为或状态
拒收例子：只新增一个永远通过的测试，原问题仍在。
2. 修复未破坏现有约束
运行受影响调用方与边界回归；审阅测试是否被删改绕过
拒收例子：为通过测试移除权限检查或跳过失败用例。
3. 交付对应可复现环境
核对仓库SHA、依赖、命令与日志；环境失败单列
拒收例子：把依赖装不上写成缺陷已经修复。
一个具体例子
输入：缓存刷新后返回旧值；固定仓库版本和可重复的刷新/读取序列。
预期交付：修复缓存失效的补丁、基线失败与候选通过记录、并发读取回归结果。
容易出错：只清空单元测试中的缓存，让测试变绿，却未改真实刷新路径。
工作步骤怎样重组
原来的组织方式
维护者逐步定位、手改、补测，再交由同事审阅。
现在的组织方式
维护者交付故障契约；Agent自行搜索和修改，测试失败返回修复循环；接收以行为与差异为依据。
保留的判断、新增的工作与失败接管
仍需做好
- 真实故障复现
- 关键兼容性与发布判断
新增职责
- 环境和上下文准备
- 核验测试是否覆盖根因
- 收集Agent反复失败模式
人的责任：确认期望行为与业务影响，裁决需求冲突，决定接收和发布条件；无需逐行亲手完成补丁。
失败处理：不能复现时返回环境、尝试输入和缺失条件；补丁退化时保留失败证据并继续修正，不能靠缩小原需求宣布成功。
尚待补足
- 尚缺目标仓库原失败→根因补丁→受影响回归的独立接收记录，尤其并发交错与真实依赖。
这对个人和团队意味着什么
职业与岗位
维护工程、可靠性工程
用一份真实脱敏修复展示故障复现、影响分析、回归和本人做出的取舍。
对照目标岗位的仓库规模、语言及值班要求；缺生产经验时先补受限修复证据，再决定申请或选择初级维护岗位。
查看相关职业与方向 →团队与分工
缺陷积压是否来自定位慢、环境难复现，还是接收排队？
先让Agent处理可复现且范围明确的修复；由熟悉系统者集中处理行为冲突与高影响接收。
选择一周真实积压，比较交付周期、返工与复核用时，再决定增工具、培养复核者或补维护人手。
查看工作分工与组织案例 →依据具体支持了什么
SWT-Bench 官方实现
提供补丁前后双运行的验收入口。
未覆盖：只生成复现测试，没有保证补丁正确或覆盖未知回归。
原文定位、日期与职业来源关系
- SWT-Bench 官方实现 ↗
NeurIPS2024；仓库持续更新 · 定位：README：Overview；Unit Test vs Reproduction Script；gold validation
缺陷前失败、修复后通过的测试生成评测；复现脚本模式不跑全套测试；不能把覆盖率当检出率或业务正确性。
核查 2026-10-20 · 下次复查 2027-01-20
DEV-21670 · task：来源职责涵盖软件错误修正；未把整个职业任务等同本交付。（partial）
C03 · task：熟悉项目维护的历史证据与净交付成本可作背景。（partial）
补充佐证 · 工具与真实采用线索
这项工作，已经有哪些实现路径
论文之外，查看工具实现、公开项目与企业采用主张。下面每条都说明本次核查到了哪一层；项目热度和厂商比例不充当任务完成率。
OpenHands：把不同编程Agent接入持续工作环境
编程工作已有组织Agent运行、工作区和自动化的实现路径，可以作为搭建交付环境的候选。
查看实际核查、适用范围和下一步验证
原始主张：项目提供本地/远程Agent工作台、后端选择和自动化连接。
已检查：固定commit的README、许可证和自动化接口测试已读；旧resolver路径404。主仓库当前负责Canvas，SDK和automation分别承接执行与触发。
仍不能推出：接口测试存在不证明任务成功；没有在本站启动该工具或使用其云服务。
下一步验证：固定SDK/Canvas匹配版本，在隔离仓库用一个有失败回归的缺陷和一项新功能检查完整产物、重试、权限与人工接收。
核查 2026-10-19 · f3caa2778553662c22715bfb52b5eb6edf975d5b
- OpenHands Agent Canvas：固定版本实现入口 ↗
2026-10-19 · 定位：README及同commit下已记录的配置/测试/源码路径
固定仓库版本的实现资料只读核查；未执行该最新仓库的模型工作；不可把README展示结果当本站复现
核查 2026-10-19 · 下次复查 2026-11-02 · 已到期待复查
Cognition：高比例AI代码提交是采用线索
提示工程师工作可能从逐行编写转向问题定义、并行执行与接收，可纳入未来职责情景的观察清单。
查看实际核查、适用范围和下一步验证
原始主张：2026-05-27官方文章称，内部工程师提交的代码89%由Devin提交。
已检查：实际读取原始What’s Next段；没有把融资、收入或转述数量视为独立证据。
仍不能推出：原文比例不等于89%工程工作自动完成，也未提供本站可复算的分母、窗口及人工复核成本。
下一步验证：取得明确时间窗与可审计PR样本，区分生成/提交/合并/接收，纳入删除、回滚、人工重写及完整人时，再判断净效果。
核查 2026-10-19 · official-post-2026-05-27
- Cognition：内部提交代码的Devin采用声明 ↗
2026-05-27 · 定位：What’s Next段
厂商对自身工程团队提交代码的自述；89%是原文代码提交口径；未披露本站需要的工作量分母、统计窗口、复核人时与独立审计
核查 2026-10-19 · 下次复查 2026-11-02 · 已到期待复查
未来3–5年：2029–2031
2029–2031：从单份修改到持续交付的软件Agent
整包应用案例、真实修复接收和运行流程优化，是更长软件任务可委派的正面信号。以下是本站据此提出的条件情景，不是这些研究给出的日期预测。
当前建议回答今天怎样交付；未来3–5年指2029–2031。编程的完整交付与数学的开放问题成果，支持认真准备更广泛自主工作的强情景。本站把AGI视作跨领域、能适应新任务且可靠达成复杂目标的讨论对象；这些进展是方向证据，尚不能确认某个AGI定义已满足或必在某年发生。三种情景均给出可观察信号、职责变化与现在行动，不把今天的局限或人的现有分工写成永久边界。
基准情景：完整修改成为常用交付
在上下文与测试较成熟的系统中，Agent承接功能、修复和回归的一体交付，维护者从逐步编写转向目标、异常与接收；审查的一部分继续自动化。
现在的行动：现在沉淀真实行为契约、失败样本和环境；按净交付周期衡量收益，不以代码量替代。
成立信号与职责变化
- 未见仓库和变更类型仍保持可验收交付
- 返工、接收和线上恢复成本随使用改善
- 环境/上下文变化能被检测并更新
工程岗位更常覆盖需求、系统取舍与运行结果；初级培养需从只写代码升级为理解与验证完整修改。
加速情景：软件成为按目标持续运行的系统
若长链恢复、跨仓库迁移和自动验证持续进步，Agent可在权限与预算内规划、实现、迁移和维护较大系统；人可用更少逐步干预探索新产品，团队边界可能重组。
现在的行动：把工具和职责做成可替换接口；试验更大交付，但按实际触发信号扩围，并安排成员转向新的业务机会。
成立信号与职责变化
- 跨多系统、数周目标能在真实变化后继续交付
- 独立评估能发现自生成测试漏掉的重要错误
- 完整人工介入和故障成本持续下降，且系统可迁移到新业务
稀缺工作可能转向选目标、产品机会、资源和影响取舍；不能预设人工代码审查永远是主要瓶颈。
受限情景：编码快，集成与组织仍慢
模型产物更强，但遗留系统、隐性需求、权限和恢复成本使自主交付扩展较慢；固定程序与AI协作长期并存。
现在的行动：优先修复反复出现的集成障碍；保持可回退的部署和岗位安排，避免依据榜单单独裁定编制。
成立信号与职责变化
- 未知依赖和需求变动仍引发大幅返工
- 审查和事故处理抵消生成提速
- 同一Agent换系统后需要重新铺上下文
系统知识、集成和沟通能力仍有高价值；工具投入首先服务复现、测试和资料。
持续观察什么，以及情景的研究依据
- 实际未见仓库的完整交付与维护记录
- 跨月净人工时间、回滚与事故情况
- 任务/环境/模型版本变化后的迁移表现
- 把长时间应用开发交付给Agent ↗
2026-03-24 · 定位：规划/生成/评价分工、实际应用操作及评价者限制
展示围绕可用应用的实现、操作评价与修正循环，支持以用户行为验收功能。；作者工程案例；未复现演示应用，不能推出任意项目可靠率或多Agent必优。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- AI参与的修复PR：哪些被项目接收，哪些没有 ↗
2026-01-29 · 定位：§2样本、表1、§3.2失败原因
五类Agent参与的8106个修复PR中5267已合并、2113关闭未合并、726仍开放；提供修复交付与项目接收的观察。；非随机样本，Agent配置与项目不同；合并不等同全部正确或净省时，不用于本站成功率。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- Harness²：固定执行模型，改进运行流程 ↗
2026-10-09 · 定位：§2.2、§3.1表1、附录B/D
WorkBuddy-Bench Code上的平均检查得分变化及工具/上下文/检查流程的优化方法。；检查项均分不是项目通过率；经验流内相关，候选与编辑成本另计；未验证本站任务。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- Anthropic内部的工作与职责变化 ↗
2026-10-16 · 定位：Bottlenecks and process；采用非随机限制
单公司现场观察到Agent组织、上下文维护和注意力分配成为新的工作。；公司业务及采用选择特殊；产出代理量不等于完整业务价值，不外推行业岗位数量。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- 任务时间跨度：软件任务趋势及其适用范围 ↗
未标注（最后更新2026-09-08） · 定位：页首维护状态；Methodological Details；FAQ
在给定软件类任务分布上，按人类专家任务时长描述模型可完成难度，适合观察长链能力趋势。；此页已停止主动更新；时间跨度不是Agent自主运行时长，不直接对应行业自动化或AGI日期。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查