今天怎样委派
分阶段接收
审查搜索可以并行整包进行，但误报与漏报代价不同；每条发现有反证路径，才能从候选收敛为阻断。独立复现比同一Agent对自己补丁再次解释更可信。
W-C03 · 条件能力评估
变更审查：交付可定位、可复现的问题
在合并前找出会影响用户或系统的真实问题，并说明审查覆盖。
现在的用法
可让AI并行检查差异、定位疑点和构造复现；关键发现需核实，接收不能只看“无问题”。
ReviewBench提供人工参考发现、语料与离线校准方法；未知缺陷、漏报与误报需要按目标仓库另查。
开始前满足这些条件
- 审查者可访问必要上下文
- 重点风险和验收准则明确
- 有复现路径或独立的静态依据
本站记录：本站未测本单元漏报与误报率。
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：变更审查：交付可定位、可复现的问题 在合并前找出会影响用户或系统的真实问题，并说明审查覆盖。 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-C03.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
ReviewBench语料/参考和离线工具公开；需另配审查Agent、裁判及目标仓库，本站未执行。
ReviewBench ↗ · 2026-10-20公开仓库HEAD 2c34a68f73f6473a97cf35bb82baf07e9906404e；实际运行另固定依赖/镜像/模型
公开语料；模型与LLM裁判需自备账户/预算
哪些具体证据支持判断
可检查产物
公开ReviewBench提供真实PR及人工参考发现，可用来校准审查的有效发现和误报；参考集合本身仍不是缺陷全集。
ReviewBench 官方语料与评测实现 ↗
支持：可检查参考发现、版本和裁判方法。
定位：golden findings与offline review
范围限制：没有运行其模型或目标补丁；不能把未报问题当作安全证明。
判断限制：没有运行其模型或目标补丁；不能把未报问题当作安全证明。
有条件的编辑推断
可委派独立Agent追调用链、提出可验证发现，再用触发输入/不变量淘汰误报；按真实影响和覆盖接收，不按发现数量。
ReviewBench 官方语料与评测实现 ↗
支持：支持把审查结果变成可核查问题。
定位：golden findings与severity/category
范围限制：跨库状态、业务约束和未知漏洞须补上下文；无人发现不等于不存在。
判断限制：跨库状态、业务约束和未知漏洞须补上下文；无人发现不等于不存在。
输入变化会怎样改变结论
权限与持久数据
包含租户隔离、金额、迁移或删除数据。
采用范围：先检查高影响不变量并构造反例；仅lint全绿不接收。
验收变化：沿调用方与存储核对权限边界、重试/回退和副作用。
测试与验收器修改
补丁本身同时改测试或阈值。
采用范围：先审测试是否仍拒绝错误，再解释CI结果。
验收变化：对被删测试、宽化断言和跳过路径重放独立负控制。
视觉与硬件上下文
缺陷由浏览器交互或实物接口触发。
采用范围：静态审查只交候选发现；运行证据转W-C04/W-C10。
验收变化：在真实目标环境验证触发与修复，不凭截图/编译确认。
前沿已经展示到哪里
已有多语言真实PR参考资产和审查系统；参考标注覆盖有限，语义裁判有误差。
未知下一步怎样验证
用历史真实缺陷、合法替代与无缺陷改动组成盲测；发现后独立复现，记录漏报、误报和确认时间。
未来什么信号会扩大或缩小边界
- 在盲测真实PR中有效发现增加且确认/误报时间可控，可考虑扩大相近输入范围。
- 关键权限/数据缺陷漏报，或依赖裁判产生大量不可复现发现，应收窄或暂停相应采用。
交付什么
请求：维护者有基线与候选差异，需要独立检查回归、数据和权限影响。
审查指定变更及相关上下文；未发现问题不等同系统安全证明，也不包含自动合并。
- 审查对象
- 基线/候选SHA、diff、变更目标与允许行为。
- 依赖上下文
- 调用方、数据约束、迁移与测试入口；优先列高影响路径。
接收产物
- 带文件位置、触发条件和影响的问题清单
- 关键问题的复现或静态推导依据
- 已查范围、未查路径及验收器疑点
怎样验收
1. 每条问题可重现或严格定位
重放触发输入或沿真实调用链验证
拒收例子：只说“可能有性能风险”，没有路径和触发条件。
2. 结论区分缺陷与偏好
用需求和既有行为核对，允许合理替代实现
拒收例子：把个人命名偏好报成阻断缺陷。
3. 审查没有靠被审补丁自证
检查关键测试/规则是否被改弱，独立核验高影响点
拒收例子：Agent删掉失败测试后，审查只引用CI全绿。
一个具体例子
输入：给订单查询增加商品明细JOIN的补丁。
预期交付：发现一单多商品会重复累加付款，给出两商品一付款复现与修改位置。
容易出错：只检查SQL能运行，漏掉金额被JOIN放大的业务错误。
工作步骤怎样重组
原来的组织方式
同事阅读diff，手动追调用链和运行检查。
现在的组织方式
AI按风险搜上下文、提出发现并构造验证；人集中裁决影响和优先级，程序检查明确约束。
保留的判断、新增的工作与失败接管
仍需做好
- 独立接收
- 关键逻辑与权限审查
新增职责
- 识别审查幻觉与重复发现
- 检查被改动的测试能否继续捕获问题
人的责任：确认问题对业务的严重性，裁决证据冲突和接受残余风险；不需要把AI的每条建议都当待办。
失败处理：缺上下文时明确未审区域和所需文件；不可复现的疑点保留为待证，不阻断为已证实缺陷。
尚待补足
- 尚缺本仓库有效发现、误报、漏报与确认时间的盲测；参考PR发现集合不是缺陷全集。
这对个人和团队意味着什么
职业与岗位
软件质量、代码审查与可靠性
用两份真实差异展示一个有效发现与一个被排除误报，附复现和优先级理由。
核对目标岗位的系统深度、安全或测试工程要求；选择作品不足之处补证，而非只列会用AI审查。
查看相关职业与方向 →团队与分工
Agent生成速度超过现有审查容量，还是审查缺少上下文？
程序先检查硬约束，AI收敛可证实疑点，系统负责人处理关键发现和跨模块影响。
先测每份变更的有效发现与接收耗时；优先减少重复告警，确有持续缺口再培养或招聘审查人员。
查看工作分工与组织案例 →依据具体支持了什么
ReviewBench 官方语料与评测实现
可检查参考发现、版本和裁判方法。
未覆盖：没有运行其模型或目标补丁；不能把未报问题当作安全证明。
原文定位、日期与职业来源关系
- ReviewBench 官方语料与评测实现 ↗
持续更新仓库；本次2026-10-20访问 · 定位：README：golden findings；corpus；offline review
有人工审阅发现的真实PR检查资产；参考发现集合不是缺陷全集，LLM裁判不能代替复现；本文不引用其榜单成绩。
核查 2026-10-20 · 下次复查 2027-01-20
DEV-04 · task：复用工具Agent评测与回归诊断的验收思路；工作对象由Agent协议扩展为具体代码变更。（adjacent）
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
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