本周 Signal
Signal #33 · 2026.10.12
Coding Agent 的质量验证正在覆盖执行过程
本周几项研究发现，Coding Agent 即使生成了功能正确的代码，执行过程中仍可能存在问题。SWE-CC 发现，功能正确的补丁仍可能违反仓库规范，近半数违规发生在中间执行步骤；AgentSpy 发现，最终测试通过的任务仍可能存在与任务无关的操作。 与此同时，HarnessTe...
长期技术观察 / LONG-TERM OBSERVATION
AI 软件工程与研发自动化的长期观察站
持续观察 AI 如何改变软件工程、研发系统与组织协作，从技术动态、开源项目和真实实践中，识别值得长期跟踪的变化。
- Weekly
- #293
- Signals
- 32
- Essays
- 79
HOW IT WORKS
从信息到判断，是一条连续的研究链路
这里不追求把所有信息摆在读者面前，而是持续筛选、组织和验证，最终留下可以复用的判断。
LONG-TERM TOPICS
长期追踪的六个问题
它们不是短期热点标签，而是理解 AI 如何改变软件工程的一组持续问题。
LATEST OBSERVATIONS
最近的技术观察
2026-10-15 周四01
Harness 更新了，模型可能还在按旧规则办事
导读： Agent 的 Skills、工具、Hooks 和执行规则可以随时更新，但经过业务微调的模型，未必能正确适应这些变化。淘宝直播团队提出 Harness-Aware Training，让模型在训练时接触不同的 Harness 配置，并通过实验验证了这种方法的价值。Microsoft Agent Lightning 则从另一个角度，研究如何让真实 Harness 参与模型训练。这两项研究提出了一个值得关注的问题：当 Agent 的执行环境持续演进，模型该如何跟上？
#Agent Harness#模型训练
2026-10-14 周三02
Google 把修复 Agent 接进 CI：测试通过，还不够
导读： Google 将自动修复 Agent 接入真实研发流程，在提交代码前分析测试失败、生成补丁并执行验证。大规模使用数据揭示了两个值得关注的问题：修好的代码可能已经过时，通过测试的补丁也可能违背开发者原本的修改意图。这项实践为研发自动化如何进入真实工程流程，提供了一个很有价值的案例。
#Coding Agent#自动修复
2026-10-13 周二03
AI Code Review 的质量，不能靠评论数量衡量
导读： AI Code Review 已经能够自动发现代码中的潜在问题，但如何判断这些发现真正有价值？GitHub 最近开源了 ReviewBench，尝试用真实 PR、人工与模型共同构建的评测依据，以及线上实验，衡量 AI 代码审查的质量。这项研究值得关注的，还有它对研发团队如何评估 AI Code Review 的启发。
#AI Code Review#ReviewBench
2026-10-12 周一04
Signal #33：Coding Agent 的质量验证正在覆盖执行过程
Coding Agent 修好了 Bug，测试也通过了，但这是否足以说明任务完成得可靠？本周三项研究发现，Agent 可能违反仓库规范、执行与任务无关的操作，甚至运行它的 Harness 本身也存在测试盲区。随着 Agent 承担更完整的研发任务，我们需要重新审视质量验证应该覆盖哪些环节。 _本文是「每周 Signal｜AI × SE」第 33 期，持续关注 AI Coding、Agent 与软件工程的演进。_
#coding-agent#quality-validation
RESEARCH LIBRARY
形成判断之前，我们从哪里看见变化
公众号、主题导航和 arXiv 共同构成支撑长期观察的信息与研究基础设施，并作为 Signal 和技术观察的资料来源。
ABOUT THE EDITOR
由真实研发实践持续校准的个人观察
长期关注 AI 软件工程、研发自动化与 Agent 系统，持续维护技术周刊，并参与真实团队中的 AI 研发落地与开源实践。这里记录的不是旁观式评论，而是问题、实践与判断之间的往返。
关于梯度不陡 →