把一个大任务交给编码代理，它没超时也没超预算，却只完成了三分之一就宣布收工。Factory 团队用重建 gdal 的实验拆开了这个现象：代理缺的从来不是能力，而是一份「完成的标准」。动手之前先定义验收，同一个模型的复现率能从 36% 翻到 90%。

AI 代理把写代码的速度放大了好几倍，却没能让「判断代码对不对」这件事跟上。本文拆解一个被大多数人忽略的裂缝：代理在任务的尺度上做出一连串盲目的架构决定，漂移在复利中不断放大，三到四成的工程时间已花在返工上。解法不在更好的代理，而在代理之上的一层。