先判断任务是否确定再决定要不要调用模型格式化、编译、静态检查和单元测试都有明确输入输出优先交给成熟工具。LLM 可以帮助解释错误、梳理解题思路或生成候选代码但不能声称某段代码已经格式化、编译或测试通过。把生成与验证拆开模型产出候选工具进行格式化、编译和受限运行再将经过截断、脱敏的错误摘要反馈给下一轮。候选代码始终是不可信输入。if err : runGoFmt(path); err ! nil { return err } if err : runTests(ctx, path); err ! nil { return err }测试通过只代表覆盖到的用例通过复杂度与安全性还需要额外审查。自动修复设置尝试次数、时间和 token 预算失败后返回明确状态而不是持续调用模型。这种分工的好处不是让 AI 显得更强而是让每一步的结果可复现、可定位。验证工具也有边界。格式化成功不代表语义正确测试通过不代表覆盖了攻击路径或极端规模。因此系统对外应分别展示“已格式化”“已通过哪些测试”和“仍未验证什么”避免把工具结果合并成笼统的成功状态。用一个会编译但逻辑错误的候选作为回归样本能检查这条边界是否被保住。 先判断任务是否确定再决定要不要调用模型
先判断任务是否确定再决定要不要调用模型格式化、编译、静态检查和单元测试都有明确输入输出优先交给成熟工具。LLM 可以帮助解释错误、梳理解题思路或生成候选代码但不能声称某段代码已经格式化、编译或测试通过。把生成与验证拆开模型产出候选工具进行格式化、编译和受限运行再将经过截断、脱敏的错误摘要反馈给下一轮。候选代码始终是不可信输入。if err : runGoFmt(path); err ! nil { return err } if err : runTests(ctx, path); err ! nil { return err }测试通过只代表覆盖到的用例通过复杂度与安全性还需要额外审查。自动修复设置尝试次数、时间和 token 预算失败后返回明确状态而不是持续调用模型。这种分工的好处不是让 AI 显得更强而是让每一步的结果可复现、可定位。验证工具也有边界。格式化成功不代表语义正确测试通过不代表覆盖了攻击路径或极端规模。因此系统对外应分别展示“已格式化”“已通过哪些测试”和“仍未验证什么”避免把工具结果合并成笼统的成功状态。用一个会编译但逻辑错误的候选作为回归样本能检查这条边界是否被保住。