它说 done，先跑一眼 diff

这个动作你一天重复多少次？把任务丢给代理，去干别的，过一会儿回来，它说 done。你打开改过的文件扫一眼，像个样子，就放行了。我反正是那个最爱闭眼放行的人，天天闭眼过安检。

后来我才知道，只看它交了什么，看不见它中间怎么摸过来的。它会绕路，会把一个函数的实现翻来覆去改八遍，最后回到第一版，还会顺手动两个跟任务完全不相关的文件。然后给你一个漂亮的 final output！

上周在 arXiv 刷到一篇 cs.AI 论文，讲交易代理评测，标题里带 vibe commerce。我没做交易，本来想跳过，但被里面一句话钉住了：“仅依靠最终状态可能遗漏评估中的错误。”

翻译一下：终局会骗人。

它搭了个环境，买卖双方都是独立代理，各有各的目标和权限，在共享市场里互相交易。协议很朴素：每次改动共享状态之前先验证一次，再把交互记下来。就这么个机制，每一步都能翻出来看。它拿十个模型跑了两条轨道，任务一大，差距就露出来了，藏在过程各阶段里，不在最终结果。

我读到这里的第一反应是：这不就是 vibe coding 现场吗！工作区就是共享市场，代理拿着你那段任务描述当私有目标进来，拿那点权限在文件之间摸来摸去。你手里的 final output 只是整条轨迹的最后一帧，中间全被吞了。

所以从论文里抄出来的动作特别朴素。代理说 done 之后，先别放行，跑一次：

git diff --stat

看它到底动了几个文件。⚡ 就是这一下！我之前真不知道它一次改动能把战场铺多大。为加一个按钮动了六个文件？那多半在绕路，再往下翻 diff 抓它。现在 commit 之前多花三十秒扫一眼，雷没排干净，但炸之前我至少看见它挖坑了。这周用下来，回不去了，回不去闭眼放行的状态。

老实说，交易市场和代码目录不是一回事。市场里代理的对手是别的代理，代码目录里没有对手，只有文件，机制照搬不一定成立。但“终局会骗人”这个观察是通用的。

你要是丢给它一个大任务然后撒手一下午，回来那六七个文件的 diff 已经成片，扫不过来。那种场景我暂时也没招。

读这篇论文花了半小时，抄出来的动作每天至少省我一次返工，一周内回本，这笔账怎么算都不亏。你要是也有什么抓过程的好办法，教教我，抄作业的地方给你留着。