AgentGuard1 篇实战文章

我一天大概有四十次是闭着眼睛按 Tab 让 agent 改代码的。测试绿的，就切下一个任务，diff 基本不翻。 前几天刷到一篇论文，AgentGuard，14 号挂上去的。里面有个数字我盯着看了半天： 69.0%。 baseline 的 Abnormal Execution Rate。