攻略
AI Agent 說做完了,你要怎麼確認?
合併 Claude Code 或 Codex 的成果之前,一套實際可行的驗收方法:自己跑檢查、看 diff,再請第二個 Agent 依規格審查或補測試。
為什麼 Agent 說「做完了」不算證據
寫程式的 Agent 覺得看起來完成了,就會停下來。Anthropic 自己的 Claude Code 最佳實務文件就寫得很直白:如果 Agent 手上沒有可以執行、能告訴它到底做完沒的檢查,它就只能憑「看起來做完了」判斷;光說一句「all tests pass」,能告訴你的資訊很少。這對任何 Agent 都一樣。常見的出錯方式:
- 測試根本沒跑,或只跑了一個檔案,或是跑在舊的建置、不同的環境上。
- 測試被改了:斷言被放寬、失敗的案例被刪掉,或測試被標成 skip、only。
- 測錯東西:新加的測試驗證的是程式現在的行為,不是需求要的行為。
- 範圍跑掉:改到工作範圍以外的檔案,包括 CI 設定、測試設定,甚至 Agent 自己的指示檔。
這些都不需要什麼惡意。只要寫程式、決定檢查什麼、回報結果的是同一個流程,就會發生。解法是把檢查移到 Agent 管不到的地方。
自己跑專案原本的檢查
真正能下定論的,是你的測試在 Agent 的分支上跑過,而且是由你或 CI 啟動、輸出就在你眼前。用團隊平常用的命令,不要用 Agent 為這個工作臨時挑的。
git fetch origin
git switch agent/task-42
npm ci
npm test
npm run lint
npm run build
- 重新安裝相依套件,避免測到 Agent Session 留下來的東西。
- 跑完整的測試,不是只跑 Agent 提到的那幾個。
- 如果要 Agent 自己檢查,就要它拿出證據:實際執行的命令和輸出。
- Claude Code 也可以強制檢查:
Stophook 會在 Claude 要結束回合時執行你的腳本,腳本以代碼 2 結束時,Claude 就得回去繼續做。
看 diff,先從測試看起
讀實作之前,先看改了什麼、改在哪裡,再拿檔案清單和工作允許的範圍比對。
git diff --stat main...agent/task-42
git diff --name-only main...agent/task-42
git diff main...agent/task-42 -- '*test*' '*spec*'
| diff 改到 | 要確認 |
|---|---|
| 既有的測試檔 | 除非工作本來就要求,否則沒有斷言被放寬或刪除,也沒有測試被跳過 |
| 測試或建置設定 | 測試路徑、覆蓋率門檻、lint 規則沒有被放寬 |
| CI workflow | 沒有步驟被拿掉,或被改成一定會通過 |
CLAUDE.md、AGENTS.md 這類 Agent 指示檔 | 這個改動真的是你希望之後每個 Session 都遵守的 |
| 工作範圍以外的檔案 | 每一個都有你認同的理由 |
可以順手搜尋新加的 skip,例如 git diff main...agent/task-42 | grep -nE '^\+.*(\.skip\(|\.only\(|pytest\.mark\.skip)',再依你的測試框架調整。
每個工作用自己的分支或 worktree
一個工作一個分支,上面每項檢查都會簡單很多:diff 只有這個工作,重跑測試也不會混到別的改動。git worktree 是一份獨立的 checkout,有自己的分支,兩個 Agent 可以同時工作,不會改到同一個資料夾。
git worktree add -b agent/task-42 ../myapp-task-42 main
cd ../myapp-task-42
# 在這裡跑 Agent,再跑你的檢查
git worktree remove ../myapp-task-42
Claude Code 內建這個功能:claude --worktree task-42 會在自己的 worktree 開一個隔離的 Session。repo 至少要先有一個 commit。
怎麼讓第二個 AI 審查或測試程式碼
第二個 Agent 只有在不會順著第一個講的時候才有用,所以要把它安排成沒辦法順著講。
- 給它規格,不要給第一個 Agent 的推理交出工作描述或規格檔,加上 diff。第一個 Agent 的摘要不要給,讓審查者判斷成果本身,而不是它對成果的說法。
- 請它對照規格檢查例如:「對照 SPEC.md 審查 main 與這個分支之間的 diff,確認每項需求都有實作、列出的邊界情況都有測試。只回報影響正確性的缺口,風格問題跳過。不要修改檔案。」記得叫它跳過風格:被要求找問題的審查者,一定找得到東西。
- 或請它寫測試讓它依規格補測試,只能動測試檔,然後由你自己跑命令。事後用
git diff --name-only確認它只改了測試檔,也不要讓原本的 Agent 去改它補的測試。 - 用別家廠商的模型讓 Codex 審 Claude Code 的分支,或反過來。不同模型不是從同一套假設出發,看法比較獨立,但一樣可能看錯。
- 別讓審查者偷偷修發現的問題交回給寫程式的 Agent,再重跑檢查。審查者一動手改,就變成第二個作者,而它的改動沒有人審。
兩家都有內建的審查命令。它們都是 AI 審查,不是跑測試。
| 工具 | 命令 | 做什麼 |
|---|---|---|
| Claude Code | /code-review(別名 /review) | 審查目前分支的改動,或你指定的 PR、分支、路徑、commit 範圍,找正確性 bug;在一個沒看過你對話的 subagent 裡執行。只回報,加上 --fix 才會套用修正。 |
| Claude Code | /security-review | 檢查你的分支與 origin 預設分支之間的 diff 有沒有安全問題。 |
| Codex CLI | /review | 審查未 commit 的改動、某個 commit 或與基準分支的差異,也可以給自訂指示;回報依優先順序排列的問題,不會修改你的工作目錄。 |
| Codex CLI | codex review --base main | 同樣的審查,非互動模式,對照基準分支。也可以改用 --uncommitted、--commit 或自訂指示(擇一)。 |
# 讓 Codex 審查 Claude Code 寫的分支
git switch agent/task-42
codex review --base main
# 讓 Claude Code 審查 Codex 寫的分支,不修改檔案
claude -p "/code-review main...agent/task-43"
審查和其他 Session 一樣會用到你訂閱方案的額度或 API 費用。審查沒找到問題,不代表可以不跑測試。
可以直接複製的檢查清單
- [ ] 這個工作在自己的分支或 worktree 上完成
- [ ] 我自己(或 CI)在這個分支上跑過安裝、測試、lint、建置
- [ ] 我看的是命令輸出,不是 Agent 的摘要
- [ ] 改到的檔案符合工作允許的範圍
- [ ] 既有測試沒有在沒理由的情況下被放寬、刪除或跳過
- [ ] CI、測試設定、Agent 指示檔沒有我沒要求的改動
- [ ] 第二個 Agent(盡量是別家廠商)已對照規格審查
- [ ] 審查者只回報;作者修正;檢查重跑過
- [ ] 合併與否由我決定
Pyloxa 能幫上什麼
Pyloxa 是一個免費的 Windows 應用程式,讓 Claude Code 和 Codex CLI 在同一個專案裡一起工作,上面這份清單大部分它會替你做。Agent 說做完了不算數:工作完成後,Pyloxa 會在那個工作自己的 worktree 裡執行你核准過的驗證命令(測試、建置、lint),並檢查改動的檔案有沒有超出計畫允許的寫入範圍。只有至少有一項檢查、全部通過、而且不需要人工審查時,成果才會自動接受;檢查沒過,會請同一個 Agent 修正,每個工作最多自動執行三次。
- 交叉測試:由另一個 Agent(例如 Codex 測 Claude Code 的成果)補測試,Pyloxa 自己重跑你的命令,以命令的結果為準。測試者只能改測試檔,補上的測試原本的 Agent 改不掉。免費版按「交給另一個 Agent 測試」;Pro 依設定自動進行,測試沒過會自動交回修正。
- 大腦驗收(免費):大腦只讀不改地檢查完成的工作,它的判斷會標示為 AI 判斷。大腦不會驗收自己做的工作。
- 改到
.github、CLAUDE.md、AGENTS.md、.mcp.json或定義驗證命令的檔案時,一律不自動接受。合併、推送、開 PR 都等你按下。 - 驗證報告卡(免費)可以附在 PR 上:每份成果由誰完成、誰交叉測試、Pyloxa 跑了哪些命令、怎麼被接受的。最後一行可選擇加上,只有每個成果都通過 Pyloxa 執行的命令、每個 Gate 也都通過時,才會寫「Verified with Pyloxa」,否則寫「Verification record by Pyloxa」。
如果你只用一個 Agent 做小改動、每次都自己看,或是 CI 本來就會跑每個 Agent 分支、你也會看 diff,那就不一定需要它。設定精靈裡免費的試駕,會用一個藏了 bug 的範例專案走一遍完整流程,不會碰到你的專案。詳細說明:工作流程:檢查、說明:驗證、大腦驗收與交叉測試。
常見問題
為什麼 Agent 說測試都過了,我跑卻失敗?
可以讓同一個 Agent 審查自己寫的程式嗎?
/code-review 在沒看過你對話的 subagent 裡執行,這樣比較好;換成別家廠商的模型、依規格審查,又更獨立。不管哪一種,下定論的是測試結果,不是審查意見。可以讓審查者直接修它找到的問題嗎?
/review 只回報、不改你的工作目錄;Claude Code 的 /code-review 要加 --fix 才會改。把修正留給原作者、再重跑檢查,比較好追。怎麼防止 Agent 為了過測試去改測試?
PreToolUse hook 擋下對指定路徑的修改。由另一個 Agent 寫測試也有幫助。AI 程式碼審查過了就可以合併嗎?
資料來源
- Best practices for Claude Code,Anthropic(2026-11-19 查證)
- Review locally with /code-review,Anthropic(2026-11-19 查證)
- Commands,Anthropic(2026-11-19 查證)
- Common workflows: run parallel sessions with worktrees,Anthropic(2026-11-19 查證)
- Codex CLI,OpenAI(2026-11-19 查證)
- Developer commands: codex review,OpenAI(2026-11-19 查證)
- git-worktree,Git 官方文件(2026-11-19 查證)