Agent-Eval

今天关注 AI-native 软件工程从“Agent 能写代码”走向“机器速度下可治理、可验证”的两个方向：GitLab 把 agentic workflow、上下文、供应链安全、成本与证据链整合成 governed software factory；Wiz 则展示了如何用 harness、持续 benchmark 和稳定 finding lifecycle，把非确定性的 AI 代码分析变成可运营的工程系统。

今天关注 Agent 从“能跑一次”走向可长期运行的两个基础能力：GitHub Agentic Workflows 用 work queue、ledger、safe outputs 和审计把自治工作流做成可恢复、可治理的系统；ThinkingBox 则用最终数据库状态和 20 次重复运行检验 Agent 是否真的可靠完成任务。