长周期编码代理的连续验收与跨平台协作机制
Multi-step SWE 用 69 条连续工程任务测量 Coding Agent 维护自身代码的长期可靠性:最强模型整条任务成功率只有 18.5%;Ryan X. Charles 则公开跨 Claude Code、Codex 和 Grok 的多 Harness 软件工厂实践,通过 Git Ref 抢占、共享 Skills、独立审查和精确提交验收协调工作。两篇文章共同追问:如何让 Agent 在多轮迭代与多运行时协作中,仍保有可追溯的任务状态与独立验证?