作者分享其开源公文排版 Skill 走红后的复盘：发布后自测发现电子红头模式存在标题贴线、字体错误等问题，坦言自己常用路径绕过了该功能，导致未经验证的信任。随后逐项核对国标，通过生成 18 份 Word/PDF 共 37 页的场景测试，修复了间距、字段挤位、命令格式理解偏差、标题样式缺失、红头纸套打和字体替换等隐蔽问题。文章核心观点：AI 大幅加快了开发速度，但无法省掉面向真实使用场景的验证与返工，'测试过了'需要具体化到场景、环境和结果。
文章介绍了 Harness Engineering（脚手架工程）这一编码智能体领域的重要趋势。作者以 OpenAI 团队用 Codex 零手写代码交付产品的实验为例，说明开发者的角色从编写逻辑转变为设计智能体运行环境：包括设置严格的沙箱边界、构建自动修复循环、以结构化仓库代替冗长指令。文章用 Google ADK 2.0 和 Antigravity SDK 的代码示例演示了如何实现沙箱限制、测试验证节点、无限循环的 kill switch，以及用图工作流将代理与测试节点连接成自主修复系统。
本文介绍了 Devin 在构建端到端云测试能力方面的经验。通过增强计算机使用能力，Devin 能够自主验证代码变更，通过生成基于代码的测试计划、使用确定性脚本以及多模型路由，显著提高了异步软件工程中的测试可靠性和效率。
