Skip to content
Back/Harness Engineering

Verification & Delivery — MOC(导航图)

View in Graph
Updated 2026-11-12
1 min read
111 words

Verification & Delivery — MOC(导航图)

Core Questions

  • Agent 自报完成与真实端到端状态之间的系统性偏差如何收窄。
  • 验收标准与证据产物应在实现之前还是之后建立,人工审阅预算如何与证据分级匹配。
  • 哪些验证手段(E2E smoke、独立 verifier、receipt/录像证据包)值得常驻,哪些应按任务风险按需启用。

Key Concepts

Main Tensions

  • 验证 effort 与吞吐的权衡:CI 按风险缩小运行范围换吞吐,但提速倍数均为单一帖子转述;独立复核实锤了 verifier 大规模 bug 与评测原题预置——评分独立不等于目标完整。
  • 证据包越全越可信 vs 人工审阅预算有限,证据分级粒度是未解的开放问题。

Current Judgments

  • 以下为 AI 草稿判断:『模型自评系统性偏正、独立 verifier 优于自我批评』是当前证据最一致的结论(多来源收敛);但各方案的成本与逃逸缺陷对比多为个人转述,缺受控数据。E2E/负向检查的最小常驻集没有统一配方,按任务风险裁剪是唯一可行姿态。

To Read / To Verify

Output Directions

  • 产出『验收契约模板』:Definition of Done + 最小 E2E 集 + 证据清单(trace/CI/截图),供个人 agent 工作流复用。

  • 写一篇『agent 说完成了之后呢』:以 Retro Forge 与多模型交叉评审为案例串起验证交付链。

  • 返回 Harness Engineering 导航

Pending Jean review

  • 本页为来源驱动的主题地图,判断保持 ai_draft。

Evolution

1 event
  1. created

    Created as a wiki page

    This page has no explicit evolution metadata yet, so Aperture is showing a baseline creation event.

Linked from