程式碼審查的瓶頸不在寫，而在驗證
Cognition 的 Devin 已經被銀行到新創等不同規模的團隊用來處理軟體開發工作。但當代理產出的程式碼愈來愈多，工程師要花時間確認「這東西真的能跑、而且跑得對」的成本也跟著上升。Cognition 共同創辦人 Walden Yan 在 OpenAI 發布的案例中指出，GPT‑6 Astra 的關鍵改進在於「測試並證明其工作確實如預期運作的能力」。
這不只是生成程式碼，而是把驗證的證據一併帶回來。對產品開發者來說，這代表審查流程可以從「逐行看邏輯」轉向「看測試結果與行為紀錄」。
Astra 如何把測試結果變成可檢視的產出
Cognition 將 Astra 用在 Devin 本身、CLI 與桌面產品上。一個具體例子是 Devin 用 Astra 測試 iPhone 遊戲《Otter Run》，回傳的內容包含模擬器中的遊戲執行錄影，以及一份報告，標明哪些檢查通過、哪些區域尚未測試。
錄影讓工程師直接看到應用程式的實際行為，報告則界定測試的涵蓋範圍。兩者搭配，工程師可以快速判斷變更是否安全，以及還有哪些地方需要補強。這比只拿到「測試通過」的訊息更有用，因為它保留了可追溯的證據。
另一個應用場景是客戶回報 bug。當客戶傳來螢幕截圖，Cognition 團隊可以將截圖交給 Devin 搭配 Astra 處理，修復後回傳一張顯示結果的截圖。Yan 表示這讓團隊「更快回應客戶」。
從手動審查到證據驅動的決策
Cognition 的目標是降低人工檢視程式碼的比例。Yan 說：「我們預期隨著時間，需要手動查看的程式碼會愈來愈少，最終能交付更多東西。」這背後的核心轉變是：代理不只負責改程式，還要負責證明改得對。
這與我們之前討論過的 AI 軟體工廠的關鍵不是代理，而是五道閘門 有相似之處——重點在於建立可驗證的關卡，而不是盲目相信代理的輸出。當測試證據成為代理回報的一部分，工程師就能把注意力放在例外狀況，而不是重複確認基本功能。
對開發團隊的啟示
如果你正在評估或導入 AI coding 代理，可以思考一個問題：代理回報的內容是否足以讓你做出「合併」或「拒絕」的決定？Cognition 的做法暗示了一種方向：要求代理附上行為錄影、測試涵蓋報告，或修復前後的對照截圖。
這不代表測試可以完全取代人工審查。Astra 的報告仍可能遺漏某些測試情境，錄影也可能只展示快樂路徑。但把證據帶進流程，至少讓審查從「猜測程式碼意圖」變成「評估實際行為」。對小型團隊來說，這可能是提升代理可靠度最直接的一步。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。