摘要： Cursor 於 2 月 24 日更新 agents，讓 coding agent 在交付前測試自己的修改，並以影片、log 與截圖留下工作過程。文章認為這把第一道驗證關卡從人工轉移到 agent，也讓企業更容易評估是否敢放進生產環境。競爭重點因此從生成能力轉向可靠度與可審計性。
2 月 24 日，Cursor 為 agents 推出一輪重大改版。更新內容裡，兩個能力最值得記住：coding agent 交付前會先測試自己寫下的修改，並以影片、log 與截圖完整留下工作過程的紀錄。CNBC 則以「AI coding agent 之戰升溫」為框架報導了這次更新。
這兩項功能表面上像工程細節，骨子裡指向同一個問題：agent 自主工作的範圍不斷擴大之後，人類要靠什麼確認它究竟做過哪些事？
交付前先自測，把關責任前移
Coding agent 最典型的翻車方式不是交不出程式碼，而是交出「看起來對」的程式碼。要求 agent 在交件之前先測過自己的修改，驗證的第一道關卡便由人類手上轉移到 agent 自己。這不是要取代 code review，而是重新設定人工審查的起跑點：審查者面對的第一個問題不再是「這能不能跑」，而是「這樣設計對不對」。團隊若重度倚賴 agent，這個位移便具體決定了每個下午敢放行多少任務。
影片、log 與截圖讓過程變得可檢視
第二個能力的分量不相上下。自主 agent 最難跨越的信任關卡，在於看不清過程：你拿到手的只有結果，它試過哪些方案、中途捨棄了什麼、繞了幾個彎，一概看不到。把工作過程以影片、log 與截圖的形式留存，就像為 agent 配上一台行車紀錄器——出了狀況可以倒帶重看，做得好可以照著重演，團隊成員之間也多了共同素材可以討論。在企業採購的評估清單上，可審計性的影響力往往壓過基準分數的幾個百分點，因為它回答的是「敢不敢用」，而不是「強不強」。
coding agent 之戰進入第二階段
「戰況升溫」是 CNBC 對當前市場的形容。這場競賽的第一階段比的是生成能力，看誰產出的程式碼更好；到了第二階段，勝負條件換成可靠度與可信度——誰的 agent 能夠在無人盯著的情況下被放進真實工作流。Cursor 挑在此時讓自我測試與工作紀錄站上發布的主角位置，等於公開表態它對戰場轉移的判斷：各家模型的能力差距逐漸收斂之際，拿得出可靠性證明的產品才進得了生產環境。
開發團隊可以怎麼調整
- 重排審查流程：agent 自測過關不等於結果正確，但人工檢查可以從「逐行驗證」往上移到「設計與邊界條件」
- 把紀錄當成資產：影片、log 與截圖可以直接放進 code review 的討論、事故回顧與 onboarding 材料
- 修改選型標準：評估 coding agent 工具時，把「過程可見度」放到與生成能力同等的位置來衡量