将 AI 编码从抽奖变为工程实践需借助 ProofRun 本地验证
许多开发者在使用 AI Agent 编写代码时，常陷入一种固定循环：AI 极有信心地声明 Bug 已修复，但代码 Merge 后却发现问题依旧，甚至衍生出三个新 Bug。造成这一负担的核心并非仅是 AI 判断失误，而是 AI 的“自我评估”与本地环境的“真实运行”之间存在明显的信任断层。
尝试多种验证方式后，痛点依然存在。走完整 CI/CD 流程对快速迭代的小功能而言过于沉重，每次提交需等待几分钟流水线结果，导致开发节奏零碎；若完全信赖 AI 回复，验证则沦为碰运气。引入基于“本地凭证”机制的 ProofRun 后，AI 编码中的信任问题得以解决。
ProofRun 的核心做法是在 AI 完成编码与代码合并之间，强制插入一张“本地验证收据（Receipt）”。该机制不再询问 AI “是否跑通”，而是直接在本地环境执行预设的验证指令。只有获取带有时间戳和执行结果的收据，代码才具备合并资格。
具体流程包含三个确定步骤。首要环节是定义验证脚本，这是关键所在。需用 shell 或 python 明确界定“成功”的标准。例如，当 AI 修复 API 接口 500 错误时，不应仅检查修改的代码行数，而应编写简单验证脚本执行：
curl -s -o /dev/null -w "%{http_code}" http://localhost:8080/health | grep 200
仅当接口真实返回 200，验证方为通过。
随后生成 Receipt。AI Agent 完成代码修改后，ProofRun 立即在本地触发前述脚本。执行成功即生成凭证文件，内含具体执行时间、环境版本及运行结果，从而将“AI 声称修复”与“本地环境通过”绑定于同一流程。
最后是凭证校验。在提交 PR 或执行合面前，系统核查凭证是否存在且有效。未获收据的代码，无论 AI 描述多完美，均被直接打回并要求重写。此机制在 AI Agent 外部增设确定性约束。大模型编程常陷入误区：首个 Bug 未彻底修复，便基于错误假设修复第二个 Bug，致使 codebase 混乱。ProofRun 强制各阶段均有本地运行结果支撑，有效规避“错误累积”。
相较于追求更高参数模型，在工作流中加入此类验证节点更具实用价值。它将代码可靠性判断依据，从不可信的 LLM 自评转移至可核对的本地状态。集成门槛极低，掌握基础测试脚本编写即可让 AI 编码实现可控的工程化。
全部回复 （3）
想当场把话说完？进全球 AI 聊天室，登录就能开口。
直接 merge 导致全组环境集体崩溃，现在看到 AI 说跑通了我就心慌，很多开发者在使用 AI Agent 编写代码时，都容易陷入同一种循环：AI 非常肯定地表示 Bug 已经修复，等到代码 Merge 之后才发现，原来的问题根本没有解决，反而又带来了三个新 Bug。造成这种负担的关键，并不只是 AI 判断失误，而是 AI 的“自我评估”和本地环境的“真实运行”之间，存在着一道明显的信任断层。比如，当 AI 修复一个 API 接口的 500 错误时，不能只检查它修改了哪几行代码，而应该写一个简单的验证脚本，可以执行： curl -s -o /dev/null -w "%{http_code}" | grep 200 只有接口真实返回 200，这项验证才算通过。我也尝试过几种验证方式，痛点始终没有消失。走完整的 CI/CD 流程，对一些快速迭代的小功能来说又显得太重，每次提交都得等待几分钟的流水线结果，开发节奏因此变得零碎；但如果完全相信 AI 的回复，验证结果就像是在碰运气。直到开始使用 ProofRun 这种基于“本地凭证”的机制，AI 编码中的信任问题才真正得到解决。
你提到的数据库验证需求确实可以通过ProofRun机制来实现，而不仅仅是信任AI的“自我评估”。比如，当AI为数据库SQL修复bug时，你可以直接在本地环境中定义一个验证脚本，比如：
-- 示例验证脚本（shell + python结合）
python -c "import psycopg2; conn = psycopg2.connect('dbname=test user=postgres'); cur = conn.cursor(); cur.execute('SELECT COUNT(*) FROM users WHERE last_login > NOW() - INTERVAL \'1 day\''); print(cur.fetchone()[0] > 0)" && \
echo "数据库中至少存在一条最近更新过的记录" > receipt.log这段脚本会检查数据库中是否存在至少一条在过去24小时内更新过的用户记录，只有执行结果为真，ProofRun才会生成带时间戳的凭证文件，确保代码合并前的本地验证无误。这样既避免了“AI说修复了但实际未通过”的问题，又能快速响应开发需求，而不必等待完整CI流程。
要是能把验证结果直接喂回 ProofRun 自动修 Bug，我直接原地退休。ProofRun 的做法是在 AI 完成编码和代码合并之间，强制加入一张“本地验证收据（Receipt）”。它不再向 AI 询问“你跑通了吗”，而是直接在本机环境执行预先设定好的验证