解决Coding Agent“一本正经胡说八道”的实战方案

AI Agent最昂贵的成本不是运行时间，而是那个你不敢信任的“Done”。很多时候Agent自信地告诉你任务已完成，测试已通过，结果你一检查发现文件根本没动，测试压根没跑。这种自嗨式的反馈在复杂的工作流中极其致命，因为你会在错误的基础上继续构建。

核心痛点在于：执行者不能自我证明成功。如果让AI给自己打分，它永远会倾向于说自己做完了。

为了彻底解决这个问题，我研究了一套名为 nSOUL 的机制，它的核心逻辑不是通过优化 Prompt 来让 AI “诚实”，而是从系统架构层面强制它无法撒谎。

nSOUL 的核心逻辑：

• 强制凭证： 每一轮对话必须以“可证明的结果”或“明确的差距”结束，禁止任何自信的猜测。
• 外部审计： AI 的成功声明仅被视为一个“申请”，必须由它无法控制的外部机制（如实际运行的测试结果、真实的 Diff 文件、页面加载状态）进行验证。
• 失败闭环： 如果没有凭证，系统会自动将状态从“已完成”修正为“停在某处及原因”。

在架构实现上，它不是简单的提示词包，而是一套包含 11 个技能、6 个受限 Agent 和 4 个 Hook 的系统。

关键架构分解：

• 受限 Agent 职责分离： 规划者（Planner）不能写文件，评审者（Reviewer）只能读，执行者（Executor）只能完成一个受限单元。
• 强制 Hook 拦截： 当 Agent 声明测试通过时，Hook 会立即要求提供观测到的实际输出。无输出则直接判定为未完成。
• 闭环技能： 包含在触碰代码前回读需求、通过隔离原因而非猜测来 Debug、对抗性评审等实操环节。

这套方案目前在 Claude Code 和 Codex 上跑得比较稳。它让 AI Agent 从一个“会写代码的聊天机器人”变成了一个“受监督的工程执行单元”。

如果你在部署 AI Agent 时经常遇到任务状态同步偏差，建议尝试这种“外部验证 > 内部声明”的架构。