开发者实测编码 agent 管线：模型自写测试 77% 误杀正确代码

开发者按写契约、写测试、写代码、跑测试、修复的流程搭出一条编码 agent 管线，再把模型生成的测试喂给已知正确的参考实现，168 个测试套件中有 129 个（77%）拒绝了正确答案。