我昨天讲过，如果让一个coding agent解决一个非常复杂的任务，一般你直接敲进去，agent会一步步执行，或许成功，或许失败。
这时候你手动verify，如果发现没完成，你会让coding agent反复继续，再verify，再继续，直到这个任务完成。
我知道很多人也探索到了这件事，于是告诉它， “请继续尝试完成任务，修复所有的errors、exceptions、bugs、跑通所有的test case，一直这么做，直到彻底解决任务”
这相当于a big while loop：while(任务没完成) {你给我继续干活}
然而这个“任务没完成”的criteria如果依赖于这个agent本身，是非常危险的，因为他在每个loop中间都有概率直接停止掉，然后告诉你
“已经非常成功完美地解决了所有问，并且尚存一些已知的问，比如……”
这时候你一定血压上来了，不用手动verify，直接敲个“continue”。
这时候你想明白了，让你的coding agent当作master agent，让它创建一个subagent，当subagent完成后，master agent来完成verify并且决定是否continue，让“你必须完成任务”作为master agent停止整个big while loop的criteria。
你并不在乎烧多少token，你只在乎你的subagent是否努力实现了你的criteria，如果没有实现，就让它永远继续，或者添加更多的test case并且继续。
这时候subagent逃脱出这个big while loop的可能性就更小了，因为criteria不在他的判定范围内。
当然，许多年前人们早就证明了LLM Agent通过无休止烧token完全可以模拟一个turing-complete machine，我今天讲的所有一切，都基于这个证明。
我只是跟你们讲一些个人的practice。
TypeScript的首个C++编译器，第一个版本是用OnlySpecs生成的，功能框架搭好，但是对于异常复杂的parser和typescript各种类型语法，几乎全错，
用这种方法，claude code花了累计将近72小时才把后面的所有问修完。
最开始我也尝试一次次手动verify，两次之后我就发现不行了，让它自己verify，结果让一个agent自己掌握criteria来判断是否continue是个同样危险的决定，它依然在解决了某几个任务后停下来，欣喜若狂地告诉我，
“我们已经完美地完成了所有任务，另外我们还存在3个已知的问……”
于是有了我上面这一大段完整的论述。
幸运的是，对于一个TypeScript compiler in C++，这个criteria非常容易找到，只要跑2000个unit test就可以断定implementation的正确性，只要有任何差错，就要continue，
而对于另一些任务，我认为找到这个criteria恐怕是非常困难的，这个方法也许会完全不适用。
@aigc1024
OpenClaw小龙虾🦞专属频道
@openclaw1024
这时候你手动verify，如果发现没完成，你会让coding agent反复继续，再verify，再继续，直到这个任务完成。
我知道很多人也探索到了这件事，于是告诉它， “请继续尝试完成任务，修复所有的errors、exceptions、bugs、跑通所有的test case，一直这么做，直到彻底解决任务”
这相当于a big while loop：while(任务没完成) {你给我继续干活}
然而这个“任务没完成”的criteria如果依赖于这个agent本身，是非常危险的，因为他在每个loop中间都有概率直接停止掉，然后告诉你
“已经非常成功完美地解决了所有问，并且尚存一些已知的问，比如……”
这时候你一定血压上来了，不用手动verify，直接敲个“continue”。
这时候你想明白了，让你的coding agent当作master agent，让它创建一个subagent，当subagent完成后，master agent来完成verify并且决定是否continue，让“你必须完成任务”作为master agent停止整个big while loop的criteria。
你并不在乎烧多少token，你只在乎你的subagent是否努力实现了你的criteria，如果没有实现，就让它永远继续，或者添加更多的test case并且继续。
这时候subagent逃脱出这个big while loop的可能性就更小了，因为criteria不在他的判定范围内。
当然，许多年前人们早就证明了LLM Agent通过无休止烧token完全可以模拟一个turing-complete machine，我今天讲的所有一切，都基于这个证明。
我只是跟你们讲一些个人的practice。
TypeScript的首个C++编译器，第一个版本是用OnlySpecs生成的，功能框架搭好，但是对于异常复杂的parser和typescript各种类型语法，几乎全错，
用这种方法，claude code花了累计将近72小时才把后面的所有问修完。
最开始我也尝试一次次手动verify，两次之后我就发现不行了，让它自己verify，结果让一个agent自己掌握criteria来判断是否continue是个同样危险的决定，它依然在解决了某几个任务后停下来，欣喜若狂地告诉我，
“我们已经完美地完成了所有任务，另外我们还存在3个已知的问……”
于是有了我上面这一大段完整的论述。
幸运的是，对于一个TypeScript compiler in C++，这个criteria非常容易找到，只要跑2000个unit test就可以断定implementation的正确性，只要有任何差错，就要continue，
而对于另一些任务，我认为找到这个criteria恐怕是非常困难的，这个方法也许会完全不适用。
@aigc1024
OpenClaw小龙虾🦞专属频道
@openclaw1024
