工作从「写代码」变成「做判断」之后,验收标准该怎么定?
AI 说任务做完了,对话里出现「计划已完成」,有时还贴了测试通过。下一步很容易变成:直接合并。
可当写代码的大部分工作交给 Agent 之后,人真正要做的,已经不是再写一遍,而是判断:这份改动能不能进主分支。如果判断标准是临时想的,赶时间时最容易放水;标准如果只写在脑子里,每次问到的地方还会不一样。
验收标准,是你在 Agent 宣称做完之后,用来决定「能不能进入主分支」的同一套判断依据。 它先规定「怎样才算能合」,再去看证据。状态、改动范围、Diff、测试输出,都是取证材料,不是判断本身。
本文演示工具:Caravel —— 本地优先的多 AI 编码 Agent 桌面工作台,统一管理 Claude Code、Codex、OpenCode、pi、Grok、TRAE、Antigravity 的并行任务、协作团队、代码 Diff 验收与工作流。免费使用,支持 macOS、Windows 与 Linux。
- 官网 / 下载:https://www.caravelai.top/ (
#downloads)- 使用手册:https://www.caravelai.top/zh-CN/docs/
- 在线体验(示例数据):https://www.caravelai.top/demo/?lang=zh-CN
- GitHub Releases:https://github.com/yy36295238/caravel-agent/releases
下文配图来自官网体验版中文界面(构建于 2026-11-14),展示的是虚构演示数据,不是某一台电脑上的安装版实测;图中的耗时、Token、上下文比例不要当成实测结果。两张工作台图也不是同一条演示任务。
为什么工作会从「写」变成「判断」?
直答:Agent 可以很快改完一批文件,但「改完了」只说明这一轮跑完了;能不能合进主分支,仍然要人来做决定。
这个变化很具体。以前你自己写代码,写的过程里已经在做判断:该不该动这个文件、测试有没有覆盖、这段实现是不是超范围。现在这些动作发生在 Agent 会话里,你看到的常常是一份总结。总结写得越完整,越容易把「它认为做完了」误当成「你可以签字」。
所以要补上的不是更多口头提醒,而是事先写下来的判断标准:什么叫范围内、什么叫可证明、什么情况下先不合并。
判断标准该怎么定?
直答:在任务开始跑之前,用四行把「能合」写清楚——目标、范围、证明、决定;跑完后再对照,而不是看着总结临时发明标准。
可以先写这样一个骨架,派任务时一并交给自己(也可以写进任务目标,但最终拍板的仍是你):
目标:这次要解决什么问题,怎样算达到目的
范围:允许改哪些文件或模块,哪些地方不要动
证明:怎样算做完了,要看到什么输出(例如测试通过、关键路径可复现)
决定:证据够了就合并;不够就继续改;方向错了就放弃,而不是勉强合进去
这四行要尽量写得能对照。例如「补搜索」如果只写「做一下搜索」,就很难判断说明文档该不该一起改、测试要看到什么。写成「为任务列表增加关键词搜索,只改搜索相关实现和必要入口,用空关键词、英文和中文名称各验证一次」,后面才有东西可对。
标准是给判断用的,不是给某个按钮用的。你用不用某一款工作台,都可以先把这四行写下来。工具能做的,是在一轮跑完后把状态和改动证据放在一起,让你对照标准做决定。
定好标准之后,验收时该看什么?
直答:先确认这一轮已经停在「可以判断」的节点,再把总结里的说法当成待核主张,去对范围和证明;最后才在「通过并合并 / 继续修改 / 放弃」里选一项。
以工作台里的代码验收为例:任务跑完后,状态会变成「待验收」,对话里也可能同时出现「计划已完成」。这两个词不是一回事。「计划已完成」是 Agent 这一侧的宣告;「待验收」只说明跑完了、轮到你看,并不等于已经能合并。

待验收时,标题栏是「待验收」,对话里可以同时出现「计划已完成」。官网体验版演示数据;演示任务是「把首页标题改成蓝紫渐变色」。
对照标准时,建议按「主张 → 证据 → 决定」往下看:
- 主张:总结声称改了什么、测了什么,先当成待核,不要直接当结论。
- 证据:看实际改了哪些文件、增删是否和目标匹配,必要时代码差异本身;证明项有没有落到你事先写的那几条上。
- 决定:证据够了再合并;不够就继续提要求;方向不对或范围已经偏离,可以选择放弃,而不是先合进去再补。

同一条演示任务「为任务列表添加快捷搜索」里,待验收标题栏同时提供「放弃改动」和「通过并合并」。官网体验版演示数据。

打开改动后,顶栏会汇总文件数和增删行数,便于对照「范围」和「证明」。官网体验版演示数据;与上一张是同一条搜索任务,和文首「改首页标题」那张不是同一次改动。
这里要强调一次:看到文件汇总或打开了差异,只说明你开始取证,并不等于已经判断完。没对照完就点「通过并合并」,标准写得再好也没有用上。
有哪些实际好用的技巧?
直答:标准要写在跑之前,证明项要能看见,决定里要保留「先不合」,并且不要用总结里的完成口气代替对照。
- 在任务开始前写标准,不要在看完总结后再补。 事后补标准,很容易被写得漂亮的总结带过去。
- 证明项写成「我要看到什么」,不要只写「要测试」。 例如「空关键词返回全部、中文名称也能匹配,并看到检查通过」,对照时才有抓手。
- 把「先不合并」写成合法决定。 证据不够、范围说不清、证明对不上,都应该能停在待验收,而不是为了结束任务硬合。
- 继续修改也是验收的一部分。 标准没有要求你一次通过;缺的证明或越界的改动,可以补充需求后再看一轮,不必在第一轮总结后立刻二选一。
这套标准有什么做不到的?
直答:标准能让你每次问到同样的地方,但不能代替你做判断,也不能自动保证放弃或合并一定可逆。
诚实限制:
- 「待验收」只说明这一轮跑完了,不是合并许可。
- 看过改动也不等于已经判断完;责任仍在做决定的人。
- 如果改动是直接写在工作目录里的,选择「放弃改动」时,不一定能像隔离副本那样完整撤回去。
- 不同运行方式下,标题栏可用的操作可能不一样;按钮名称以你本机当前版本为准。
- 本文配图是官网体验版的演示数据,不能当成某个安装版本的实测记录。
常见问答
- 「待验收」和「已完成」是一回事吗? 不是。待验收是等你判断;已完成是这条任务已经走完。不要因为总结写了「计划已完成」,就把待验收当成已完成。
- 标准是不是检查清单,勾完就能合? 不是。清单保证你每次都问到,判断还是要你做。证明对得上、范围也清楚,才能考虑合并。
- 只看对话总结里的测试结果,够不够? 不够。总结是主张,最好能对上你事先写的证明项,并抽查改动是否还在范围内。
- 一定要在某一款工作台里才能做判断吗? 不必。方法本身是「先写标准,再拿证据对照」。工作台的作用,是把待验收状态、改动摘要和合并或放弃入口放在一起,少漏一步。
边界说明
本文只讨论一件事:当写代码的工作大部分交给 Agent 之后,人该如何给自己定一套验收标准。它不展开如何逐步查看代码差异,也不讨论某一次范围外改动该怎么处理。功能入口和按钮名以当前手册和本机版本为准。
本文展示的界面来自 Caravel 官网体验版(免费使用,macOS / Windows / Linux;示例数据)。可先看在线体验或代码验收手册,安装包在官网下载与 GitHub Releases。

浙公网安备 33010602011771号