这里仅展示当前仍在维护的公开文章。内容来自可说明范围的实际工作或有来源边界的研究；无法可靠复核的页面会修订、替换或退出公开索引。
用真实任务、固定 Harness 和可审计指标，判断编程代理是否真的改善了工作，而不是只会生成漂亮回答。
