实用笔记：我开发了一个AI文档修复工具。以下是它所有骗人的手段。

可将此内容视为对“我开发了一个AI文档修复工具。以下是它最初自我欺骗的种种方式。”中理念面向操作员的优化版本：清晰的阶段划分、有序的代码模块，以及能在交接时保留的恢复说明。 将“概览”阶段视为可量化的界面使用效果最佳。在扩大范围之前，先记录一份理想的操作日志、一个故障案例以及回滚说明。 将配置信息与应用程序代码分开。环境文件、密钥存储和功能开关应集中存放于一个位置，以便操作员无需查看整个系统结构即可进行审核。

- print(tqdm.__version__, sys.version, sys.platform)
+ print(tqdm.__version__, sys.version, sys.platform)

各部分如何协同工作

在“如何整合”阶段，应在修改代码之前明确输入参数、该步骤的负责人以及结束标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。 需同时记录正常流程和异常恢复流程。重试机制、人工审核环节以及错误处理都是产品本身的组成部分，而非后续需要补充的内容。 对于涉及资金支出或修改生产数据的操作，必须经过人工审批。编译时的连接方式并不等同于业务功能的完整性。

第一轮：tqdm——那个并未解决任何问题的修复方案

在第一轮的 tqdm 阶段中，应在修改代码之前明确输入参数、各步骤的负责人以及退出标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。相比庞大的脚本，更应优先使用小型且可测试的单元。当某个步骤失败时，故障原因应能指向单一责任主体，而非复杂的流程链。对于涉及资金支出或修改生产数据的操作，必须经过人工审批。编译时的逻辑连接并不等同于业务功能的完整性。

Found 9 Markdown file(s). Starting audit...

Auditing: .github\ISSUE_TEMPLATE\bug.md
  Generating repair for snippet #1
  Verifying generated repair for snippet #1
  Publishing verified repair(s)...
  VERIFIED REPAIR: Branch published

- print(tqdm.__version__, sys.version, sys.platform)
+ print(tqdm.__version__, sys.version, sys.platform)

第二轮：重复出现六次的故障

在第二轮中，需先点击对应阶段，明确输入参数、该步骤的负责人以及结束标准，然后再进行代码修改。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。 应将此阶段视为输入与验证后输出之间的契约。为相关成果命名，设定成功检测标准，并拒绝默许的半完成状态。 对于涉及资金支出或修改生产数据的操作，必须经过人工审批。编译时的连接关系并不等同于业务上的完整性。 在第二轮中，需先点击对应阶段，明确输入参数、该步骤的负责人以及结束标准，然后再进行代码修改。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。 应将配置信息置于应用程序代码之外。环境文件、密钥存储以及功能开关应集中存放于一个位置，以便操作人员无需查看整个系统结构即可进行审计。

Auditing: docs\advanced.md
  Generating repair for snippet #2
  Verifying generated repair for snippet #2
  [Reflection Loop 2/3] Revising repair for snippet #2
  ...
  [Reflection Loop 3/3] Revising repair for snippet #3
  NOT PUBLISHED: Generated repair failed verification:
    ModuleNotFoundError: No module named 'click'

寻找根本原因——使用 Docker 手动操作

在处理“寻找根本原因”这一阶段时，首先需明确相关要求：所需的输入参数、成功标志，以及部分失败时的处理方式。这样的检查清单能确保后续的代码修改不会偏离原有方向。 同时记录正常流程与故障恢复流程。重试机制、人工审核环节以及错误消息处理都是产品功能的一部分，而非后续需要补充的内容。 在成本较高的操作之后设置检查点。当操作员重新尝试某个节点时，恢复流程不应再次调用相同的大型语言模型。

command.extend(["-v", f"{project_dir}:/workspace", "-w", "/workspace", "-e", "PYTHONPATH=/workspace"])

docker run --rm -v "C:\temp\click_test:/workspace" -w /workspace -e PYTHONPATH=/workspace python:3.10-slim python -c "import click"
# ModuleNotFoundError: No module named 'click'

docker run --rm -v "C:\temp\click_test:/workspace" -w /workspace -e PYTHONPATH=/workspace/src python:3.10-slim python -c "import click; print(click.__version__)"
# import works... but:
# importlib.metadata.PackageNotFoundError: No package metadata was found for click

解决方案：停止猜测，让 pip 自动完成工作

在完成“停止猜测并找到解决方案”这一阶段时，首先写下相关契约：所需的输入参数、成功信号以及部分失败时的处理方式。这样的检查清单能确保后续的代码修改保持一致性。 优先选择小型、可测试的单元，而非庞大的脚本。当某个步骤失败时，故障应指向单一的责任模块，而非复杂的流程链。 在成本较高的步骤之后设置检查点。当操作员重新尝试后续节点时，恢复流程不应再次调用相同的大型语言模型。

应用修复后重新运行点击操作

在处理与阶段的“重新运行”功能时，首先需明确相关契约：所需输入、成功信号以及部分失败时的处理方式。这样的检查清单能确保后续的代码修改保持一致性。 将此阶段视为输入与验证后输出之间的契约。为相关产物命名，定义成功判定标准，并杜绝无声的半完成状态。 在耗时较高的步骤之后设置检查点。当操作员重新尝试后续节点时，恢复流程不应再次调用相同的大型语言模型。 在处理与阶段的“重新运行”功能时，首先需明确相关契约：所需输入、成功信号以及部分失败时的处理方式。这样的检查清单能确保后续的代码修改保持一致性。 将配置信息置于应用程序代码之外。环境文件、密钥存储及功能开关应集中存放于一个位置，以便操作员无需查看整个架构即可进行审计。

@cli.result_callback()
def process_pipeline(processors, fin):
- iterator = (x.rstrip("\r\n") for x in input)
+ iterator = (x.rstrip("\r\n") for x in fin)

你会对测试此类AI智能体的人说些什么

“你会告诉对方什么”这一环节若作为可度量的指标来处理效果最佳。在扩大测试范围之前，先记录一份理想的操作流程、一个失败案例以及回滚说明。同时将正常流程与恢复流程都记录下来。重试机制、人工审核环节以及错误处理都属于产品本身的功能，而非后续需要补充的内容。要保持图结构的状态简洁且类型明确，嵌套的数据块会掩盖哪个节点编写了哪个字段的信息，还会在流程中断后导致无法继续执行。

目前的进展

在“当前状态”阶段，最好将其视为一个可度量的界面。在扩大范围之前，先记录一份成功的示例、一个失败案例以及回滚说明。相比庞大的脚本，应优先选择小型且可测试的单元。当某一步骤失败时，故障应能指向单一责任点，而非复杂的流程链。保持图表状态简洁且具有类型定义；嵌套的数据结构会掩盖哪个节点修改了哪个字段，还会在流程中断后导致无法继续执行。

操作检查清单

在处理操作检查清单阶段时，首先明确契约内容：所需输入、成功信号以及部分失败时的处理方式。这样的检查清单能确保后续的代码修改保持一致性。

在功能结果旁记录执行时间以及令牌或查询成本。提前了解成本情况，可避免在从演示环境过渡到共享环境时出现意外费用。

在成本较高的操作之后设置检查点。当操作员重新尝试后续节点时，恢复流程不应再次对同一次 LLM 调用计费。

锁定依赖版本，并记录用于运行演示的镜像摘要。可重复性比经验知识更重要。

将配置置于应用程序代码之外。环境文件、密钥存储以及功能标志应集中存放于一个位置，以便操作员无需查看整个架构即可进行审计。

在成本较高的操作之后设置检查点。当操作员重新尝试后续节点时，恢复流程不应再次对同一次 LLM 调用计费。

在升级整个系统之前，先冻结版本，为关键路径生成标准记录，并确认回滚步骤。共享环境需要设置速率限制、租户检查机制，以及明确的密钥轮换负责人。与其追求花哨的一次性演示，不如注重扎实的可靠性。

关于21079fcb54b5的批量处理说明：不要将提供者密钥放入代码仓库，为每个会话设置令牌使用上限，并将转录内容存储在评估测试用例的旁边，以便后续更换模型时仍能保持可比性。

在处理强化安全性的第0阶段时，首先需明确相关规范：所需输入、成功信号以及部分失败时的处理方式。这样的检查清单能确保后续的代码修改始终符合要求。应将此阶段视为输入与验证后输出之间的契约，为相关文件命名、定义成功判定标准，并杜绝无声的半完成状态。

强化安全性细节0/814：需统计该处理步骤的运行时间、错误类型以及令牌消耗情况，然后依据固定的评估标准而非主观感受来决定是否保留该更改。

将加固步骤1视为可测量的表面时效果最佳。在扩大范围之前，先记录一份理想的运行日志、一个故障案例以及回滚说明。 将配置置于应用程序代码之外。环境文件、密钥存储和功能标志应集中存放于一个位置，以便操作人员无需查看整个系统结构即可进行审计。

加固细节1/814：针对此步骤需测量耗时、错误类型以及令牌使用情况，然后依据固定的问题集而非个人经验来判断是否保留该变更。