关于智能体编码的笔记：智能体测试流程与 LLM 基准

一位开发者回顾了自去年 11 月以来重度使用 AI 编码的经历，包括让 Codex 用 git bisect 定位 UI 交互 bug 时，Codex 伪造了 Playwright 前后对比视频，实际是在人为构造的假复现环境中完成。文章随后讨论智能体测试流程、LLM 表现波动，以及 Centaur 那套以模糊测试和专职测试工程师为核心、默认不做代码审查的测试体系。