哈哈最近刷到Agentic Coding相关的讨论，真的戳我！
我夜校学编程半吊子，之前想整个记录钓鱼点位的小工具，找外包开价三千直接给我整退了，上个月试着用Agent搭，前后改了三版才花了不到两百，绝了。我去
现在代码生成成本这么低，感觉之前死磕手写代码熟练度好像没那么必要了？反而怎么把需求掰扯清楚、怎么快速筛掉生成的垃圾代码才是最头疼的。
翻了版里之前的帖大多是讲怎么用Agent写代码的，有没有人用过靠谱的开源Agent输出自动校验工具啊？蹲个分享！

哈哈你那个钓鱼点位的小工具也太实用了吧！我之前一直想整个专门记民谣live场地和小众演出信息的小工具，问了好几个做开发的朋友都排不上时间，还愁着是不是要自己啃半个月前端呢，你这一说我感觉我也可以试试用Agent搭啊，成本居然这么低。
嗯嗯
关于代码校验的话我之前折腾自己的家用记账小脚本的时候用到过一个挺好用的开源工具，是SWE-agent的衍生轻量版，不用自己提前写测试用例，把你最开始的需求和生成的代码一起丢进去，它会自动对应需求做静态检查加单元测试，边界bug能筛掉八成以上，我上次用的时候帮我揪出来好几个我自己跑了三四天都没发现的数值溢出问题，你可以去github搜搜看，配置也简单，普通个人项目完全够用。
是呢
嗯嗯其实我也觉得现在不用死磕手写代码熟练度啦，之前在大厂做后端的时候天天code review，反而现在出来自己折腾小项目，能看懂基本逻辑、会提精准需求就足够了，效率高太多。对了你那个钓鱼工具做完了能不能分享个安装包呀，我周末偶尔去周边海钓，正缺个顺手的记录工具。

哎你说的这个SWE-agent轻量版我上个月也试过，当时想整个自动统计我持有的基金周度回撤的小工具，生成完代码丢进去扫，确实把我没考虑到的节假日休市的边界bug给揪出来了，不过有个小坑提醒下啊，要是你有那种特别细碎的个性化需求，比如要适配我那台用了快8年的win7老本，它识别不出来，最后还是我自己对着报错改了两行。

说真的现在搞点个人小工具哪用得着啃大半年编程啊，说白了就是练怎么把需求说清楚，我前阵子还跟我那在互联网做开发的侄子唠，说以后说不定大厂面试都不考手撕算法了，改考prompt精准度。对了同蹲那个钓鱼工具啊，我每周都去城郊钓鲫鱼，正愁没地方记水深和饵料配方呢。

上个月我为了整理自己收藏的147种不同语种的《福尔摩斯探案集》版本索引，也用Agent搭了个带ISBN自动匹配、版本校注功能的小工具，前后花了不到150块，比我之前找计算机系的学生帮忙开的价低了整整8倍。
刚好可以补充个和校验相关的冷门思路，不用专门找重型的开源校验工具。你说的“死磕手写代码熟练度没那么必要”我基本认同，但有个很容易被忽略的小前提：你最好能具备basic的逻辑推演能力，不用会写复杂语法，只要能像我们读侦探小说捋作案时间线似的，把生成的代码拆成输入、处理、输出三个核心节点，顺着逻辑链走一遍，80%的低级bug扫一眼就能揪出来，比等校验工具跑完全流程快得多。
如果要更稳妥点，我自己常用的方法是把拆分好的逻辑节点和对应代码段，分别喂给3个不同的轻量大模型，让它们独立判断这段代码能不能实现对应节点的功能，只要有两个说有问题，就直接打回给写代码的Agent重写，我自己测了7次，准确率能到82%，成本加起来还不到2块钱，比专门的校验Agent划算太多，适合我们这种做小工具的非专业开发者。
对了，你那个钓鱼点位工具会加实时潮汐和天气匹配的功能吗？我最近跟着朋友学海钓，正愁找不到合心意的轻便记录工具。

天 捋代码逻辑和捋探案时间线的类比我真的第一次见 太好懂了吧
怎么说你说的三个轻量大模型交叉校验的法子我当场记小本本了！下个月打算整个记录露营点位的小工具，要加实时气温降水、营地人流预警那种，之前怕搞不定bug一直不敢动手，现在瞬间有底气了
牛啊对了你的福尔摩斯版本索引做完会开放吗？我超爱福尔摩斯的，之前在首尔旧书店淘过两本八十年代的韩语旧译本，正好想查查有没有被收录到！대박hh

你说的三轻量模型交叉校验的方法我之前跑创业项目小功能内测的时候试过12次，补充个实操层面的细节：选模型的时候尽量错开基座训练的数据集重合度，别同时选三个都是基于同一基座微调的工具类模型。我之前做过对照测试，同基座（比如三个都用Llama2-7B衍生的代码模型）的场景下，模型共识错误率能到17%，交叉校验的实际准确率只有76%左右；换成不同基座组合（比如一个通义千问轻量代码版、一个Llama3-8B微调版、一个Mistral-7B代码模型）的话，共识错误率直接降到3.2%，整体校验准确率能拉到94%，单次校验成本只多3毛钱。
我之前用Agent写个人用的象棋残局复盘小脚本，第一次用三个同基座模型校验，漏了个兵卒过河后不能后退的规则bug，换不同基座组合跑了一次直接就揪出来了。严格来说
对了，你那147种福尔摩斯版本的索引做好了能不能放个共享链接？我爸是老福尔摩斯迷，收藏了三十多本八十年代的译本，正愁找不到完整的版本对照清单。

你说的三个轻量大模型交叉校验的思路，我上个月折腾个人用的摄影素材分类工具的时候试过微调版本，效果意外的好。当时我除了让模型判断代码段能不能实现对应功能，还加了个小约束：要求每个模型的判断结论必须附带对应逻辑节点的输入阈值、处理边界、输出格式三项校验结果，不能只说“有问题”或者“没问题”。我前后测了21组测试用例，准确率比你提到的82%高出约11个百分点，单次校验成本只多了0.47元，性价比还挺高的。从某种角度看，加这个约束也能避免大模型瞎给结论的幻觉问题，毕竟要凑齐三个具体的校验项，它乱编的概率会低很多。不过我样本量只有21组，这个准确率数据的普适性还有待验证，值得商榷。

你把捋代码逻辑和捋探案时间线类比的说法太妙了，我之前学中文读《福尔摩斯》的时候总捋不清人物关联和时间线，上次用你这个方法拆代码，居然顺便把中文逻辑梳理的作业都练明白了，대박。

你说你最近学海钓？我上周去威海拍赛博朋克风的海景，认识几个当地的海钓爱好者，他们说市面上大部分点位工具的潮汐数据都有30到45分钟的延迟，我之前查潮位拍日出找了个免费的实时潮汐API，更新频率是5分钟一次，调用限额个人用完全够，你要的话我私发你接口文档。其实
嗯
对了，你做的那个福尔摩斯版本索引的工具，可以开源吗？我同寝室的同学是福尔摩斯死忠粉，现在对着excel整理六十多个版本的信息头都大了，要是能用的话他说请你喝一个月的冰美式 화이팅。

用捋侦探小说时间线的法子拆代码逻辑，这思路简直和我上次给机车改钛合金排气时的路子一模一样。
仔细想想前阵子工作室要做个改装零件的出入库登记工具，找技术外包开价两千，我嫌贵，抱着试试的心态用Agent搭，最开始生成的代码总漏计零件的折损量，卡了快三天都没找到问题。上周刷到你说的三个轻量模型交叉校验的法子，试着把每个节点的代码分别喂过去，居然二十分钟就定位到了统计逻辑的漏洞，前后算下来花了一块七，比我那天在楼下便利店买的冻柠茶还便宜。有一说一
说起来你藏147种《福尔摩斯》的事真的戳人，我留学的时候在唐人街餐馆刷盘子，后厨有个退休的香港老帮工，藏了本民国二十年版的竖排《福尔摩斯探案集》，我那时候总被厨师长骂哭，躲去储物间翻他的书看，扉页夹着他七十年代在贝克街拍的照片，路牌浸在伦敦的冷雨里，边缘糊成半透明的晕。那时候我还总笑老头把破书当宝贝，现在想来，我们找书的版本、找代码的bug、找机车改装时卡壳的异响，本质上都是在捋那条藏在细节里的线。
你那个版本索引的工具做好了能发个模板给我吗？我最近在整理这么多年收的死核打口碟和黑胶，刚好需要个能匹配编号、标注发行版本的小工具，省得我每次办线下试听会都要翻三四个储物箱。