Agent 刹车对照
同一个修 bug 任务，两个 harness 并排跑：左边的循环没有刹车，模型说「做完了」就直接退出——bug 还活着，这叫假完成；右边装了完成验证，自报完成先过 verify：拦下假完成、失败回填上下文、继续循环，直到测试全绿才真收工。再看没有验证反馈时的另一种死法——同参数打转，被异常检测掐断。
纯前端确定性模拟：双轨迹为预设脚本，两列前 8 拍完全相同、分叉只在收尾判断；verify 的测试输出为预设口径，零 API、零随机。
同一个修复任务，两个 harness 并排跑——差别只在有没有刹车
「get_avg([]) 抛 ZeroDivisionError，修一下」
左：无刹车版——模型说「完成」循环就退出；右：刹车版——自报完成先过 verify，拦截 → 回填 → 继续循环，直到证据放行。
还没开始
无刹车版自报完成就退出
左边没有刹车：
模型说「完成」循环就信了
刹车版verify 拦截 + 回填 + 继续循环
右边装了刹车二：
自报完成先过 verify，用证据说话
第三段 · 同参数打转，被刹车三掐断
异常检测阈值：同一工具同参数 ×3另一个任务：购物车合计算错。修不出来又没有验证反馈时，模型最容易滑向打转——把同一条命令反复敲，假装在努力。
×1第 1 跑
×2第 2 跑
×3到顶 → 掐断
点「走一步」看同参数怎么滚到 ×3
刹车一 · 硬上限步数 / 时长 / token 预算，到线就停、转人工——兜住一切意外的意外（本演示两列都没走到这步）。
刹车二 · 完成验证模型自述「完成」不采信，verify 用证据说话；不过 → 失败回填 → 继续循环——左列翻车、右列通关，全在这道刹车。
刹车三 · 异常检测连续多步高度相似（同工具同参数 ×3）、长时间无进展，主动中断转人工——上限防失控、验证防自欺、异常检测防卡死，三者叠加不是三选一。