设想一家小店规定：商品金额扣除优惠后，满100元包邮。顾客买了120元商品，用掉30元优惠，实际商品金额90元，网站却显示免运费。
商家向编程助手提出：“修好包邮判断。”这听起来只要改一行。但助手必须先找到那行，理解“满100元”的口径，还要确认改完以后100元整不会被收运费。
这是自拟的教学故障。文中的三种判断与四组金额已用本地程序核对，用来说明执行与验证的作用，不是Codex或Claude Code的产品对比测试。
先看项目，才能知道改哪儿
如果只让模型续写一小段代码，它能依据眼前片段提供补全。项目维修的输入则分散在不同地方：业务说明写包邮规则，优惠模块计算折扣，运费模块作判断，测试文件记录预期行为。
因此第一步往往是读取项目说明、搜索有关名称、查看调用关系。所谓调用，就是一个部分把数据交给另一个部分处理。读取这些关系，才能知道运费判断拿到的是优惠前还是优惠后金额。
Codex CLI的官方说明包括检查项目文件、修改内容和运行本地开发工具；Claude Code的官方机制说明则明确描述了收集上下文、采取行动、验证结果的循环。1 2
在教学项目里，假设读取后发现：优惠模块已经算出90元，但包邮判断仍拿120元比较。问题不在“模型懂不懂减法”，而在正确结果没有进入正确位置。
这也是编程Agent相对单点补全的重要工作范围变化：它有机会主动取得分散的证据。不能把“可访问整个项目”误解成“每次推理自动同时精读整个项目”；真正进入当前判断的内容，仍依赖搜索、读取与上下文管理。
满仓工具，不等于已经找到那颗松动的螺丝。
先重现错误，别只写一份修复宣言
在这个例子中，可以把输入固定为商品120元、优惠30元，运行现有判断。旧逻辑看120元是否满100元，返回包邮；业务规则看90元，应返回不包邮。预期与实际相冲突，错误因此可以重复观察。
为了避免金额表示的其他因素干扰，内部验证按“分”计算：12000减3000得到9000，与10000比较。本篇只讨论这一项资格规则，设定金额非负、优惠不超过商品金额，不添加真实商店可能还有的税费、地区和会员条件。
这一步的价值是给修复一个明确目标。如果不重现，模型可能改了名称相近但根本未使用的旧函数，随后写出一篇非常专业的完成报告。代码修改是真实的，问题仍然真实存在。
2023年提出的SWE-bench将真实代码仓库中的问题与修复评测联系起来，关注生成的修改能否通过相关测试，而不只是文字上像一个补丁。3
这里的补丁指一组文件差异，说明哪里增加、删除或改写。补丁写得合理是必要过程，运行后的行为才回答“修好了没有”。维修发票不能充当发动机点火测试。
修好90元，又错在100元
设想第一次改动把条件变成“优惠后金额大于100元”。120减30得到90，确实不再包邮，最初故障消失了。
但第二组输入是120元减20元，正好100元。规则写“满100元”，应当包邮；“大于100元”却将它排除。第一轮修改纠正了计算口径，又引入边界错误。
测试结果进入Agent的下一轮输入，它可以据此把条件改成“优惠后金额大于或等于100元”。再检查90元、99.99元、100元和101元，前两者不包邮，后两者包邮。四组结果与本篇规则一致。
这个过程增加的不是一次更响亮的自我肯定，而是一条此前未知的外部反馈。模型提出修复，程序运行，失败定位新的条件，再修改，形成与上一章一致的行动循环。
同时还要检查原来正确的行为是否被破坏。这叫回归检查：修复目标故障之后，原有应当通过的情况仍然通过。SWE-bench的评测也区分原先失败、修后应通过的测试，以及原先通过、修后仍应通过的测试。3
“一个红灯变绿”值得高兴，但如果顺手把旁边三个绿灯改红，系统只是重新设计了交通拥堵。
测试通过以后，结论应该有多大？
在教学范围里，四组输入通过，支持这段资格判断符合设定。它不证明页面展示、支付总额、服务器部署都正确。若网页调用的仍是旧版本，顾客照样会看到错误结果。
所以项目任务需要让验证范围与承诺相配。只改函数，就说明函数级检查；声称用户流程修复，就需要在实际流程里核对。运行环境也会影响结果：依赖缺失造成程序无法启动，与业务断言失败，应分别处理。
Codex和Claude Code在这里代表的是一种工作方式：语言模型与文件、命令及反馈连接，由外层系统管理执行和上下文。不能从一个产品名称推断固定模型版本，也不能根据界面外观猜测未公开的内部架构。本文产品描述以读取到的官方资料为界。1 2
最终交付还应包含可查看的改动与验证结果。把文件改好、把改动提交到版本记录、把软件发布给顾客，是不同动作，是否执行取决于本次任务范围。
标题中的跨越因此不只是“代码写得更多”。项目Agent会围绕目标寻找资料、定位错误、执行改动，并利用真实测试继续调整。它把语言生成接进了软件工作的反馈链。
我们的90元终于不包邮，100元也保住了资格。下一篇要把时间拉长：如果维修跨过许多轮对话，助手还能记得这条规则为什么这样改吗？