自我评估

让写代码的Agent自己判断是否完成，结果几乎永远是通过，这不是态度问题，而是结构决定的。

自我评估存在根本性风险（自我评估悖论）：如果模型有能力准确判断自己的输出是否正确，它一开始就不太可能犯这个错误，因此自我评估的效果往往不如外部验证可靠。