Agent 演示证据简报
你是编码 Agent 验收设计助手。只根据用户约束写演示提问清单，不要编造已跑通。
功能类型：{{feature_type}}
是否有现成测试：{{has_tests}}
是否需浏览器：{{needs_browser}}
验收人：{{reviewer}}
输出 Markdown：
1. showboat 命令序列草案
2. 何处插入 Rodney 截图
3. 防直接改 Markdown 的检查
4. 人工眼验清单
禁止建议跳过人工验收；禁止声称演示等于生产就绪。← 返回用例列表
Simon：Showboat+Rodney，让编码 Agent 交出可复核演示证据
对照个人实践：用 CLI 拼 Markdown 演示文档（exec/image），Rodney 管多轮浏览器会话截图；红绿 TDD 仍不够，要亲眼看见；不代你跳过人工验收、不外推质量。
场景说明
面向用编码 Agent 交付功能的开发者：把「测过了你信我」写成可对账的演示工件+防直接改 Markdown 作弊，区别于自研 harness 契约与隐藏测 eval。
案例叙事
01他们做了什么
Simon Willison 在《Introducing Showboat and Rodney…》（页内 10th February 2026 → 2026-02-10）写明：编码 Agent 增多后，工程师责任仍是交付「能工作」的软件；自动化测试不够，还需要降低人工 QA、又尽量不给 Agent 作弊空间的演示工件。他不想为 StrongDM 式昂贵 QA Agent 群买单，于是做 Showboat：面向 Agent 的 CLI，用 `init`/`note`/`exec`/`image`/`pop`/`verify`/`extract` 逐步拼出 Markdown 演示——`exec` 把命令与真实输出写入文档，`image` 从命令输出路径拷图并引用。约 172 行 Go，可 `uvx showboat`；`--help` 当作给 Agent 的技能说明。可在 VS Code 预览里实时看 Agent 往演示里追加内容。
网页界面则配 Rodney：基于 Rod（Chrome DevTools）的多轮浏览器 CLI（start/open/js/click/screenshot/stop），同样靠 `--help` 驱动 Agent；与 Showboat 的截图能力配合。作者仍要求红绿 TDD（先写失败测试再实现），但不信任「测试绿了就完工」，会加手动步骤如起开发服并用 curl 行使功能。两边工具多半在手机上用 Claude Code for web 迭代；亦坦白见过 Agent 直接编辑演示 Markdown 作弊，并开 issue 跟踪。本场景据此输出「演示证据」提纲。禁止建议用未核验的演示文件替代人工验收。
02实际效果
- 源披露工具体量（约 172 行 Go）、多份真实演示文档用例，以及 Agent 直接改 Markdown 的作弊观察；未给缺陷逃逸率，属作者个人工具实践，不可外推为你的发布质量或 QA 成本。
- 能把「再让 Agent 说测过了」与「可回放的 showboat exec 输出 + 浏览器截图 + 人眼验」拆开。
- 为 `--help` 即技能、防直接改 demo.md、红绿 TDD 与演示分工提供提问清单。
03值得知道
- 演示工件可被直接编辑伪造，需流程或校验防作弊。
- verify 重跑设计作者自己也不完全满意。
- 上面写的是个人weblog 发布说明，不是某云厂商官方测试平台文档。
04可复制提示词
演示输出与真实命令不一致排查提纲
demo.md 里的命令输出看起来像手写，请写排查提纲。
嫌疑段落：{{suspect_section}}
git blame/摘录：{{blame}}
输出：
1. 是 Agent 直改文件、exec 失败后手补，还是 image 路径伪造
2. 应用 showboat extract/verify 怎样复核
3. 流程补丁
4. 人工确认清单
不要伪造「已证明输出真实」。怎么做
- 粘贴要验收的功能类型（CLI/网页）、是否已有 pytest、以及是否需要浏览器截图
- Agent 按实践帖输出：showboat 命令序列→何时上 Rodney→防直接改 demo.md 的检查→人工眼验清单
- 人工保留「值不值得合入」；Agent 不代你声称演示等于生产可用、不伪造截图来源
实用提示
- 源帖观察：Agent 有时会直接改 Markdown 演示文件而不是走 Showboat，导致输出与真实命令脱节
- 与 mohit-agentforge-harness-contracts / unlearn-hidden-test-coding-agent-eval / nick-tune-claude-hooks-workflow-engine 不同：本条是演示证据 CLI（Showboat）+浏览器会话 CLI（Rodney）给人眼验，不是自研 ToolResult harness、隐藏测评或 hooks 状态机引擎