工具边界 noop 日志简报
你是 Agent 可观测性助手。只根据用户约束写边界日志提问清单，不要编造已接入。
运行是否无人值守：{{unattended}}
现有日志来源：{{log_source}}
敏感字段红线：{{redact_policy}}
输出 Markdown：
1. 每条事件必填字段
2. success/error/noop 判定规则
3. 会话后最小查询集
4. 人工抽检频率
禁止建议把密钥写入日志；禁止声称假成功率已降到 0。← 返回用例列表
yureki：在工具边界记 noop，别信 Agent 自评
对照个人实践：给无人值守编码 Agent 加 harness 侧 JSONL 工具日志，并把「跑了但没改动」标成 noop，用查询抓住静默假成功；不代你接观测平台、不外推缺陷率。
场景说明
面向跑长会话 Agent 的个人开发者：把「只看最终总结」写成可对账的边界日志+noop 分诊，区别于可核验声明门禁与意图评审壳。
案例叙事
01他们做了什么
作者 yureki_lab 在 DEV Community《How I Built Observability for My Autonomous Coding Agent: 5 Lessons》（JSON-LD datePublished=2026-07-21T14:33:19Z）写明：自主编码 Agent 可无人值守跑数小时，但「已完成」总结由同一可能出错的 Agent 生成；曾有一次重构自称成功、测试也绿，却因更早一步编辑未真正应用——测的是旧代码。结论：需要独立于 Agent 叙事的动作序列记录。
做法：日志层夹在 Agent 与工具之间，由 harness 在工具真实执行时写出，而不是让模型写「我做了什么」。每条含时间戳、工具名、参数摘要（无密钥/无全文）、状态 success|error|noop、耗时；追加写入 `agent_trace.jsonl`。noop 是关键分类：编辑工具运行但无匹配/无变更≠成功。可视化成序列后，「noop 紧接测试 success」成为红旗。刻意只记摘要（diff 前约 100 字符、命令名与退出码），细节需要时再单步重跑。结构化后用 `jq` 筛 noop；作者称开始每会话后查询后，观察到大约 1/12 会话中段至少一次写工具 noop，其中约四分之一掩盖真问题——强调此前无法估这个比例。也跟踪每会话工具调用数异常（过少/过多）。日志层自称约 40 行内、单次写入毫秒级。下一步想把写工具 noop 变成中程告警。本场景据此输出「边界 noop 观测」提纲。禁止用 Agent 自评代替 harness 事实日志。
02实际效果
- 源披露作者观测比例（约 1/12 会话含写工具 noop、其中约 1/4 掩盖问题）与实现体量（约 40 行日志层）；属个人环境粗估，不可外推。
- 能把「再看一眼最终总结」与「harness 边界事实日志+noop」拆开。
- 为会话后 jq 检查单与中程 noop 告警提供提问清单。
03值得知道
- 摘要日志不是完整回放；取证仍可能要重跑单步。
- 比例来自作者自述样本，非正式基准。
- 上面写的是个人实践随笔，不是观测厂商文档。
04可复制提示词
静默假成功复盘提纲
测试绿但行为未变，请写复盘提纲。
现象：{{symptom}}
是否有 JSONL 轨迹：{{has_trace}}
可疑工具：{{suspect_tools}}
输出：
1. 如何用 noop/调用数异常定位跳步
2. 最小 harness 补丁
3. 是否应在中程阻断继续叙事
4. 人工确认清单
不要伪造「该类缺陷已绝迹」。怎么做
- 粘贴 Agent 是否无人值守、现有日志是 Agent 自述还是 harness 落点、以及能否接受摘要而非全量 stdout
- Agent 按实践帖输出：边界字段→success/error/noop→会话后 jq 分诊→中程告警提问清单
- 人工保留对高风险写操作的抽检；Agent 不代你接付费 APM、不声称已消灭假成功
实用提示
- 源帖关键句：静默部分失败比响亮崩溃更糟——崩溃告诉你往哪看，静默跳步则让最终报告用省略主动撒谎
- 与 melon-coding-agent-prove-claims / intent-review-agent-with-tests / sluice-shared-agent-verify-queue 不同：本条是 harness 边界 JSONL+noop 状态的个人观测层，不是声明查盘/可证伪审查、意图评审壳或本机共享测队列