AI 写的代码自己打分？那谁来裁判裁判者——Linejudge 给答案
AI 写的代码，到底能不能跑？
你肯定见过这种场景——AI Coding Agent 信心满满地说「完成了」，结果一运行，404 加报错红一片。问题在哪？模型在给自己打分，自己裁判自己，能客观吗？
Linejudge 就是来解决这个问题的。它是专门给编码智能体准备的「独立裁判」——不信任任何 Agent 的自我声明，跑完任务后自己去验证结果：真实命令、真实 diff、真实退出码，全部交给机器判断。
怎么工作的？
原理不复杂：Agent 执行完任务，Linejudge 会在旁边启动独立验证流程，对比任务要求和实际产出。它不看 Agent 说了什么，只看实际文件系统改动和运行结果。
作者实测了 8 个真实修复 patch，结果很有意思：Agent 自身报告全部成功，Linejudge 独立验证后发现其中 2 个其实没修对——一个处理了 utf-16 但回归了 utf-8，一个约束解析器漏掉了 SQL 注释里的条件判断。这些靠人工 review 或 Agent 自测都很难发现。
为什么这很重要？
现在市面上的 Coding Agent 都是自己打分——模型说 done，框架就信了。这套逻辑在演示里很好看，但上线后风险全压在「Agent 有没有自我欺骗」这件事上。
Linejudge 把验证层独立出来，做成真正的第三方裁判。对做 Agent 评测、构建可靠 CI 流程、或者想搞清楚自家 Coding Agent 到底几斤几两的团队，这个工具值得一试。
怎么用？
开源项目，直接 clone 就能跑。它目前聚焦 SQLite-utils 这个真实项目的 issue 修复场景来验证效果，后续应该会扩展更多 benchmark。
对 LLM/Coding Agent 开发者来说，这是一个值得关注的信号：AI 写代码 + AI 验代码的闭环正在形成，但「谁来验证验证者」这个问题，Linejudge 率先给出了自己的答案。
https://github.com/phillipmex/linejudge
评论区
登录后可评论。