智能命令行工具灰度发布先验证什么灰度不是把请求悄悄交给 Agent。我的小实验只允许它读取一份脱敏的 Markdown输出候选标签写文件和联网都关掉。先用十条固定样例比较人工标签与建议结果重点看它会不会把“待确认”误判成“已完成”。留下可核对的证据运行agent check fixtures/后只记录版本、样例编号和通过/失败不保存原文。再故意删掉必填字段确认工具返回错误而非自行补全。样例太少不能代表真实效果所以这只能决定是否扩大测试不能直接发布。