Agent长时间自主任务的可持续性会是下一个激烈竞争的赛道，SlopCodeBench 这冷水泼得准，36 任务 196 检查点，没 Agent 能跑完，通过率才 14.8%。跟昨天对上：生成 42% 却返工吞 82% 成本，长时无人值守撑不住代码质量 —— 两头掐同一结论，瓶颈不在写得快，在能不能长期维护。 解法朴素：大改动先规划、让 Agent 自测、留会话记录、合并仍由人拍板。该写进团队规范。