RecodeX 重构消息，新加坡管理大学、上海交通大学与字节跳动的研究人员针对500个真实GitHub缺陷测试了AI编程代理。结果显示，Claude Opus 4.5自行编写的测试中有82%使用打印语句，而非真正的断言，说明代理自写测试对修复缺陷的帮助有限。