實戰範例 003：程式寫完的自動驗證

背景

Agentic Coding 的品質，取決於程式寫完之後的回饋迴圈 (feedback loop)：寫完要審查、抓到 Bug 要修、修完還要再驗證。問題是——Review 與反覆跑測試，正是整個流程中最燒 token、最花時間的環節。

Jev 的優勢在於：驗證是多數情況下的「判斷題」（這段程式有沒有問題？這個命名清不清楚？），而不是「生成題」。把判斷丟給 Jev，大模型只處理被標記為高風險的少數項目。以下是影片整理的四種玩法。

傳統 Linter 只能檢查語法與格式；要自訂規則得寫複雜的抽象語法樹 (AST) 規則，又長又容易誤判。改用 Jev，規則用大白話寫：

規則 1：檢查函式命名是否清楚交代它所做的事，包括潛在副作用。
規則 2：檢查 Log 印出的內容——如果是密鑰或金額，直接報錯；
        如果是敏感個資，跳出警告。

實作方式：

影片案例中，這類高度仰賴語意理解的檢查，每個 PR 全自動掃描的成本幾乎等於零。

適合老專案的健康檢查，兩種掃描方式：

註解掃描

影片實測：前 150 條註解只花 9.3 秒、約 1 美分；全專案完整掃描總花費 $0.57，找出約 1,700 條需改寫的註解。

Code Smell 掃描

同一套打法可以掃描重複代碼、無人引用的 Dead Code、寫死的 Magic Number。影片實測：整個專案掃了 2,800 萬 token，僅 $1.19。

不讓大模型「自由發揮」找問題，而是固定問卷：

工程師提交改動後，系統對這份 diff 一次拋出 100 個具體檢驗問題。例如：
- 有沒有改動到不該動的共用模組？
- 有沒有把原有的單元測試改弱了？
- 這個改動引入效能瓶頸的風險有多高？
100 題打包給 Jev 評分（Noul / Score 混合）。
只有 Jev 判定為高風險的少數幾項，才送 Claude 做深度修復與審查。

影片估算：這個做法把審查階段真正需要人類或高階模型心智的內容砍掉將近 10 倍；但作者也提醒，它無法完全取代最嚴格的架構審查。

部署前用「便宜、敏捷的 agent 大軍」壓測：

可以想像的未來畫面：每個 PR 合併前，背後都有幾十隻便宜 agent 像特種部隊一樣做全方位壓力測試。

企業案例：影片提到監控平台 Sentry 的資安團隊把 Jev 整合進漏洞檢測 Pipeline——原本就採用小型開源模型降低成本，改用 Jev 後判斷準確率提升、延遲大幅降低，整體運算成本再便宜 5 倍以上。

四種玩法背後是同一套架構¹：

Jev 第一線做成千上萬次極速判斷
      ↓
Claude 後端監控結果，發現偏差
      ↓
回頭優化 prompt 規則、調整門檻
      ↓
再放手讓 Jev 繼續跑，直到精準度達標

這本質上是 System 2 在訓練 System 1。實務上，把「問題定義 + 門檻」集中在一個檔案，讓 Claude 可以根據誤判案例持續迭代。

先量測再上線：門檻太高會漏掉真問題（false negative），太低會疲勞轟炸（false positive）；先用歷史 PR 或已知 Bug 做回歸測試²。
不能完全取代嚴格審查：涉及架構決策、跨系統影響的判斷，仍要人與高階模型。
中文程式碼與中文註解要抽驗：Jev 的英文準確度最佳，你的 codebase 若是中文環境，先抽樣人工比對³。
成本不是零：輸入 token 仍計費（jev-1.13.0 為 $42 / Btok），掃 2,800 萬 token 也要 $1.19——便宜的關鍵是「比起大模型便宜一個數量級」，而不是免費³。