1 代码能运行不等于任务完成很多 AI 产出的问题是页面能打开但异常路径没处理测试能过但测的是错误内容重构后代码更“漂亮”但性能变差逻辑修了但接口兼容性破坏训练能跑但实验结果已经不可比。所以你必须定义“完成”。2 一个合格的 Definition of Done本任务完成的标准功能满足需求描述修改范围不超过约定文件不引入无关依赖相关单元测试通过lint、类型检查和构建通过或明确说明未通过原因关键用户流程已经手动验证diff 已审查风险、兼容性和回滚方式已说明。3 让 Codex 做“自审”而不是只做“实现”请不要继续实现功能。请把自己刚才的改动当作别人的 PR 来审查。重点检查是否存在逻辑错误是否覆盖了失败路径是否有空值、并发、超时、权限、类型边界问题是否改动了不该改的文件是否存在安全或隐私风险是否有可以更小、更稳的改法。请按“阻塞问题 / 高风险 / 建议优化 / 测试缺口”四类输出。4 手工验收的最小清单前端页面页面是否能打开桌面与移动尺寸是否正常loading、空状态、失败状态是否可用表单校验是否清晰提交后状态是否正确是否影响其他页面。后端接口正常输入是否正确空输入、非法输入、超长输入是否安全错误码和错误信息是否符合约定是否有权限检查是否有超时、重复请求、幂等性问题是否影响旧客户端。科研训练数据量、样本数是否正确随机种子和配置是否记录小样本 smoke test 是否通过指标计算是否一致输出路径是否正确