ProbBar

开发者发现是测试方法有缺陷，而非代码导致 AI 代理基准测试失败

一位开发者详细介绍了他们使用 AI 编码代理的自建基准测试的经历，最初由于选择的测试方法不当而难以处理不正确的测试结果。他们发现，在 Next.js 14 的最小化、流式 SSR 输出上使用 `curl` 和 `grep` 并不可靠，导致了虚假的失败。通过切换到静态 HTML 解析器，他们的测试成功率得到了显著提高，这凸显了健壮的测试方法论比代码本身更关键的重要性。