用本地小模型跑自動化改 code，遇過最陰的失敗模式：exit code 0、log 乾淨、宣稱完成 — 但 diff 是空的。它什麼都沒做，而且不覺得有問題。
後來我們的驗收變成剝洋蔥，由淺到深四層： 1.
diff 非空？（聽起來很蠢，但這層就擋掉一批假成功） 2.
語法過？（node check / 編譯器，秒級） 3.
載入過？（模組真的 require 得起來，不是只有語法對） 4.
行為對？（跑起來、打一個真請求 / 開一次真頁面） 對 UI 改動再加一層：截圖實看。AI 對「畫面對不對」的自我評估完全不可信。
每層都便宜，但順序很重要 — 便宜的先跑，貴的只驗過了前面的。
心得 教學