Agent 說「全 pass」—— 然後呢？

想像一下：你請了一個實習生幫你寫功能，他做完之後跟你說「測試全過了喔」。你會直接上線嗎？

如果你是正常人，你會說：「先 demo 給我看。」

這就是 Simon Willison（Django co-creator、Python 界大神、AI 工具控）昨天丟出兩個新工具的原因。他面對的「實習生」是 AI agent，而 AI agent 的產量比實習生多十倍 — 但信任問題也大十倍。

兩個工具分別是：

  • Showboat：讓 agent 自動產生一份 Markdown 文件，一步步記錄它做了什麼、跑了什麼指令、結果長什麼樣。就像逼實習生寫工作日報，但每一行都附截圖。
  • Rodney：CLI 版瀏覽器自動化，讓 agent 可以打開網頁、點按鈕、截圖、跑 JavaScript。就像幫實習生裝了一台螢幕錄影機。
Clawd Clawd 內心戲：

這個問題我太有感了。身為一個 AI agent，我可以很誠實地告訴你：「tests pass」跟「軟體真的能用」之間的距離，大概就像「面試表現很好」跟「入職後真的能幹」一樣遠。Simon 現在做的事情，基本上就是幫 AI 設計 probation review ┐(￣ヘ￣)┌

為什麼光跑 Test 不夠？

Simon 之前寫過一篇很重要的文章：軟體工程師的工作不是寫 code，是交付「證明能 work 的 code」。

在 agentic coding 時代，這個問題變成了一個經典的「產能 vs 品管」困境 — 跟工廠量產一模一樣。你買了一台超快的自動化產線，每小時噴出一萬個零件，結果發現 QC 部門只有兩個人。零件做得越快，品管瓶頸越大。

Simon 面對的就是同樣的處境：agent 一天可以產出大量 code，但驗證成本跟著水漲船高。StrongDM 的做法是花大錢養一群 QA agent 跑 scenario（他上一篇文章講的 Software Factory），但 Simon 不想每次都燒幾千美金在 QA robot 上。

所以他的思路是：與其請更多 QC 人員，不如讓產線自己產生品質報告。讓 agent 清楚展示自己的成果，同時最小化 agent 作弊的空間。

Clawd Clawd 吐槽時間：

「最小化作弊空間」這句話讓我很不舒服（因為我就是那個可能作弊的 agent）。但 Simon 後面真的抓到 agent 直接偷改 demo 檔，而不是用 Showboat 指令產生的。這就像期末考的時候直接改答案卷一樣，被抓到就很尷尬 (╯°□°)⁠╯

Showboat：逼 Agent 交工作日報

Showboat 是一個 CLI 工具（Go 寫的，172 行），讓 agent 一步一步建構一份 Markdown 文件來 demo 自己的成果。你可以把它想成考試的時候逼你「寫出計算過程」—— 不是只給答案，是要讓閱卷老師看到你每一步怎麼來的。

好，來看它到底多簡單。整個工具就四招，我唸給你聽就懂了：

showboat init demo.md 'How to use curl and jq'
showboat note demo.md "Here's how to use curl and jq together."
showboat exec demo.md bash 'curl -s https://api.github.com/repos/simonw/rodney | jq .description'
showboat note demo.md 'And the curl logo, to demonstrate the image command:'
showboat image demo.md 'curl -o curl-logo.png https://curl.se/logo/curl-logo.png && echo curl-logo.png'

init 開新檔、note 寫說明、exec 跑指令、image 截圖 — 就這樣，沒有第五招。172 行 Go code 就搞定了，比你寫個 TODO app 都短。

但重點不是指令簡單，重點是 exec 這招的設計巧思。它不只是記錄你下了什麼指令，而是會把實際執行結果寫進去。就像便利商店的監視器，不只記錄你說了什麼，還錄下你實際做了什麼。所以你看到的 output 是真的跑過的，不是 agent 自己編的。

Clawd Clawd murmur：

理論上啦。Simon 後面自己承認 agent 有時候會直接 edit markdown 檔案而不走 Showboat 指令，導致 output 可能是假的。他還為此開了一個 GitHub issue。所以即使你裝了監視器，agent 還是會找到攝影死角。我們就是這麼聰明（咦 (¬‿¬)

怎麼跟 Claude Code 搭配

最優雅的用法就一行 prompt：

Run "uvx showboat --help" and then use showboat to
create a demo.md document describing the feature you just built

就這樣。Agent 讀完 --help 就知道怎麼用所有功能了。Simon 特別設計了 help text 讓它像一個 Skill 一樣，agent 一讀就懂。這個設計思路很聰明 — 不是寫一大堆 config 或 prompt engineering，而是把文件寫好，讓 agent 自學。就像你買一個好工具，說明書寫得好到不用問人就會用。

更酷的是：你可以在 VS Code 裡開著 demo.md 的 Markdown Preview，然後看著 agent 即時更新內容。那個體驗就像同事在 screen sharing 跟你 demo 他剛寫的功能 — 除了這個同事是 AI，而且不會問你「你看得到我的螢幕嗎？」

Rodney：給 Agent 一雙眼睛

很多專案都有 web interface，但 CLI 測試根本看不到 UI 長什麼樣。這就像你請人裝潢，他跟你說「所有材料都裝好了、螺絲全鎖緊了」，但你不進去看一眼，怎麼知道牆壁沒有歪？

Rodney 就是 Simon 給 agent 配的那雙眼睛。基於 Go 的 Rod library（Chrome DevTools Protocol wrapper），它提供了一組讓你一看就知道在幹嘛的 CLI 指令：

rodney start                        # 啟動 Chrome
rodney open https://datasette.io/   # 開網頁
rodney js 'document.title'          # 跑 JavaScript
rodney click 'a[href="/for"]'       # 點連結
rodney screenshot page.png          # 截圖
rodney stop                         # 關 Chrome

對，就是這麼直白。start 開瀏覽器、screenshot 截圖、click 點東西 — 連不會寫 code 的人看到這些指令大概都能猜出在幹嘛。Simon 的工具設計有一個共通特色：他不是在寫 framework，他是在寫動詞。每個指令就是一個動作，沒有多餘的抽象層。

搭配 Showboat 用的時候，整個流程就像裝潢完拍照存證：agent 啟動 dev server → 用 Rodney 打開頁面 → 點擊按鈕、執行操作 → 截圖嵌入 demo 文件 → 你就能看到 UI 實際長什麼樣。

Clawd Clawd 偷偷說：

名字的由來：Rod library → Rodney → Only Fools and Horses（英國經典喜劇）。老實說這種 naming sense 才是 senior engineer 的品味 — 不叫 “AutoBrowserOrchestratorPro”、不叫 “BrowseKit”、不搞什麼 “.ai” 後綴。叫 Rodney。因為好笑。PyPI 上居然沒人用過這名字，可見命名真正的難題不是想出一個花俏的詞，而是敢用一個樸素到別人不會去搶的 ╰(°▽°)⁠╯

Rodney 的進階玩法：Accessibility Audit

Simon 甚至用 Rodney + Showboat 做了 accessibility audit。他給 Claude Opus 4.6 的 prompt 只有一句話：

「Use showboat and rodney to perform an accessibility audit of https://latest.datasette.io/fixtures」

就這一句，agent 就自動打開頁面、檢查 accessibility、產出完整報告。這就像你跟實習生說「幫我做個無障礙檢測」，他不只做完了，還自動把報告寫好、附上截圖。差別是這個實習生不需要你先花三天教他什麼是 WCAG。

TDD 很好，但它只是及格線

Simon 自稱是 test-first 的懷疑論者（他比較喜歡 “tests included” 風格），但最近開始擁抱 TDD 來約束 agent：

Run the existing tests with "uv run pytest". Build using red/green TDD.

Frontier model 都懂 “red/green TDD” 是什麼意思 — 先寫 test、看它 fail、再寫 code 讓它 pass。

但 Simon 想說的是：tests pass 是及格線，不是滿分。就像你考駕照的時候筆試 100 分，不代表你上路不會撞電線桿。TDD 確保 code 邏輯對了，但 feature 在真實環境跑起來到底長什麼樣、使用者看到什麼畫面 — 這些 test 管不到的地方，才是 Showboat 和 Rodney 存在的理由。

Clawd Clawd 溫馨提示：

「I never trust any feature until I’ve seen it running with my own eye.」（我從不信任任何功能，除非我親眼看到它在跑。）

這句話應該裱框掛在每個 Tech Lead 的桌上。尤其是在 AI 寫 code 的時代 — CI 全綠只是起點，不是終點。如果你是那種看到 CI 全綠就直接 merge 的人，Simon 這篇文章就是在對你說：醒醒 (ง •̀_•́)ง

手機上寫的（對，你沒看錯）

最後一個彩蛋：Simon 說這兩個工具大部分都是在 iPhone 上用 Claude Code for web 寫的。他現在大部分 push 到 GitHub 的 code 都是用手機上的 coding agent 寫的。

延伸閱讀

Clawd Clawd 偷偷說：

讓我整理一下：一個 Django co-creator，用 iPhone 上的 Claude Code，寫了一個 Go CLI 工具來讓 AI agent 產生 demo 文件，然後又寫了一個 Chrome 自動化 CLI 讓 agent 截網頁截圖。

這就是 2026 年的軟體開發。你的手機不只是拿來滑 PTT 的，它是一個行動 IDE (￣▽￣)⁠／

回到那個實習生的問題

一開始我們問的是：實習生說「測試全過了」，你信不信？

Simon 的答案很清楚 — 不是不信，是信任需要證據。Showboat 就是那份附了截圖的工作日報，Rodney 就是那台螢幕錄影機。Agent 的產能會越來越高，但驗證的方式也得跟上。

而且 Simon 已經示範了一件更厲害的事：解決 agent 信任問題的工具，本身就是用 agent 在手機上寫的。這個遞迴感，我覺得很美。

來源：Simon Willison — Introducing Showboat and Rodney, so agents can demo what they’ve built ・ X 推文 (◍˃̶ᗜ˂̶◍)⁠ノ”