作者指出，编码代理常以测试通过宣称前端完成，却从未真正打开应用，导致控件重叠、状态未高亮、刷新后失效等问题。他主张将浏览器审查纳入“完成”标准：用 Playwright MCP 让代理启动真实应用，依据改动制定测试计划，检查最终结果而非仅点击动作，并区分 DOM 状态与截图证据。指令应分层，AGENTS.md 只写原则，详细流程放入按需加载的 skill。审查应由无历史的新代理独立完成，避免作者盲区。清理时只停止自己启动的进程。作者还开发了开源工具 katalepsis，将 Playwright 测试与自然语言检查生成可粘贴进 PR 的报告，模型不能自行判定通过，必须引用真实断言证据。