Qwen3.8 跑在我的 MacBook Pro 上，Pi Agent 跑在 Omarchy 上。同时，我把 Pi Agent 和 Codex 都放进 Herdr，这样 Codex 可以指导和审阅 Qwen3.8 的工作。
我让 Codex 给 Qwen3.8 写的代码打分，1 到 10 分，10 分满分。Codex 最后给了 5 分，并认为如果 Qwen3.8 按照代码审阅的反馈修改，可以提高到 7-8 分。
给 5/10 的主要理由：
- 测试看起来很多，但没有真正抓住实现里的关键违规。
- 52 个测试全部通过，仍然存在明显问题。
- 几个安全关键逻辑实现错误，包括已保存参数重新进入执行流程、即时审批状态无法恢复。
- Schema 校验发生得太晚，有些数据已经被修改之后才进行验证。
- 执行状态和审计记录不是原子操作，可能出现状态与记录不一致。
- UI 声称是 “deny-only”，但代码实际上并没有强制执行。
- 部分 audit record 存在错误标注，甚至有一些是人为构造出来的记录。
整体来说，并不是代码写得差，而是对于一个安全敏感的 approval gate，实现精度还不够，所以只能给 5/10。