浏览器开了很多页面，终端跑过几条命令，Agent还在说“继续整理”。主管最想知道的不是它忙不忙，而是：离那份能用的结果，到底近了哪一步？
观察AI Agent进展，不能只看流畅的叙述，也不必要求它披露隐藏推理。让每个阶段指向一件可检查的证据。 打开了来源、提取了事实、形成了比较，是三个不同的状态。
Buda的Agent Workspace把聊天、Drive、Terminal、Browser和Git放在同一工作台中。可见的工具动作帮助人介入，但不是完整审计日志，更不是所有结果正确的保证。
开始前，约定下一件能打开的东西
以下为虚构的低风险内部研究任务：根据获准查看的公开资料，整理三家供应商的服务范围、报价入口和未知项。不是向供应商询价，不发送消息，不处理账户秘密。示例路径与阶段状态只解释方法，不是实际运行截图或测量结果。
与其说“查完告诉我”，不如先约定：
当前子目标：确认三家供应商的官方资料入口
下一件产物：sources.csv，含URL、读取状态、可核事实及未知项
下一个检查点：在比较前，先展示这份来源清单
停止条件：页面不可读、关键字段无来源、需要账户授权
允许动作：读取公开页面、写本次结果目录
禁止动作：联系供应商、登录个人账户、写生产记录
检查点不是每隔几分钟报一次“还在做”。它应发生在证据状态变化时：从找到入口，到抽取信息，再到足以做比较。事先约定到这个粒度，主管才能知道下一次应该看什么。
四类信号，各自证明到哪一步
| 可见信号 | 能说明什么 | 还缺什么 | 下一步核验 |
|---|---|---|---|
| Browser打开页面 | 页面被访问；正文可读时才有资料可用 | 来源是否官方、字段是否真的出现 | 对照URL和页面原文 |
| Terminal显示命令 | 尝试执行了操作 | 退出码、错误和有效输出 | 看完成状态及相关输出，不只看命令行 |
| Drive有文件 | 路径下存在产物 | 内容、完整度、版本和出处 | 打开文件，核对修改与实际内容 |
| Git出现diff | 有内容变更 | 测试、审核或部署结果 | 读差异；测试需独立证据，部署另行验收 |
Agent tab里的工具调用可展开输入和输出。这能把一句“已整理”拆成可核动作；但一个标签页没有显示的事情，不能据此断言从未发生。用正面证据确认进展，不把界面可见范围夸大成完整事件记录。
用三个阶段快照，区分活动和进展
下面是同一个虚构任务的预期证据变化，不是三次已经执行的测评。
快照一：找到了入口。 浏览器打开三家网站，sources.csv只有URL和读取状态。这可以证明来源入口已列出，还不能说服务范围已经核实。主管下一步应看每条事实的出处，而不是要求立即给供应商排名。
快照二：两家有事实，一家有缺口。 文件新增了两家的服务说明、原文位置和抓取时间；第三家报价页不可读，价格保持未知。与快照一相比，可用于比较的事实增多了。未知项被准确记录也是进展，不必为了“完成三家”而猜一个价格。
快照三：比较稿可打开。 comparison.md逐项引用来源，区分已核事实与待确认事项，并链接回清单。主管现在才有材料判断是否满足内部讨论需要。写出比较稿不代表可以联系供应商或作采购决定。
三个阶段都可能有很多页面和命令。真正的区别是：可核事实增加了吗，缺口是否更清楚，下一阶段是否有足够输入？
一个空文件，足以戳破“已完成”
假设Agent说“比较表已生成”，Drive里也出现 comparison.md，但打开后只有标题，甚至是空文件。这只能证明文件存在，不能证明比较已完成。
检查标题下面有没有三家对象、对应事实、来源与未知项。文件变大也不是质量证明：重复粘贴一段话，字节数照样上涨。修改时间只能帮助定位某次写入，不替代内容检查。
这时不必立刻重启Agent或重新运行所有步骤。先要求给出当前文件位置、已完成部分、未完成原因和下一个最小动作。如果当前状态无法确认，保留现有文件与会话，先澄清，而不是用一次重跑覆盖证据。
三种停滞，要问三种问题
等授权：问缺哪一项许可。 例如页面要求登录。确认是否存在获准路径；没有就保留缺口，不把“授权还没到”当“Agent不会做”。也不要为推进研究而默认授权访问私人账户。
来源失败：问能否缩小到已核材料。 如果第三家页面不可读，让Agent明确影响哪一项比较、有哪些合法替代来源需要确认。负责人可以接受“两家已核、一家未知”的内部稿，也可以停止比较。不能把失败页面的缓存摘要写成官方事实。
原地重复：问本轮新增了哪条证据。 多次刷新同一个失败页面、重复运行相同命令，若没有新增可核信息，就不算阶段推进。没有统一的“等五分钟就卡住”阈值；应按来源状态、工作量和下一件产物判断。
可以直接提出这段请求：
请给出当前子目标、最新证据文件与版本、已经核实的事实、仍未知的内容，以及下一检查点。若需要权限或来源无法读取，说明最小缺口；不要补造字段、扩大任务或自动重启。
这是建议的监督请求，不是Buda后台会自动执行的控制策略。
继续、补输入，还是缩小范围？
如果事实与产物在增加，且没有越界，继续到下一个检查点。如果缺的是负责人能提供的日期、路径或授权，先补输入。若证据支持不了最初目标，就缩小交付或停止那部分判断。
把决定记成一句可追溯说明：“第三家价格未知；本轮只比较已核服务范围，采购判断留待确认。”这比“任务基本完成”更有用，也不会误导下一位接手的人。
运行中检查点解决的是如何决定下一步，不替代终稿验收。并行产物整合还需要检查不同产物的口径和责任；监督边界也不能靠一段自述来代替。
常见监督问题
没有代码任务，还需要看终端和Git吗？
只看与本任务有关的证据。纯资料整理更应核输入清单、提取结果、来源和最终文件版本。没有Git差异不等于没有工作，不必为了显得可观察而制造提交。
Agent说完成，文件也有了，还要看什么？
打开实际文件，对照约定的对象、字段、出处与未知项。再核对是否存在独立的发送或发布请求；生成不代表发送，diff也不代表部署。
其他Agent能直接读这些文件吗？
不要假设。先核它实际获准读取的路径与共享范围；Agent Drive与Space Drive不同。需要交接时，明确授权位置与具体版本，不为方便而复制私人资料到共享目录。
从一次内部研究开始建立检查点
在Buda里先给一个低风险任务约定下一件可打开的产物，执行时用Workspace里的工具动作与实际文件对照。方法重复后，可以在Buda AI的Marketplace搜索并安装合适的Skill，检查它是否输出来源、缺口和检查点。
先让“正在处理”有证据，再让监督频率变少。减少打扰的前提，不是相信更多进度描述，而是每次介入都知道该看哪份东西。