如何在 Agentic Coding 工作流中构建质量门禁——Qodo AI 的 Nnenna Ndukwe

Nnenna Ndukwe 以刻意收窄的 FastAPI 支付应用 SignalPay 为例，演示如何把一个小型退款功能的规划、实现、本地检查和 PR 审查串成 AI 编码代理的质量门禁。参与者需选择退款或捕获重试流程，识别相关支付规则，并分别制定实现计划与构建执行计划，从而让代理明确预期行为、约束、验证命令和必须产出的证据。她安装仓库技能、接入 Qodo，并在 Codex 中走查规划模板；模板会把假设、风险、技能路由、验收标准和当前分支状态带入实现。代理提交 PR 后，Qodo 会结合代码库和组织规则补充审查发现，工作坊还展示如何检查这些发现并记录修复。

AI推荐理由 来自 AI Engineer 频道的实操工作坊，以 SignalPay 这个刻意收窄的 FastAPI 支付应用为例，演示如何把退款/捕获重试流程拆成规划、实现、本地检查与 PR 审查等质量门禁，并给出假设、风险、技能路由、验收标准和分支状态等模板要素，以及用 Qodo 结合代码库与组织规则补充审查发现。具体新信息在于把 agentic coding 的验收标准、验证命令和所需证据显式化，对开发工具与 Agent 落地有参考价值；局限是内容为教程演示，未提供可验证的效果数据或量化结果。