這週我沒有讓單一 coding agent 從頭包到尾，而是把一個功能拆成三個角色，讓三家的 CLI 各做一段，中間用 TDD 的紅綠燈當交接介面。跑完兩個 slice，我判斷這條 pipeline 在有嚴格測試當契約的前提下可用；但它省下的不是人力，是把「錯誤發現點」往前、往獨立處移。這只是 workflow 可用性判定，不含可商用判定——後者要另算 token/seat 成本、隱私、rate limit 與審計，本文不碰。

實驗條件（可自行驗證）

工具：codex-cli 0.142.4、grok 0.2.77 (44e77bec3a)、Claude Code（CLI，版本未記錄，屬已知量測缺口）。

專案：一個 Zig 0.16.0 codebase（私有 repo，commit hash 僅供我本地對照），加一個「回合後反思」功能。

樣本：n=2 slices（config surface、reflection module），共 15 個測試（4 + 11）。