這份生產級醫療平台的個案研究，記錄一位沒有正式軟體工程訓練的營運者，如何借助 coding agents 建立系統。後來，流程逐漸形成由人主導的多代理協作：一個代理負責寫碼，其他代理執行測試、監控與審查，專案規則則把過去的經驗留在系統裡。表面看來，這像是用更多 AI 交叉檢查，降低單一代理犯錯的風險。真正值得警惕的地方，卻在於每一層防線都可能只是在製造安全感。研究裡，測試可能只測到代理指標，監控可能在稽核無聲失敗時仍顯示正常，審查代理也可能漏掉關鍵檢查，甚至有一次自動修復直接造成營運中斷。這些案例提醒我們，治理的問題從來不只是代理數量不夠，或提示詞還不夠精細，而是每個判斷是否都有可追溯、可質疑、能對應真實風險的證據。

我尤其在意「代理互審」容易掩蓋的責任斷裂。當寫碼、測試、批准與修復被拆給不同代理，錯誤就可能在分工之間流動，最後沒有人真正擁有停止部署的權力，也沒有人必須為結果負責。對醫療平台而言，系統故障不只是程式碼品質問題，還可能影響病人的等待、照護與信任。因此，權限設計必須先回答誰可以做什麼、何時必須停下來，以及哪些操作不能交給自動化。證據也不能只看測試通過率，而要連結到使用者受到的實際影響，並保留人類能理解和重新判斷的脈絡。

這個個案帶來的治理命題是，目標、證據、權限與最後的人類決定，必須指向同一個客觀目的。若團隊只增加審查代理，卻沒有清楚定義失敗、升級與否決機制，複雜度只會增加，責任反而更難追究。可靠的 AI 軟體流程，應該讓人能看見每個代理的盲點，也能在代理判斷彼此一致時保持懷疑。信任不是由更多意見堆出來，而是由可驗證的證據、受限的權限，以及願意承擔後果的人共同建立。