當字節跳動開始訓練「不用 Docker 的程式代理」：Dockerless 如何把 AI 編程後訓練推進零環境成本時代

四月到六月之間，AI 編程代理最熱的討論幾乎都圍繞在模型本身：誰的 SWE-bench 分數更高、誰的 terminal agent 更穩、誰更接近把「寫程式」變成真正可委派的工作。但到了六月底，字節跳動與上海交大聯名發表的 Dockerless，把焦點從模型前台，突然拉回到一個更底層、也更現實的瓶頸：我們到底怎樣驗證一個 coding agent 寫出的 patch 是真的對，還是只是看起來像對？

這個問題過去的標準答案很簡單：跑測試。問題是，測試從來不只是「按一下執行」那麼便宜。對每個 repository 建 Docker image、解依賴、找對 test runner、處理環境差異、修補無法重現的舊專案，這一整套 setup，往往比模型推理本身還貴、還慢，也更難擴張。Dockerless 的真正意義，不是它做出了一個新 benchmark 分數，而是它試圖把 coding agent 後訓練最貴的一層成本，從「每個 repo 都要起環境」改成「不跑環境也能做出足夠可靠的判斷」。

從 execution-based 驗證，到 environment-free 驗證