不是每一步都需要 AI 写一大段话。有些步骤，只需要选对下一步。

微软在 10 月 9 日发布 Microsoft-Decision-1，面向分类、路由、优先级排序和工作流控制。它为给定选项提供概率分数，可以用来决定继续处理、转交人工或选择其他路径，目前可通过 Microsoft Foundry 和 OpenRouter 使用。

我的看法：这类模型有意思的地方，是把“生成内容”和“选择动作”分开。不过输出了概率，不代表业务就能照着最高分直接执行。模型说有九成把握，仍要在自己的工单、材料和异常样本上验证；缺授权的动作也不能靠高分放行。

你现在的 Agent 流程里，有多少模型调用其实只是为了做一道选择题？

代码已经分支了，Agent 还在抢同一个测试库？

本周工程实践回顾：Databricks 10 月 8 日发布 Lakebase 与 Agentic SDLC 的工作流示例，把 Git worktree 和数据库分支配对，并为 PR 创建临时数据库，用来运行迁移、测试和预览。文章也明确：数据库分支不会像 Git 一样直接合回主分支，结构变化要通过迁移脚本推进。

我的看法：隔离只是第一步，测试还要检查连接串是否指错环境、并行迁移是否互相污染、PR 关闭后临时资源是否清理。涉及生产派生数据时，也不能把“独立分支”当成“已经脱敏”。

这类方案值得讨论的不是能开多少分支，而是能否稳定重放失败。你们的 Agent 测试环境，是独立数据库、独立 Schema，还是共享一个开发库？

配图由 AI 生成，为概念示意。