这一篇不再引入新的开源项目,而是把已经验证过的证据摆在一起,回答规划文档留到最后的三个更偏工程实践的问题:测试场景下的 Token 成本量级,跟代码生成场景比起来是什么水平;人工确认门应该放在哪一步