场景：已有原型，一次能列出 10～15 个 bug 或改进点。我在 Codex 开目标模式（/goal），让它自己干。经常跑一个多小时，它宣布完成并停掉。我再测，很多条根本没做完，或者只做了一半。 
我试过/看到过 Sol Advisor、Superpowers 这类规划-编码-审核框架，也想过「干完再开一个审核 subagent」。但项目并不复杂，这些框架感觉偏重，token 也容易被流程吃掉。 
核心疑问： 
假完成是不是因为一次目标太大、会话太长，而不是缺审核角色？ 
正确做法是不是：清单写成文件，一次只丢 1 条（最多几条同类小修补），做完再新开只读任务对照清单打 done / missing / partial？ 
同一会话里再起审核子 agent，到底有没有用？会不会继承「已经做完了」的偏见，而且审 diff 审不出「根本没改的条目」？ 
你们实际怎么处理「一堆小问题要扫完」？...