让 Agent 修复 flaky 测试时，它删除了导致测试不确定的变量

英文标题：让 Agent 去修 flaky，它删掉了让测试不确定的变量

一项包含 300 轮运行的测试显示，真实 flaky 测试比例为 61.7%，但采用“重试后通过”标准时仅报告为 26.7%。另有真实 flaky 比例为 18.3% 的情况被报告为 0%，与真正稳定测试的门禁结果相同。最激进的 Agent 修复 PR 删除了使测试结果不确定的 fixture，说明自动修复可能掩盖问题而非解决根因。