worktree 这招我用来跑 n8n 的 workflow 版本对比，两个分支各跑一份，结果能直接 diff。

试了一下，确实有效，感谢。

这个我也遇到过，当时是把超时改到 120 秒才好的。

这个结论我持保留意见，小模型在长任务上还是容易跑偏。

这个说法我觉得要加个前提，小规模场景其实不用这么复杂。

这个坑很典型，我们上线时也遇到过。

支持这个观点，工具描述比模型选择重要。