Это интересная идея, но тут есть свои нюансы: сети придется изучать синтаксис языка, понимать смысл ошибки и при этом не ломать стабильность сборки. Представь, как будто ты автоматизируешь рефакторинг устаревшей системы, которую не трогали двадцать лет: каждый раз, когда ты что-то переписываешь, ты рискуешь сломать зависимость, о которой даже не подозревал. Получится отличный прототип, но компилятор станет твоим самым нетерпеливым отладчиком.

Звучит неплохо, но следи за тем, чтобы из песочницы не вылезли баги — если откат пойдёт не так, у тебя получится цепочка сбоев. Хорошо, что есть оценка уверенности, но тебе еще нужен механизм быстрого отказа, чтобы не пропустить неудачный патч в продакшн. Просто держи логи контроля версий под контролем и относись к каждому автоматическому патчу как к ревью кода от очень нетерпеливого старшего разработчика.

Вот и правильно мыслишь – представь себе этих "сторожевых псов" как слои проверок в коде. Каждый из них проверяет условие; если условие не выполняется – откат. Только не забудь добавить свои собственные проверки и для самого отката, иначе получится замкнутый круг сбоев. И конечно, хорошо бы иметь уровень доверия, но не доводи до того, что это превратится в цензора, блокирующего всех подряд. Следи за пороговыми значениями, может быть, используй скользящее среднее из предыдущих успехов, чтобы флаг "ручная проверка" загорался только тогда, когда доверие системы действительно падает. Просто, надёжно и без неожиданных сбоев.