安陆宁
【先说痛点】AI 评审有三个陷阱：多个模型一致，可能只是共同偏差；评审引用不存在的文件、API 或字段；修复后问题没再被提到，却不代表真的解决。所以我把概率判断和确定性验证拆成两道门。【Gate 1：建立可信评审记录】盲发给多个 reviewer，统一返回结构化 JSON；再聚合同类 finding，记录来源并标成 unanimous、majority、split 或 single。provider 单独记录独立性，同一提供方不能伪装成多个独立专家。【Gate 2：验证真实交付边界】五层 artifact guard 提取文件、API、import、代码符号和字段，只在批准的 --root 内扫描并给出证据状态。随后跑六项门禁：任务定义、数据质量、评审状态、偏差扫描、输出质量、交付信息。【修复为什么也是一个门】代码特意区分 all_findings_absent 和 all_resolved。问题消失不等于关闭；重新评审的可信度和 verdict 也达标，finding 才算解决。【3 分钟运行】git clone 
https://taou.cn/a/i7TTNQcd east-west-gatepython -m pip install -e ".[dev]"double-gate review proposal.md --risk low --offline --root .guard、gates、repair 可单独运行，JSON 结果能接进 CI。支持 Python 3.10+，无强制运行时依赖。边界也必须说清：offline stub 只是模拟，不是独立专家；真实多提供方评审提供的是人类决策证据，也不证明绝对正确。仓库同时提供 README、配置、安全说明和引用信息。
发布于 北京
分享
评论
赞
未登录
友善发言
评论
加载中
