chengmaandClaude Fable 5
795a852aa9
- docs/tasks/README.md: default mode for single and multi agent, drop switch narrative - docs/06-tasks.md: demote to read-only roadmap (phases, milestones, backlog, suggested split list without status) - progress.md: optional archive / project-level event log; execution records live in task files - current-state.md: project-level snapshot; task status authoritative in task frontmatter - sync all referencing docs (start-here, coding-rules, READMEs, adoption/clean-state checklists, method-map, evaluator-rubric) Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
2.0 KiB
2.0 KiB
评审评分表
在一轮（或几轮）会话实现完成后、正式验收前，用这张表做一次结构化评审，回答"这轮 agent 做得好不好"。 它评的是单次输出质量；代码库长期健康度见
quality-document.md。
评分维度
六个维度，每个 0-2 分（0 不满足 · 1 部分满足 · 2 满足）。
| 维度 | 问题 | 分数 (0-2) | 备注 |
|---|---|---|---|
| 正确性 | 实现出来的行为是否符合目标功能 / 验收标准？ | ||
| 验证 | 要求的检查是否真的跑过，并在对应任务文件（docs/tasks/T-<编号>.md）的 ## 执行记录 留下证据？ |
||
| 范围纪律 | 这一轮是否基本保持在选定的单个任务范围内？ | ||
| 可靠性 | 结果是否能在重启或重跑后继续工作？ | ||
| 可维护性 | 代码和文档是否清楚到足以交给下一轮会话？ | ||
| 交接准备度 | 新会话是否能只靠仓库内文件继续推进？ |
结论
从下面三选一：
- Accept — 达标，可验收。
- Revise — 需要修补才能接受（列出必须补的修复）。
- Block — 有根本性问题，需要先解决（列出阻塞项）。
后续动作
- 缺失的证据：
- 必须补的修复：
- 下次复审触发条件：
关于校准（重要）
开箱即用的 agent 做评审很弱——它会发现问题，然后把自己说服到通过。所以这张表的通过/失败标准需要反复校准到和人工判断一致：
- 用本表给一个已完成的任务打分。
- 把它的分数和你自己的人工判断对比。
- 有分歧的地方，把对应维度的"什么算 2 分 / 什么算 0 分"写得更具体，落到本项目的真实验收标准上。
- 对同一个输出重新打分，看是否对齐。
- 重复直到评审判断和人工评审基本一致。
预计需要 3-5 轮校准。每轮把改了什么、为什么改记入 ../progress.md 的项目级大事记（跨任务的校准决策适合记在那里）。