chengma
123849f5ee
Harness governance / validate (push) Has been cancelled
This reverts commit e9e6dede7a.
44 lines
2.0 KiB
Markdown
44 lines
2.0 KiB
Markdown
# 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`](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：
|
|
|
|
1. 用本表给一个已完成的任务打分。
|
|
2. 把它的分数和你自己的人工判断对比。
|
|
3. 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。
|
|
4. 对同一个输出重新打分，看是否对齐。
|
|
5. 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）。
|