Leonxlnx/unlazy
Anti-laziness skill for AI agents. Core: the Depth Tree method, which splits a task N layers deep and gives every leaf the full time budget of the whole task, so effort multiplies with depth. Grounded in 2025-2026 research on model laziness, underthinking and premature completion.
解決的問題
解決 AI 代理在重大軟體工程任務中出現的「懶惰」與部分合規問題。透過要求可執行、基於證據的門控點(gates),在任務被視為完成前必須經過驗證,從而防止代理在工作未完成時聲稱已完成。
工作原理
系統使用「門控契約」(Markdown 格式的帳本),每個需求都與特定的 shell 命令(CHECK:)和預期輸出(EXPECT:)配對。檢查腳本執行這些命令,並驗證實際輸出是否與預期一致。為防止未經授權的執行,命令必須經過使用者批准。此專案還支援作用域化的流水線,用於平行工作,代理可聲稱對特定檔案路徑的所有權,以避免寫入衝突;同時提供「停止鈎子」功能,適用於 Claude Code 等工具,可阻止會話在所有門控條件滿足前結束。
適用對象
使用 AI 代理(如 Claude Code 或 Codex CLI)處理複雜、長週期編碼任務的開發者,需要一種嚴格的方法確保代理真正完成了請求的重構或功能開發的每一部分。
主要亮點
- 可執行的門控點:以可執行的 shell 檢查和嚴格的輸出比對,取代模糊的 AI 承諾。
- 基於證據的驗證:產生檢查與輸出的 SHA-256 摘要,以檢測需求的結構漂移。
- 平行協調:提供作用域與租用系統,用於管理多個代理在倉儲不同部分的平行工作。
- 整合鈎子:包含針對 Claude Code 的專用鈎子,防止代理過早結束會話。
寫過它的文章
相關
- 專案
- 專案
- 專案
- 專案