AI 编码冗余与自我承诺审查钩子

在 agent 提交代码前检查冗余、过度复杂和违反自我承诺的改动

痛点

用 AI 写代码的人常抱怨模型输出大量冗余、过度复杂的代码，还容易引入 bug；有些团队还让 agent 在会话开始时写下行为边界与自我承诺，却缺少可靠的事前检查，空承诺、解析失败和异常分支都会让检查形同虚设。

方案

一个可安装到 Claude Code、Codex 等工具的 hook：在 agent 提议改动时，用规则加轻量 LLM 检查三件事——是否违反会话开始时声明的边界、是否引入明显冗余、是否超出任务范围的复杂化。检查结果作为可解释的拒绝或提醒返回，并记录审计日志。

用户

重度使用 AI 编码 agent 的开发者；给 agent 设定行为边界并需要审计的团队。

MVP

配置文件定义边界与检查规则；接入 agent 的 propose/commit 钩子；对单个改动输出通过 / 提醒 / 拒绝三态与理由；空承诺或解析失败时默认保守处理；本地审计日志。

变现

开源核心加付费团队版（共享规则库、审计导出、多人策略同步）；按席位订阅。

为何现在

AI 编码 agent 进入日常开发，但团队对输出质量和行为边界的控制还很原始；hook 机制已经开放，独立开发者可以聚焦在检查策略而非模型本身。