linkage18/donecheck

README excerpt

DoneCheck（完工核查） 让 LLM 代理不再"自以为做完"——自动复查-修复循环插件，面向 DeepSeek Harness (DSH) 动态插件运行时。 LLM 代理最常见的隐性失败不是"答错"，而是 提前自我终止 ：它认为自己已经完成任务、改完了代码，实际上没有。DoneCheck 在每次回答结束后自动执行一轮 带实际操作结果的复查 ，发现问题就带着工具权限迭代修复，直到满足要求或达到轮次上限——并全程把"做了什么、为什么停"讲清楚。 项目对外名称： DoneCheck ；代码内部标识符沿用 doublecheck 。 适用模型 ：特别适合 deepseek-flash 这类轻量高速模型 ——速度快但更容易"自以为做完"，复查-修复闭环正好把完成度兜住；对更强模型同样有效，收益随模型可靠性递减。 核心特性 - 复查看实据 ：复查员能看到回答全文 + 实际操作记录（改了什么文件、命令输出、失败信息），判定的是"实际完成度"，不是"两遍回答像不像"； - 修复是真步骤 ：修复轮是正式会话消息，模型保留工具权限——能真改代码、真跑命令，而不是嘴上说改； - 多轮迭代闭环 ：复查-修复循环最多 4 轮，满足要求或达到上限即停止，并明确说明结束原因； - 来源可追溯 ：每轮修复新增/修改的内容按轮次标记（ 【复查A2补充】 …），一眼看出哪段是哪一轮补的； - 判定可靠 ：复查输出 JSON 契约，三级解析回退，无法解析时保守处理—— 宁可不动，不乱动 ； - 零侵入 ：不修改会话日志、不污染模型上下文、不干扰正常回合；任何失败都静默兜底。 背景：它解决什么问题 代理模型在工具型任务（改代码、跑命令、写文档）上经常犯一个隐蔽错误： 任务只完成了一部分，模型却宣布完成 。典型表现： - 改了 A 文件，B 文件的要求被遗漏； - 声称"测试通过"，实际没跑； - 输出里写着"已实现"，代码里根本没有。 为什么"让它再想一遍"不够？因为 独立重答看不到实际操作结果 ——闭卷重考只能发现"问题没覆盖"，发现不了"代码没改到位、命令没跑通"。DoneCheck 的核心转变：复查员带着 实际结果 （工具调用/输出的累积记录）去核对完成度。 工作原理 总体流程 复查协议（Review Protocol） 要素 说明 输入 【原始问题】+【待复查的回答】+【执行工具的实际记录】（工具调用名/参数/结果，按执行顺序，含失败标记） 判定契约 严格 JSON： {"completed": true, "problems": []} 或 {"completed": false, "problems": ["问题1（引用原文证据）", ...]} 检查要点 ① 每条要求是否真正完成（代码改到位？命令跑通？结果符合要求？）② 是否存在"自认为完成实际没做完"③ 有无遗漏要求 长消息…

Category