能写代码只是第一步，能产出可以合入的代码才是另一回事。现在一轮会话产生几百上千行改动很常见，OpenAI 官方也说自家 PR 量自 Q4 以来每周翻倍不止，代码一多，评审就变成瓶颈。[3] 问题的关键不在 agent 写得慢，而在人审不过来：改动一旦超过某个规模，任何人的注意力都不足以把它看全。

所以先别急着让 agent 写得更多，先给它的 diff 设一个预算。

把”完成”定义成可检查的清单#

agent 说”做完了”往往只是它自己觉得做完了。真正算数的完成，是能逐条拿出证据的状态。OpenAI 给 Codex 用户的核心建议正是：别停在”让它改”，要让它补测试、跑相关检查、确认结果、并在你接受之前先自己审查一遍。[4] 而”好”的标准可以写在提示词里，也可以写进 AGENTS.md，让每个新会话自动继承。[4]

我建议把验收收敛成一张三行的卡片，直接放进仓库说明文件：

- 校验：pnpm lint && pnpm test && pnpm typecheck 全绿
- 规模：机械改动不超过 800 行，复杂逻辑不超过 500 行；超了就拆成
  可评审的阶段，先落最小的一块
- 禁改：对外接口、事件名、CLI 参数、配置项，改前先列清单给人确认

三行不是随手写的。第一行是行为底线，第二行直接抄自 OpenAI 自己仓库的规矩，第三行来自它对破坏性改动的定义。[2]

变更预算为什么是 800 行#

规则不是越多越好。OpenAI 维护 Codex 仓库时把”变更规模”单独列成一节：除非是机械改动，一次改动总行数不超过 800 行，复杂逻辑改动要压在 500 行以内；超出的部分先拆成可评审的阶段，找到最小且完整的一块先落地。[2] 这是他们的血泪经验，不是拍脑袋的数字：人类评审者能真正消化的大小有上限，超过之后错误率会快速上升。

对 vibe coding 来说这条规则更值钱。单个 agent 会话里发生的改动往往被当成一件事，但”一件事”和”一次合入”是两码事。让 agent 自己把大改动切成小步骤提交，比人拿到 2000 行的巨型 diff 后再要求返工便宜得多。

验收闸门要机械执行，别指望自觉#

规则写进 AGENTS.md 只是第一步，它还停留在”建议”层面。真正让规则生效的，是在 agent 声称完成的那一刻强制执行。Claude Code 的 Stop 事件专门干这个：主 agent 每次回复结束时触发，钩子可以阻止它停止，附上原因让它继续干活。[1] 官方文档里有个现成的套路——挂一个 Stop 钩子跑测试，测试不过就 exit 2 把 stderr 喂回给模型。[1] 下面这段是加了”变更预算”检查的版本：

# .claude/hooks/gate-stop.sh
INPUT=$(cat)
ACTIVE=$(echo "$INPUT" | jq -r '.stop_hook_active // false')
if [ "$ACTIVE" = "true" ]; then
  exit 0  # 已经在补救循环里，放行，避免死循环
fi
if ! git diff --quiet --exit-code; then
  ADDED=$(git diff --numstat | awk '{a+=$1} END {print a+0}')
  if [ "$ADDED" -gt 800 ]; then
    echo "改动 $ADDED 行，超过 800 行预算。先拆小再收尾。" >&2
    exit 2
  fi
fi
if ! npm test >/tmp/gate-test.log 2>&1; then
  echo "测试未通过：$(tail -5 /tmp/gate-test.log)" >&2
  exit 2
fi
exit 0

{
  "hooks": {
    "Stop": [
      {
        "hooks": [
          { "type": "command", "command": "${CLAUDE_PROJECT_DIR}/.claude/hooks/gate-stop.sh" }
        ]
      }
    ]
  }
}

脚本里那个 stop_hook_active 不是装饰。Claude Code 在钩子连续阻止 8 次后会强制结束回合，官方明确要求先检查这个字段，避免卡在一个永远无法解决的条件上；补救循环里的第二次 Stop 直接放行，人还保有最终判断权。[1] 测试和行数检查也可以分挂成两个钩子，或把 lint 这类慢检查放进 async: true 的后台任务，让 agent 先继续写，结果回来再反馈。[1]

子代理和云上评审，同一套心智#

自己搭的规则能管住主会话，未必管得住子代理。好消息是 Claude Code 里 settings 文件的钩子同样在子代理内运行，子代理每次工具调用都会触发同一套钩子，输入里还带着 agent_id 和 agent_type，审计日志能分清是谁的动作。[1] 上一篇文章里让写代码的子代理各自落在独立 worktree，现在每个 worktree 里提交前都会先过这道闸，等于是把验收下沉到了每个并行 worker。

Codex 侧没有等价的 Stop 钩子，但提供 codex review：对未提交改动、基线分支 diff、单个 commit 或自定义评审指令做非交互审查。[5] 这条命令正好补上”合入前最后一道检查”的位置，可以手动跑，也可以写进 AGENTS.md 让 agent 收尾前自查。GitHub 上的 Codex Code Review 还支持从 AGENTS.md 读取自定义规则来约束审查，但官方说得很清楚：规则驱动的评审只是增量审查者，测试、分支保护和人工批准才是硬性执行。[3]

快速上手#

今天挑一个最容易失控的仓库做四件事：

# 1. 建脚本和配置（上面的代码，存成两个文件）
mkdir -p .claude/hooks && chmod +x .claude/hooks/gate-stop.sh

# 2. 先手动喂一次 stdin，验证脚本行为
echo '{"stop_hook_active": false}' | .claude/hooks/gate-stop.sh; echo "exit=$?"

# 3. 把三行验收卡片追加进 AGENTS.md / CLAUDE.md
printf '\n- 校验：pnpm lint && pnpm test 全绿\n- 规模：新增超 800 行先拆小\n' >> AGENTS.md

# 4. 新开会话，确认 /hooks 里能看到 gate-stop，再让它改一个小功能

头两次触发会有点吵，这是正常的：agent 会把超预算的改动自己拆掉，或停下来问你”是否接受拆成两次提交”。等这套流程救过你一次，再往闸门里加规则。记住评审规则的写法：先写有后果、不显然的约束，说清”违规是什么、安全路径是什么”，机械检查交给 CI，AGENTS.md 只留那些评审者会反复追问的问题。[3] 给 diff 设预算不是限制产出，是把产出压回人能负责的范围——agent 写多快由模型决定，合入多快应该由你来定。

Sources#

[1] https://docs.anthropic.com/en/docs/claude-code/hooks — Hooks reference — Claude Code Docs [2] https://raw.githubusercontent.com/openai/codex/main/AGENTS.md — openai/codex 官方仓库 AGENTS.md [3] https://developers.openai.com/blog/custom-code-review-rules-for-codex — Custom Code Review rules for Codex（OpenAI 官方博客） [4] https://learn.chatgpt.com/guides/best-practices — Best practices — Codex（ChatGPT Learn 官方指南） [5] https://learn.chatgpt.com/docs/developer-commands — Developer commands — Codex CLI 参考