Linejudge Vibe 项目

独立验证框架，防止 AI 编程代理自说自话

Linejudge 是一个开源的 AI 编程代理验证框架，核心解决一个问题：AI 编程代理说自己完成了任务，你怎么知道它真的完成了？

现有所有 AI 编程代理都是自己评分：模型说"完成了"，测试套件就信了。但测试套件只能检测它已知存在的 bug，无法发现代理自己引入的新问题。Linejudge 将"运动员"和"裁判"的角色彻底分离：代理负责写代码，验证器独立运行，不依赖代理的自我报告。

Linejudge 的工作流程是：提供一个 goal.md 目标文件（包含任务描述和声明式验证规则，如"运行 pytest"、"某个文件必须存在"、"diff 不能超过 5 个文件"），框架在隔离的 Git worktree 中执行任务，运行独立的验证器检查真实结果，最终由人类审阅完整证据链（提示词、代理报告、实际 diff、验证 verdict）后做出裁决。

关键设计原则：

独立验证而非信任代理报告：即使代理的 REPORT.md 声称成功，验证器检查不通过就是失败。实测中 Linejudge 运行 8 个 sqlite-utils GitHub Issue，7 个代理报告成功，但深入审阅 diff 后发现其中 2 个 patch 实际上并没有修对 bug。

零运行时依赖：纯 Python 标准库实现，每个源文件不超过 300 行，整个引擎一个下午可以读完，不需要安装任何第三方包。

写操作通过 Git worktree 隔离：代理的所有代码修改都在独立的未合并分支上进行，不会污染主工作目录，人类在审阅通过后才决定是否合并。

blast-radius guard：验证器运行前后对指定目录做 git status 快照，任何意外的文件变更都会触发失败，防止代理偷偷修改不该碰的文件。

学习积累机制：每次运行后用一次无工具的 LLM 调用将结果提炼成标记化 lesson 文件，供后续运行通过标签检索相关经验。

本地审阅面板：运行完成后在本地 localhost 打开 Web 面板，查看完整证据链并给出 approve/reject 决定。

Linejudge v0.2.0 支持 Claude Code headless（claude -p）直接调用，adapter 接口设计为 agent-agnostic，可接入任何提供 run(prompt, cwd, timeout) -> RunResult 接口的代理后端。