人机验收协议

用途：把“Agent 交付 → 人验收”变成有明确契约的流程

协议要解决的四件事

交付什么：范围与形态（代码 + 测试 + 回执 + 说明）。
怎么算完成：证据等级与判定值，事先约定而不是事后争论。
人看什么：评审人只需处理需要判断力的部分。
不确定时怎么办：明确升级路径，避免“猜着做”。

交付物清单（模板）

项	内容	校验方
变更说明	做了什么、为什么、影响面、未做的事	人工
差异	commit 哈希、文件与行数、关键符号	门禁（范围检查）
证据	各检查命令与完整输出、测试报告、覆盖率/变异指标	门禁
判定	四值结论与不通过原因	门禁生成
风险与回滚	已知风险、灰度与回滚方式	人工
待办	明确未覆盖的部分（不得混入“已完成”）	人工

验收流程

1 任务下发：目标 + 验收标准 + 必需证据等级（写清楚）
2 Agent 执行并自检（本地门禁提前反馈）
3 提交：门禁在权威环境执行 → 生成回执与判定
4 判定分流：
    PASS        → 人工评审语义与需求满足
    FAIL        → 退回，附失败证据与定位线索
    BLOCKED     → 环境/依赖责任方处理，不计入交付
    UNVERIFIED  → 补证据后重跑，禁止人工"看着没问题就合"
5 合并与记录：结论、例外、耗时进入统计

关键约定

验收标准前置：任务描述里必须含“什么证据算完成”，否则 Agent 会以最少努力满足字面要求。
禁止降级合并：人工不得把 UNVERIFIED 判成通过；确需例外走审批并计入例外率。
不确定就问，不要猜：给 Agent 明确的“求助出口”（列出待澄清问题并停止），比让它自行假设更安全。
小步交付：单次变更范围可控（可评审的 diff 规模），大范围任务拆分批。
失败可归因：每个不通过项要能回答“缺什么、谁负责、怎么补”。

度量与改进

指标	含义	用途
一次通过率	首次提交即 PASS 的比例	衡量任务描述与门禁清晰度
未验证率	UNVERIFIED 占比	流程漏洞指标（越高说明证据要求没落地）
例外率	审批跳过/人工放行的比例	门禁被绕过的程度
返工轮次	平均退回次数	需求清晰度与 Agent 能力
人工评审耗时占比	花在核对事实上的时间比例	门禁有效性的直接体现

目标不是让 Agent 一次通过率高，而是让“未验证率与例外率趋零”：前者可能靠降低标准达成，后者才是真正的可信度提升。

常见误区

误区	修正
验收标准口头化	写进任务模板并作为门禁输入
人肉核对事实（文件是否存在）	交给门禁，人只看语义
时间紧就跳过门禁	走例外审批并统计，不能静默放行
大范围一次交付	拆分小批，可评审可回滚
只看通过率	同时盯未验证率与例外率

延伸阅读

本站：四值判定模型、fail-closed 门禁设计、完成的证据层级
持续交付与部署流水线中“质量门禁（quality gate）“的公开实践资料