Phase 14: Agent Engineering

دروازه های تأیید

یک دروازه تأیید قرارداد دامنه، دفترچه بازخورد، گزارش قوانین و تفاوت را می خواند و به یک سوال پاسخ می دهد: آیا این کار واقعاً تکمیل شده است؟ اگر دروازه جواب نه دهد، کار انجام نشده است، مهم نیست چیت چه بگوید.

Type: Build

Languages: Python (stdlib)

Prerequisites: Phase 14 · 33 (Rules), Phase 14 · 36 (Scope), Phase 14 · 37 (Feedback)

Time: ~55 minutes

اهداف یادگیری

یک دروازه تأیید را به عنوان یک تابع تعیین کننده بر روی آثار میز کاری تعریف کنید.
گزارش قاعده، گزارش دامنه، گزارش بازخورد و تفاوت را در یک حکم واحد ترکیب کنید.
یک .verification_report.jsonمامور بازرس و اطلاعاتي هر دو ميتونن بخونن
بدون استثناء، از پیشبرد یک کار در مورد هر گونه شکست سختی بلاک، انکار کنید.

مشکل

ماموران موفقيت رو خيلي راحت اعلام ميکنن. سه شکل شکست برشون مسلط است:

"به نظر خوب میاد" مدل تفاوت خودش رو خوند و تصمیم گرفت درست باشه
"تست ها موفق شدند" با اعتماد به نفس گفت. هیچ سابقه ای از آزمایش در واقع اجرا نشده است.
"اقبولی به دست آمده" معیارهای پذیرش به اندازه کافی به طور آزادانه تفسیر شده که به معنای "هر کاری که شبیه به انجام شده است" باشد.

دروازه ی ورژن کنترلی است، دروازه به CI متصل است، عامل نمی تواند آن را رشوه دهد. دروازه ی ورژن کنترلی است. دروازه ای که در ورژن کنترلی است، دروازه ای است که در ورژن کنترلی است. دروازه ای که در ورژن کنترلی است. دروازه ای که در ورژن کنترلی است. در ورژن کنترلی است. در ورژن کنترلی است. در ورژن کنترلی است. در ورژن کنترلی است. در ورژن کنترلی است. در ورژن کنترلی است. در ورژن کنترلی است. در ورژن کنترلی است. در ورژن کنترلی است. در ورژن کنترلی است. در ورژن کنترلی است. در ورژن کنترلی است. در ورژن کنترلی است. در ورژن کنترلی است.

مفهوم

flowchart TD
  Diff[Diff] --> Gate[verify_agent.py]
  Scope[scope_report.json] --> Gate
  Rules[rule_report.json] --> Gate
  Feedback[feedback_record.jsonl] --> Gate
  Gate --> Verdict[verification_report.json]
  Verdict --> Pass{passed?}
  Pass -- yes --> Review[Reviewer Agent]
  Pass -- no --> Refuse[refuse done + surface to human]

چه چيزهايي که دروازه ميگيره

Check	Source artifact	Severity
All acceptance commands ran	`feedback_record.jsonl`	block
All acceptance commands exited zero	`feedback_record.jsonl`	block
Scope check has no forbidden writes	`scope_report.json`	block
Scope check has no off-scope writes	`scope_report.json`	block or warn
All block-severity rules pass	`rule_report.json`	block
No `null` exit codes in feedback	`feedback_record.jsonl`	block
Touched files match `scope.allowed_files`	both	warn

Awarnپیدا کردن به حکم اشاره می کند.blockپیدا کردن مانعpassed: true. .

تعیین کننده، نه احتمال

دروازه باید هر بار برای همان آرتیفاکت تنظیم شده حکم مشابهی را ارائه دهد. هیچ قاضی LLM وجود ندارد. قاضی LLM به طرف بازرس تعلق دارد (فاز 14 · 39) که هدف ارزیابی کوالیتی است نه وضعیت.

یک گزارش، یک مسیر

دروازه يه نفر رو مي فرستدverification_report.jsonدر زیر نوشته شده استoutputs/verification/<task_id>.json.آريايي ها به همان راه ميرن .دروازه هاي مختلف با راه هاي مختلف به منبع حقيقت ميرن

بدون استثناء رد

یافته های شدت بلوک نمیتوانند توسط عامل رد شوند.override_reasonو یکoverridden_byاسم کاربری، تغییرنامه امضا شده، نه تصمیم نماینده

آن را بسازید

code/main.pyابزار:

يه بارگيري براي هر اثر وارداتي که همه ي آن ها به صورت محلي به دست مياد تا درس خودشون رو به خود بگيره
Averify(task_id, artifacts) -> VerdictReportعملکرد خالص
یک پرینتر که نتایج هر چک و آخرین پاس/فایل را نشان می دهد.
یک نمایشگاه با سه سناریوی کار: گذرگاه پاک، دامنه ترسناک، پذیرش از دست رفته.

اجرا کن

python3 code/main.py

نتیجه: سه گزارش حکم، هرکدوم کنار اسکریپت ذخیره شده

الگوهای تولید در طبیعت

چهار الگوي دروازه را از "کار ديگه اي" به "حرفي مهم" بلند مي کنند.

Defense-in-depth, not single gate.هر لایه تعیین کننده است بنابراین شکست در یک لایه توسط بعدی گیر می شود. کتاب بازی مارس 2026 microservices.io واضح است: هک قبل از تعهد غیر قابل عبور است زیرا برخلاف مهارت های طرف مدل، به عامل پیروی از دستورالعمل بستگی ندارد. دروازه تأیید در لایه CI / قبل از ادغام قرار دارد.

Defense by deterministic check, model-judge only for nuance.جفت بندی استاندارد های ترکیبی 2026 Anthropic: پاداش قابل تأیید (تست های واحد، چک های طرح، کد خروج) پاسخ "کد مشکل را حل کرد؟" Rubrics LLM پاسخ "کد قابل خواندن، ایمن، در سبک است؟" دروازه کلاس اول را اجرا می کند؛ بازرس (فاز 14 · 39) کلاس دوم را اجرا می کند. مخلوط کردن آنها سیگنال را فرو می برد.

Signed override log, not Slack threads.هر رد رد يه رد در ميادoutputs/verification/overrides.jsonlبا: تایم استیمپ، پیدا کردن کد، دلیل، کاربر امضا کننده، تعهد فعلی HEAD. زمان اجرا هرگونه رد که از دستمزد محروم است را رد می کند؛ مسیر حسابرسی git-tracked است. این خط بین یک سیاست رد و یک تئاتر رد است.

Coverage floor as a first-class check.Acoverage_report.jsonغذا می دهدcoverage_floor(پیش فرض 80٪) بررسی. دروازه شکست می خورد اگر پوشش اندازه گیری شده از طبقه یا زیر طبقه ادغام قبلی بیش از 1 درصد کاهش یابد. بدون این بررسی، عوامل به طور آرام آزمایشات شکست خورده را حذف می کنند و گزارش های تأیید سبز باقی می ماند.

--strict mode promotes warns to blocks.برای شاخه های آزاد، روابط عمومی برای مسدود کردن کشتی یا تشخیص پس از حادثه--strictهر هشدار یک شکست سخت است. پرچم انتخاب با شاخه است؛ نه پیش فرض جهانی، زیرا سخت در همه چیز جریان روزانه را خراب می کند.

ازش استفاده کن

الگوهای تولید:

CI step.Averify_agent.کار دروازه رو به سمت آثار نهایی مامور اجرا ميکنه .حمايت ادغام بدون اجازهpassed: true. .
Pre-handoff hook.مامور زمان اجرا قبل از تولید اسناد تحویل به دروازه زنگ می زند.
Manual triage.اپراتورها وقتي گزارش رو مي خوانند که يه مامور موفق مي شه و يه انسان به اون شک ميکنه

دروازه حاشیه ی تعیین کننده در جریان میز کاری است. هر سطح دیگری که در جریان آن است.

-باده

outputs/skill-verification-gate.mdدروازه را به یک پروژه خاص متصل می کند: کدام دستورات پذیرش آن را تغذیه می کنند، قوانین سختی بلاک کدامند، چه نوشته های خارج از محدوده پذیرفته می شوند، چگونه دفترچه حسابرسی رد ذخیره می شود.

تمرینات

اضافه کنیدcoverage_floorبررسی: فرماندهی آزمایش باید گزارش پوشش را با حداقل 80٪ ارائه دهد. تصمیم بگیرید که چه اثری کف را حمل می کند.
حمایت از--strictروشي که هرwarnبهblock. پرونده هایی را که حالت سخت است، به طور پیش فرض درست است، مستند کنید.
دروازه را به عنوان یک خلاصه Markdown به علاوه JSON تولید کنید. دفاع کنید که کدام زمینه ها در خلاصه تعلق دارند.
اضافه کنیدtime_since_last_human_touchچک: هر فایل ای که در عرض 60 ثانیه از فشار کلید انسانی ویرایش شده است از پرچم های خارج از محدوده معاف است.
دروازه را روی یک عامل واقعی که متفاوت از محصول شما اجرا کنید. چند تا یافته واقعی و چند تا شور هستند؟ دروازه باید کجا رشد کند؟

اصطلاحات کلیدی

Term	What people say	What it actually means
Verification gate	"The check that stops things"	Deterministic function over workbench artifacts producing a pass/fail verdict
Block severity	"Hard fail"	A finding that prevents `passed: true` and requires a signed override
Override log	"Why we let it through"	Signed entries with reason and user id, audited by review
Acceptance command	"The proof"	A shell command whose zero exit is what `done` means
One report path	"Source of truth"	`outputs/verification/<task_id>.json`, consumed by CI and humans alike

خواندن بیشتر

Anthropic, Harness design for long-running application development
OpenAI Agents SDK guardrails
microservices.io, GenAI dev platform: guardrails دفاع عمیق بین پیش از تعهد و CI
ICMD, The 2026 Playbook for Agentic AI Ops پله ی دروازه های تأیید (مطرحی → تایید → اتوماتیک زیر سنین)
Type-Checked Compliance: Deterministic Guardrails (arXiv 2604.01483) Lean 4 به عنوان مرز بالای گاتینگ تعیین کننده
logi-cmd/agent-guardrails — merge gate spec دامنه + دروازه های آزمایش جهش
Guardrails AI x MLflow اعتبارگرهای تعیین کننده به عنوان نمرات CI
مرحله 14 · 27 دفاع های تزریق سریع (دفتر مخالف دروازه)
مرحله 14 · 36 قرارداد دامنه این دروازه اجرا می شود
مرحله 14 · 37 گزارش بازخورد این دروازه امتیازات
مرحله 14 · 39 مامور بازرس دروازه دست ها را به

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.