Communitygithub.com

delivery-gate

Stop hook que impede Claude de finalizar uma sessão até que verificações de qualidade sejam aprovadas. Detecta padrões de racionalização (heurísticas de texto superficial), logs de aprendizado desatualizados (mtime do sistema de arquivos) e espaço em disco baixo. Complementa o self-audit aplicando mecanicamente hábitos de registro de aprendizado.

O que é delivery-gate?

O delivery-gate é um Stop hook para Claude Code que atua como um portão de qualidade mecânico, bloqueando a conclusão de uma sessão até que verificações determinísticas sejam aprovadas. Diferente de gates de raciocínio como self-audit, que avaliam a qualidade do conteúdo, o delivery-gate verifica fatos verificáveis por máquina: timestamps de arquivos de aprendizado, espaço livre em disco e padrões de texto no transcript da sessão. Quando o agente executa tarefas complexas (3 ou mais edições), o hook exige que pelo menos um dos diretórios ou arquivos de aprendizado (como growth-log, decisions/log.md, output-index.md) tenha sido modificado no dia atual. Além disso, monitora o espaço em disco, emitindo avisos abaixo de 50GB e bloqueando a sessão abaixo de 15GB. A detecção de racionalização — termos como "skip tests for now" ou "pre-existing bug" — gera apenas avisos, pois heurísticas regex podem gerar falsos positivos. O objetivo é forçar o hábito de registrar aprendizado a cada sessão complexa, evitando o padrão "ship and forget" que não contribui para o crescimento do desenvolvedor. O hook é compatível com Python 3.8+, funciona em Windows, macOS e Linux, e não requer dependências além da stdlib. Pode ser instalado copiando o script quality-gate.py para ~/.claude/scripts/ e configurado via settings.json. As verificações são personalizáveis: é possível ajustar os padrões de racionalização, os caminhos das bibliotecas de aprendizado, o limite para considerar uma tarefa complexa e os thresholds de disco.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/delivery-gate

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Delivery Gate — Portão de Qualidade Mecânico para Claude Code

Um Stop hook que verifica três coisas antes que Claude possa finalizar uma sessão, usando apenas verificações determinísticas — timestamps de modificação de arquivos, uso de disco e padrões regex no texto do transcript. Sem inferência de IA.

Isto é diferente de gates de raciocínio (como self-audit): delivery-gate verifica fatos verificáveis por máquina; self-audit verifica a qualidade da saída em quatro dimensões de raciocínio. Juntos, formam defesa em profundidade:

  • delivery-gate: "A biblioteca de aprendizado foi tocada hoje? O espaço em disco está seguro?"
  • self-audit: "O conteúdo do arquivo está correto, completo e honesto?"

Este é o mesmo padrão de gates de pipeline de CI — verificações automatizadas e determinísticas que confirmam fatos legíveis por máquina, em vez de confiar em status auto-relatados.

O Que Ele Verifica

VerificaçãoMecanismoAo Acionar
Padrões de racionalizaçãoRegex na cauda do transcriptApenas aviso (nunca bloqueia)
Bibliotecas de aprendizado desatualizadasmtime em 5 caminhos configuráveisAviso se algumas desatualizadas; Bloqueio se >=3 desatualizadas OU growth-log desatualizado + tarefa complexa
Espaço em disco < 50GBshutil.disk_usageAviso
Espaço em disco < 15GBshutil.disk_usageBloqueio (exit 2)

A detecção de racionalização alerta sobre padrões como "pular testes por enquanto" e "bug pré-existente" — sinais superficiais de que o pensamento pode ter sido interrompido. Ela nunca bloqueia sozinha, pois heurísticas regex podem gerar falsos positivos. As condições de bloqueio são: disco crítico, >=3 bibliotecas de aprendizado desatualizadas, OU growth-log especificamente desatualizado (ambos exigem tarefa complexa >=3 edições).

Por Quê

As verificações embutidas do Claude Code cobrem qualidade de código (build → tipo → lint → teste). Mas existe um modo de falha diferente: o agente produz código funcional enquanto a higiene da sessão foi negligenciada — aprendizado não registrado, atalhos racionalizados, disco ficando sem espaço silenciosamente.

Ao longo de muitas sessões de "entrega e esquece", o humano não cresceu. Este hook impõe o hábito: tarefa complexa → deve tocar as bibliotecas de aprendizado.

Instalação

cp quality-gate.py ~/.claude/scripts/

Adicione em ~/.claude/settings.json:

{
  "hooks": {
    "Stop": [{
      "hooks": [{
        "type": "command",
        "command": "python3 ~/.claude/scripts/quality-gate.py",
        "timeout": 5000
      }]
    }]
  }
}

Bibliotecas de Aprendizado

Crie estes arquivos no diretório de memória do seu projeto. O hook verifica se pelo menos um foi atualizado hoje:

memory/
├── growth-log/          # Entradas de aprendizado diárias (diretório)
├── decisions/log.md     # Registro de decisões
├── output-index.md      # Índice de saídas da sessão
├── ratings-tracker.md   # Acompanhamento de avaliações de habilidades
└── tooling_capabilities.md  # Inventário de ferramentas conhecidas

Personalize o dicionário LIBS para corresponder à sua própria estrutura de arquivos.

Configuração

Edite quality-gate.py:

VariávelPadrãoPropósito
RATIONALIZE4 padrõesPadrões regex para detecção de racionalização
LIBS5 bibliotecasArquivos/diretórios para verificar atualizações de hoje
COMPLEX_THRESHOLD3Chamadas Editar/Escrever para classificar como complexa
DISK_WARN_GB50Avisar abaixo disto
DISK_CRIT_GB15Bloquear abaixo disto

Exemplos

Sessão simples — permitida:

edit_count=1 (< 3, não complexa) → exit 0

Tarefa complexa, aprendizado registrado — permitida:

edit_count=5 (complexa) → verifica LIBS → growth-log atualizado hoje → exit 0

Tarefa complexa, sem aprendizado — BLOQUEADA:

edit_count=4 (complexa) → verifica LIBS → todas as 5 desatualizadas → exit 2
stderr: "Blocked: tarefa complexa concluída mas nenhum aprendizado foi registrado hoje."

Espaço em disco baixo — BLOQUEADO:

disk_free=12GB < 15GB crítico → exit 2
stderr: "Blocked: espaço em disco em 12GB (limite: 15GB)."

Limitações

O hook impõe o hábito de tocar as bibliotecas de aprendizado, não a qualidade do que foi registrado. Se output-index.md for atualizado mas growth-log for ignorado, o hook passa (1 de 5 bibliotecas tocadas). Isso é proposital: gates mecânicos verificam fatos verificáveis por máquina. Para verificação de qualidade de conteúdo, combine com self-audit.

Compatibilidade

  • Python 3.8+ (usa from __future__ import annotations)
  • Multiplataforma: Windows, macOS, Linux
  • Zero dependências além da stdlib

Qualidade

Este código passou por 4 rodadas de revisão automatizada de código (CodeRabbit + Greptile) com 9 bugs reais encontrados e corrigidos.

Veja Também

  • self-audit — Gate de qualidade de raciocínio (completude/consistência/fundamentação/honestidade)
  • verification-loop — Verificações de qualidade de código (build/type/lint/test)
  • gateguard — Gate de segurança PreToolUse

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Habilidades Relacionadas