Delivery Gate — Claude Code 的机械质量门控
一个停止钩子，在 Claude 结束会话前检查三个条件，仅使用确定性检查——文件修改时间戳、磁盘使用率和转录文本上的正则表达式模式。不依赖 AI 推理。
这与推理门控（如 self-audit）不同：delivery-gate 检查机器可验证的事实；self-audit 则在四个推理维度上检查输出质量。两者共同构成深度防御：
- delivery-gate：“今天学习库被触碰了吗？磁盘空间安全吗？”
- self-audit：“文件内容正确、完整且诚实吗？”
这与 CI 流水线门控模式相同——自动化的确定性检查验证机器可读的事实，而非相信自我报告的状态。
检查内容
| 检查项 | 机制 | 命中时处理 |
|---|---|---|
| 合理化模式 | 对转录文本尾部进行正则匹配 | 仅警告（从不阻止） |
| 过时的学习库 | 检查 5 个可配置路径的 mtime | 部分过时则警告；阻止条件：>=3 个过时 或 复杂任务 + growth-log 过时 |
| 磁盘空间 < 50GB | shutil.disk_usage | 警告 |
| 磁盘空间 < 15GB | shutil.disk_usage | 阻止（退出码 2） |
合理化检测会警告诸如“跳过测试”、“预先存在的 bug”等模式——这些是思维可能被缩短的表面信号。它本身从不阻止，因为正则启发式可能误报。阻止条件为：磁盘临界、>=3 个学习库过时，或 growth-log 特定过时（均要求复杂任务 >=3 次编辑）。
为什么需要
Claude Code 的内置检查覆盖代码质量（构建→类型→lint→测试）。但存在另一种失败模式：代理生成了可运行代码，但会话卫生被忽视——未记录学习、合理化捷径、磁盘静默耗尽。
在“发布即忘”的多个会话中，人类并未成长。此钩子强制执行习惯：复杂任务 → 必须触碰学习库。
安装
cp quality-gate.py ~/.claude/scripts/
添加到 ~/.claude/settings.json：
{
"hooks": {
"Stop": [{
"hooks": [{
"type": "command",
"command": "python3 ~/.claude/scripts/quality-gate.py",
"timeout": 5000
}]
}]
}
}
学习库
在项目的 memory 目录下创建这些文件。钩子检查当天是否至少有一个文件被更新：
memory/
├── growth-log/ # 每日学习条目（目录）
├── decisions/log.md # 决策日志
├── output-index.md # 会话输出索引
├── ratings-tracker.md # 技能评级随时间变化
└── tooling_capabilities.md # 已知工具清单
自定义 LIBS 字典以匹配你自己的文件结构。
配置
编辑 quality-gate.py：
| 变量 | 默认值 | 用途 |
|---|---|---|
RATIONALIZE | 4 个模式 | 用于合理化检测的正则模式 |
LIBS | 5 个库 | 要检查今日更新的文件/目录 |
COMPLEX_THRESHOLD | 3 | 将编辑/写入调用分类为复杂的阈值 |
DISK_WARN_GB | 50 | 低于此值发出警告 |
DISK_CRIT_GB | 15 | 低于此值阻止 |
示例
简单会话 — 允许：
edit_count=1 (< 3, 不复杂) → exit 0
复杂任务，已记录学习 — 允许：
edit_count=5 (复杂) → 检查 LIBS → growth-log 今天已更新 → exit 0
复杂任务，未记录学习 — 已阻止：
edit_count=4 (复杂) → 检查 LIBS → 全部 5 个过时 → exit 2
stderr: "Blocked: complex task completed but no learning captured today."
磁盘空间低 — 已阻止：
disk_free=12GB < 15GB 临界 → exit 2
stderr: "Blocked: disk space at 12GB (threshold: 15GB)."
限制
此钩子强制执行触碰学习库的习惯，而非记录内容的质量。如果 output-index.md 已更新但 growth-log 被跳过，钩子将通过（5 个库中触碰了 1 个）。这是有意为之：机械门控检查机器可验证的事实。对于内容质量验证，请与 self-audit 配合使用。
兼容性
- Python 3.8+（使用
from __future__ import annotations） - 跨平台：Windows、macOS、Linux
- 零依赖，仅使用标准库
质量
此代码经历了 4 轮自动化代码审查（CodeRabbit + Greptile），发现并修复了 9 个真实 bug。
参见
self-audit— 推理质量门控（完整性/一致性/有依据/诚实性）verification-loop— 代码质量检查（构建/类型/lint/测试）gateguard— PreToolUse 安全门控