multi-ai-verification

用途

multi-ai-verification 用于对已完成实现的代码进行多层独立质量验证，确保达到可上线的生产级质量。它采用五层验证金字塔结构，从底层的自动化规则检查逐层向上，直到顶层的 LLM 质量评分，形成一套完整的质量门禁体系。

主要能力

该技能以任务式模式运行，包含 5 个独立的验证操作，每层一个：

规则层验证（Layer 1）：自动化校验代码结构、格式与类型。包括 Schema 校验（如 ajv 校验 JSON/YAML）、Linting（ESLint、Pylint）、类型检查（tsc、mypy）、格式校验（Prettier）以及静态安全扫描（Semgrep、Bandit），检查硬编码密钥、SQL 注入、XSS、不安全依赖等。约 95% 自动化，秒级反馈，确定性高。
功能层验证（Layer 2）：通过测试执行与覆盖率验证功能。运行完整测试套件并采集覆盖率、验证文档示例代码（目标 ≥90% 示例可运行）、检查覆盖率（行/分支/函数/路径，门槛 ≥80%）、回归测试与性能验证。约 60-80% 自动化。
视觉层验证（Layer 3）：验证 UI 外观、布局与无障碍（适用于 UI 功能）。包括截图生成（Playwright）、视觉对比（Percy/Chromatic）、布局清单校验、响应式测试（移动/平板/桌面）与无障碍扫描（axe-core、pa11y，WCAG 合规）。约 30-50% 自动化。
集成层验证（Layer 4）：验证系统级集成、数据流与 API 兼容性。包括组件集成测试、数据流验证、API 集成测试、端到端工作流测试与依赖兼容性检查（npm audit、npm outdated）。约 20-30% 自动化。
质量评分层（Layer 5）：使用 LLM-as-judge 与 Agent-as-a-Judge 模式进行整体质量评估。由独立质量评估代理从正确性、功能性、质量、集成、安全五个维度各打 0-20 分，合计 0-100 分，阈值 ≥90。对关键功能可采用 3-5 个代理投票委员会，取中位数，若分歧（极差 >15）则增加至 5 个代理。评分需对照评分标准校准，低于 90 分时输出差距分析，给出可执行建议（What/Where/Why/How/Priority）。约 0-20% 自动化。

使用方式

该技能以任务式模式运行，5 个验证操作相互独立。每层完成后生成对应报告并给出 PASS/FAIL 状态，所有 5 层通过才批准生产。核心原则包括：多层防御（不同层捕获不同类型问题）、独立验证（验证代理与实现/测试分离，防止偏见与测试作弊）、渐进式自动化（能自动化的尽量自动化，95% → 0%）、质量评分（0-100 客观评分，≥90 阈值）、可执行反馈（100% 反馈具体可操作）。

适用场景

提交或部署前的最终质量检查
独立代码评审（防止偏见）
安全验证（OWASP、漏洞）
全面 QA（所有层）
测试质量验证（防止作弊）
生产就绪验证

前提条件

必需：待验证的代码（实现已完成）、可用的测试（用于功能验证）、已定义的质量标准。

推荐：multi-ai-testing（用于生成/运行测试）、multi-ai-implementation（用于实施修复）。

可用工具

Linters（ESLint、Pylint）、类型检查器（TypeScript、mypy）、覆盖率工具（c8、pytest-cov）、安全扫描器（Semgrep、Bandit）、测试框架（Jest、pytest）。

限制

各层自动化程度与耗时不同：规则层秒级、功能层分钟级、视觉层分钟至小时级、集成层小时级、质量评分层小时级且成本较高。视觉层与质量评分层依赖主观判断，置信度为中等。视觉层在无 UI 时可跳过。质量评分层建议使用不同模型家族以降低自我偏好偏差。具体收费、价格与平台支持信息暂未提供。