Dual Gate Moa — Testing skill for Claude Code

双门 · MoA Agent 工作流架构（Dual-Gate-MoA）

[](./LICENSE) [](./LICENSE-docs.md) [](./dual-gate-replication-prd.md)

[English README](./README.en.md)

给 LLM agent 的每次任务装上入口与出口两道门，中间为高价值交付加一场多候选竞争：动手前先侦察，交付前必终检；触发靠 hook，不靠模型自觉。

先认识几个词

如果你不写代码，认识这五个词就能读完全文：

• agent：让大语言模型（LLM）自己规划步骤、调用工具、把一件事从头做到尾的工作方式——一个会自己动手的 AI 助手。
• subagent（子代理）：主 agent 临时请来的专职同事，在隔离的上下文里只干一件事，干完交报告。本项目的侦察员和质检员都是 subagent。
• hook（钩子）：宿主软件在固定时机自动运行的小脚本，比如「用户每发一条消息就执行一次」。它到点必响，不管模型记不记得。
• harness（运行框架）：承载 agent 干活的宿主环境（如 Claude Code、Cursor），hook 和 subagent 这些机制层能力都由它提供。
• MoA（Mixture-of-Agents，多代理混合）：同一个任务让多个模型各写一份完整答案，再由聚合器合成一份更好的终稿——像编辑部收三份独立初稿，出一篇定稿。

为什么存在

LLM agent 的失误，常常发生在两个时刻。

第一个时刻在入口。agent 拿到任务直接开干，外部事实没查，用户约束没问，上下文（模型当下记在脑子里的信息）缺口被带进执行过程，最后变成方向性返工。

第二个时刻在出口。答案写完就交付，没有独立质检，事实错误、答非所问、选择性遗漏直接流向用户，用户被迫当 QA（质检员）。

把「请你先确认需求」「请你交付前自查」写进提示词，只能算软提醒。上下文一长，提醒会被稀释。要让关键动作稳定触发，就不能只依赖模型记得，而要把它们移到 harness 的机制层。

Dual-Gate-MoA 做的就是这件事：入口一道侦察门，出口一道质检门，两门之间为值得较真的交付备一场多候选竞争。双门本体可以独立安装，MoA 是按需加装的扩展模块（PRD §14）；完整形态就是仓库名本身——`dual-gate-moa`。

设计哲学

一句话：**强制在流程层，克制在内容层。**

强制，是因为触发由 hook 执行，不依赖 agent 的记忆。入口的 `UserPromptSubmit` hook（用户每提交一条消息就触发）会 100% 注入「先侦察再执行」规则；出口的 Stop hook（agent 试图结束回合时触发）会检查 QA 表态，没有表态就拦回，连续拦 8 次后系统强制放行，避免死循环。

克制，是因为触发之后做多做少，仍交给智能判断。侦察员发现上下文足够，可以秒退；质检员认为交付物达标，可以一次 PASS；闲聊、纯查询和琐碎机械任务，写一个豁免标记就走零开销路径。

还有一条贯穿始终的模型策略：**判断力密集的节点，永远用手里最强的模型。** 聚合器 `moa-aggregator` 与终检员 `qa-checker` 通过 `model: inherit` + `effort: max` 钉在主会话当前可用的最强模型档位——判断力不降级，且随模型迭代自动跟进；三个起草者（proposer）则刻意混布模型档位与解题视角（默认档三发 A/A/B：Sonnet·max ×1 + Opus·xhigh ×2，两个从正面解题、一个专走逆向；另有论文忠实版全顶配可切换），让候选之间的差异来自构造，而不是运气。

门不信任模型的记性，但信任模型的判断。v1.7 之后还多了一条：**门也不信任模型一定能跑完。** 真实事故取证发现，深思考档位的模型在重任务包上会陷入"思考失控"——整个输出窗口烧在推理上、一个字正文都不出。修法不是祈祷，是工程：后台派生（单点挂死不拖死全局）、看门狗定时自查（不再等用户发现）、尾部