Aftermatter — AI skill for Claude Code

中文 · English
Harness engineering, with evidence.

AfterMatter 读你的 AI 编码 Agent（Claude Code / Codex / Cursor / Qoder）留在本机的会话与仓库证据， 按五维 Agent Work Loop 产出改进发现，**每条断言都能指回原始字节**。它不止给报告：还会起草有界修复， 并用纵向统计验证改进是否真的发生了。

**状态：pre-alpha。** M0 骨架已完成（tag `v0.1.0-m0-skeleton`），**目前没有可运行命令**。 M2 出第一份不依赖 LLM 的报告，M6 起才是 `pip install aftermatter`。

为什么

Agent 改代码很快，薄弱环节往往在围绕它的工作流，而只看最终 diff 会系统性漏掉这些：目标被解决错了、 执行路径无人可复现、"Agent 说测试过了"无从考证、审查与交付检查被绕过、同样的摩擦在下一个任务重演。

面向单次调用的 Agent 可观测（tracing、token 大盘）已经是红海；**面向日常工作流的证据驱动体检 + 统计纵向验证**仍是空白带。AfterMatter 只做后者——它不是 coding agent（不执行开发任务）， 不是 tracing 工具，也不做模型能力榜单。

核心机制

**双大脑，同一契约。** 同一个确定性证据内核（零 LLM）向上供两推理前端：大脑①寄生宿主，通过 MCP 只读工具 + SKILL.md 由宿主 Agent 承担推理，零 API 成本；大脑②自带多 Provider 引擎，可在 cron / CI 无人值守运行。两者消费同一份 `EvidenceBundle`、产出同一份 `Finding` schema——推理前端可插拔，契约不可分叉。

**修复 + 纵向验证闭环。** 有界修复起草 → 白名单执行（dry-run 先行、`apply` 需显式确认、写入前有内容 哈希快照可回滚）→ 干预台账 → 在后续**可比较**的 Episode 上做 bootstrap 置信区间与 CUSUM 变点检验。 显著才升 `verified`；不显著就保持 `fixed` 并写明还缺多少样本——"证据不足"是合法输出，不是失败。

**执行级证据，不信转述。** 被声称"已通过"的验证命令会在断网沙箱里复跑（`claimed_ok → replay_ok`）； 再用静态影响面（blast radius）× 实际测试覆盖面找**验证空洞**——改核心只跑边缘测试会被抓出来。

**分数不能靠话术膨胀。** 证据状态决定该维度上限：缺失 / 未观测 / 不适用 ≤ 59，Present ≤ 74， Wired ≤ 84，Exercised ≤ 94，Outcome-supported ≤ 100。超过天花板的分数在写盘前被校验器拒绝。

**Local-first 隐私。** 原始会话、prompt 全文、真实路径永不出