让Codex攻击你的计划：claudex-loop对抗式审查循环与VERDICT机制深度解析

让Codex攻击你的计划：claudex-loop对抗式审查循环与VERDICT机制深度解析

【免费下载链接】claudex-loopClaude Code skill: four-phase plan hardening (recon, interrogate, Codex adversarial review, cross-model build & inspection) — two AI models harden your plan before a line of code exists, then swap jobs to build it. Whoever built it never grades it.项目地址: https://gitcode.com/gh_mirrors/gr/claudex-loop

claudex-loop 是一个 Claude Code skill，它让 Claude 与 OpenAI Codex 两个 AI 模型组成对抗式审查循环：在写下一行代码之前，先由 Codex 在只读沙箱中反复攻击你的计划，每轮通过 VERDICT 机制做出 APPROVED / REVISE 二元裁决，直到计划收敛。核心理念只有一条——谁写的东西，谁永远不给自己打分。

为什么需要对抗式审查：AI 辅助编程的两个盲区

AI 辅助编码最容易失败在两个地方：

第二个盲区尤其隐蔽：让同一个模型审自己写的计划，它几乎总会放行。claudex-loop 的解法是引入一个跨供应商的"竞争对手"模型——OpenAI Codex，让它专门挑刺。

项目的首次真实运行就是最好的证据：一个经过深度调研、逐项确认过的 CRM 计划，仍被 Codex 找出了1 个无法构建的致命架构和约 6 个会腐蚀数据的错误设计——而且当时一行代码都还没有。

四阶段工作流：从侦察到交叉验收

你全程只需在四个点参与：确认假设清单、回答审问、为收敛后的计划签字、（可选）批准最终代码。

阶段 0 — RECON：先侦察，再提问

Claude 在问你任何问题之前先探明地形：

• 存量项目：扫架构、模块、既有模式，寻找CONTEXT.md术语表和docs/adr/决策记录；
• 全新项目：转向调研先行方案、技术栈、已知坑点。

产出是一张假设清单（Assumptions Ledger）：Claude 自己已解决的所有问题，一次性批量呈现给你确认。这是它比"连环追问"式访谈最省时的一步——凡是代码或调研已经回答的问题，绝不再问你。

阶段 1 — INTERROGATE：每个问题都要自证存在

审问阶段围绕一张决策地图展开，决策被分为两层：

• 承重决策（Load-bearing）：答错要付迁移、重写或安全事故的代价，如 schema、鉴权、并发、资金流——一次只问一个，且每个问题必须附带三行自证：为什么重要、Claude 的明确建议、猜错会坏什么；
• 外观决策（Cosmetic）：改名即可修复的，整批给出推荐答案，你有异议才改。

审问结束后，所有对齐结果写入 PLAN.md——Goal、Approach、Key decisions、Assumptions 一个不少。

核心机制拆解：对抗式审查循环与 VERDICT 裁决

这是 claudex-loop 的心脏，值得逐行看。完整规则见 skills/codex-review/SKILL.md。

只读沙箱：Codex 只能读，不能写

审查阶段 Codex每一轮都运行在只读沙箱中：

• 首轮：codex exec -s read-only ...
• 后续轮次：codex exec resume "$THREAD_ID" -c sandbox_mode="read-only" ...

第二个细节是全文最关键的安全线——resume子命令不接受-s参数，如果不显式强制只读，Codex 会继承你本地配置的沙箱默认值（可能是danger-full-access），审查中途就"顺手"改你的文件了。skill 会自动处理这两个坑。

VERDICT 机制：APPROVED 或 REVISE，二元裁决

每轮发送给 Codex 的审查提示词核心是（skills/claudex-loop/SKILL.md）：

你是一名实现计划的对抗式审查者。怀疑一切、具体到点——你的工作是找出哪里会坏，而不是好说话。找出具体缺陷：安全漏洞、竞态条件、缺失的边界情况、schema 冲突、错误假设……回复的最后一行必须恰好是一行：计划足以实现则输出VERDICT: APPROVED，仍有实质问题则输出VERDICT: REVISE。

机制上的三个巧思：

1. 结构化裁决：结论被约束成固定格式的一行，机器可直接 grep 解析，循环控制变成确定性的；
2. 同会话续审：第 2 轮起恢复同一个 Codex 会话（通过thread_id），审查者记得自己上一轮的全部发现，并会回头攻击"你上一轮接受的修复"——它不会翻旧账，但会验证修复是否真的成立；
3. 有界终止：MAX_ROUNDS（默认 5）是硬上限。到达上限仍未 APPROVED 时不伪装收敛，而是把每一处未决分歧连同 Claude 的反方立场列出来，交给人裁决——"被标记的死锁好过假的批准"。

Claude 是最终仲裁者，不是传声筒

收到VERDICT: REVISE后，Claude 逐条裁决：采纳好批评，拒绝坏批评——且拒绝必须写明理由并记入日志。全部无脑照办会毁掉跨模型检查的意义，全部无视则审查形同虚设。

辩论记录本身是交付物

每轮 Codex 的完整批评 + Claude 的回应都追加到PLAN-REVIEW-LOG.md。计划是"做什么"，这份日志是"为什么"——整个对抗过程的可追溯凭证，构建阶段还会在同一份日志下追加记录，一个文件讲完整个故事。

实战效果：55 个发现如何收敛到 0

README 中记录的首次端到端运行（greenfield CRM）数据：

• 5 轮共 55 个发现，最终VERDICT: APPROVED
• 1 个致命问题：一条"读起来完全合理"、但按字面无法构建的访问路径架构
• 约 6 个数据模型错误，若放行会在数周后腐蚀数据
• 约 7 个缺失子系统，包括一个没有数据源的首页功能
• 零误伤：审问阶段锁定的每条产品决策全部原样保留——审查只攻击"会怎么坏"，不碰"要造什么"

安装与快速上手

前提条件（只需一次）：

npm install -g @openai/codex@latest # Codex CLI ≥ 0.130 codex login # 任意 ChatGPT 账号即可

方式 A — 插件安装（推荐，自动更新）：

git clone https://gitcode.com/gh_mirrors/gr/claudex-loop # 或在 Claude Code 中执行： # /plugin marketplace add chaseai-yt/claudex-loop # /plugin install claudex-loop@claudex-loop

方式 B — 手动复制到 skills 目录（获得裸技能名/claudex-loop、/codex-review）：

cp -r skills/* ~/.claude/skills/

调用时说/claudex-loop，或直接讲人话："claudex this plan"、"stress-test this plan before we build" 都能触发。已有现成计划、只想做跨模型压力测试的，直接用独立的/codex-review（skills/codex-review/SKILL.md）。

可调参数速查表

项目文件导航

• 主技能（四阶段全量规则）：skills/claudex-loop/SKILL.md
• 独立审查循环：skills/codex-review/SKILL.md
• 术语表与 ADR 格式规范：skills/claudex-loop/CONTEXT-FORMAT.md、skills/claudex-loop/ADR-FORMAT.md
• 旧版访谈技能（已被替代，可作对照）：legacy/grill-me-codex/SKILL.md

一句话总结：claudex-loop 把"第二个模型"从可选变成制度——计划必须过 Codex 的 VERDICT，代码必须由对手方验收。高风险场景（鉴权、schema、并发、迁移、支付）下，这是目前对 AI 辅助编程回音室问题最干净的工程化答案。

【免费下载链接】claudex-loopClaude Code skill: four-phase plan hardening (recon, interrogate, Codex adversarial review, cross-model build & inspection) — two AI models harden your plan before a line of code exists, then swap jobs to build it. Whoever built it never grades it.项目地址: https://gitcode.com/gh_mirrors/gr/claudex-loop