当你的 AI 编码助手声称"已完成"但没跑测试时，你会怎么做？
当它反复用同一策略重试失败时，你还能相信它吗？
当它甩锅说"环境问题"却没有任何验证时，你是不是很崩溃？

---

问题：AI 编码的"自律陷阱"

如果你用过 Claude Code、Cursor、Copilot 等 AI 编码工具，一定遇到过这些场景：

❌ 提示词说 "你应该跑测试"    → AI 可以假装跑了
❌ 提示词说 "不要硬编码密钥"  → AI 可以忽视规则  
❌ 提示词说 "别暴力重试"      → AI 可以反复重试
❌ 提示词说 "先规划再写代码"  → AI 可以跳过规划直接写

根本问题：提示词是"建议"，AI 可以选择性遵守。

这就是 AI 编码的"自律陷阱" —— 我们试图用提示词教 AI “自律”，但 AI 本质上是概率模型，它没有真正的意志力。

---

解决方案：物理约束，而非提示词自律

SCALE Engine 的核心理念是：不要让 AI “自律”，而是用物理约束强制 AI 遵守规则。

✅ Stop Hook 检查 "未跑测试"  → AI 物理无法跳过验证
✅ PreTool Hook 拦截危险命令  → AI 物理无法执行 rm -rf
✅ FSM 状态机控制工作流       → AI 物理无法跳过规划阶段
✅ Role 网关限制工具权限      → AI 物理无法越权访问敏感文件
✅ 检测器发现异常行为         → AI 物理无法隐藏暴力重试

SCALE Engine 把"编码规范"从提示词层下沉到工具链层，用 六层架构 实现 AI 工程化。

---

v0.8.0 新特性

🤝 12 专业 Agent Profiles

让前端 Agent 写 UI，后端 Agent 写 API，测试 Agent 写 E2E，并行工作！

Agent	专长	典型任务
frontend-agent	React/Vue/CSS	页面组件开发
backend-agent	API/DB/Auth	服务端逻辑
test-agent	TDD/E2E	测试用例编写
code-review-agent	质量/安全	代码审查

使用示例：

scale agent spawn --profile frontend
scale team create --profiles frontend,backend,test --task "实现用户认证"
scale team execute --parallel

🧠 TF-IDF 记忆召回

知识库真正"理解"你的问题：

kb.recallByVector("登录失败怎么办", 10)  // 语义召回，不依赖精确 tags

🔄 自进化闭环

当 AI 犯错时，系统自动"学习"并阻止同类错误再发生：

Detector 发现异常 → 创建 Defect → 提取 Lesson → 生成 Rule → 写入 Hook

Karpathy 反惰性原则： 暴力重试、甩锅、工具闲置、忙碌假象、被动等待 —— 5 种懒惰模式都有反制机制。

---

实战案例：FSM 状态机阻止跳步

PENDING → PLANNING → APPROVED → IMPLEMENT → VERIFY → COMPLETE
   ↓          ↓          ↓           ↓          ↓
 必须输出   人工审核    才能编码    必须测试    才能完成
 设计文档

AI 物理无法跳过任何阶段！

---

快速开始

npm install @hongmaple0820/scale-engine

scale init --scenario standard
scale doctor
scale workflow list

支持 11 种主流 AI Agent：Claude Code、Codex CLI、OpenCode、Cursor、Gemini CLI 等。

---

开源信息

项目	链接
GitHub	https://github.com/hongmaple0820/scale-engine
Gitee	https://gitee.com/hongmaple/scale-engine
npm	@hongmaple0820/scale-engine
测试覆盖	410 tests

---