上线验 LaunchCheck

要解决什么问题

代码写完、功能跑通，并不代表系统上线就安全。合规条款（《个人信息保护法》、GDPR 等）、行业规范（WCAG 2.1、PCI-DSS）以及交互体验、运维成本、容灾恢复这些维度，往往散落在法务、安全、产品各自的检查清单里，开发侧很难系统性覆盖。LaunchCheck 的定位是独立第三方系统层 AI 质检裁判：不改代码、不碰部署，只对已经可运行的系统做验收，然后回答一个问题——能不能上线。

它如何工作

核心是一条固定的五步流水线：

• 识别：先判断产品类型（9 种）与运营地域（5 种），据此加载法规库、行业规范库、标杆参照库三层标准；跨境模式会做双线合规冲突识别。
• 逐项验证：15 个一级维度全部覆盖，不得跳过；未涉及的维度标注“系统未覆盖”并计入覆盖度缺口。
• 定级：问题分 L1/L2/L3 三级，L1 指合规硬伤、安全漏洞、数据泄露风险，检出即熔断，未整改前禁止推进上线。
• 双板块输出：人类可读的系统质量验收报告，外加机器可读的修复任务 JSON（含 task_id、acceptance、location 等字段）和标准覆盖度报告，方便直接对接后续开发流程。
• 可追溯：每次评审生成唯一任务 ID，记录输入来源与输出摘要。

工程侧还提供了闭环能力：launchcheck_state.json 记录每条 finding 的状态，loop_engine.py 提供 init、verify、close、diff、bridge、monitor 等命令。确定性检查（如 file_exists:）自动判定，其余项输出人工清单；L1 必须人工确认才能关闭，脚本不会自动改代码，也不会自动宣称闭环。专业版另有 --evolve 自进化流水线，带 token 预算上限与评分回滚机制。

适用边界

• 只裁判不参赛：写代码、改系统、手动部署都交给外部 AI 开发平台完成。
• 评审由本地 LLM 执行，质量取决于标准库覆盖度与模型判断；engines_baseline.py 目前是占位实现，真实多维交叉评测待完整引擎接入。
• 标准库按产品类型与地域裁剪加载，跨境场景的双线冲突需人工裁决。
• 付费网关只负责下单、预下单与验单，不参与任何评审。