自推送：提交前的懒检查

问题：模型的“满足需求”陷阱

大语言模型在训练时被优化为“产生足够好以避免被纠正的输出”。在人类参与的交互式会话中，人类审阅者会提供纠正信号，促使模型改进。但在自主代理（Autonomous Agents）运行中，没有实时的人类反馈。模型倾向于选择阻力最小的路径，产生“结构上正确但内容单薄”的敷衍输出。当代码、分析或决策以比预期快得多的速度拼凑完成时，往往意味着模型已经陷入了“satisficing”（满足需求）而非“maximizing”（最大化质量）的默认模式。

工作机制：强制质量门与反合理化

该技能在提交前注入了一个明确的质量检查点（Lazy-Check）。其核心工作流包含以下关键步骤：

• 三问测试：在提交任何重要输出前，模型必须回答三个关键问题。如果无法用证据回答所有问题，必须重做，而不是简单地增加字数。
• 反合理化分析：通过结构化的反合理化表，识别并驳斥常见的思维捷径。例如，拒绝“稍后修复根因”的借口，因为自主会话中“稍后”永远不会到来；或者拒绝“测试通过即代码正确”的假设，因为测试无法捕获架构漂移或静默的边界情况。
• 红旗排查：检查输出中是否存在危险信号，如无法说明考虑并拒绝的替代方案、在没有追溯根本原因的情况下“修复”症状，或声称已验证但对话中缺乏输出证据。

适用边界与注意事项

该技能专为将要发布的非平凡输出（如分析、计划、代码或决策）设计，尤其是在缺乏人类审查的自主运行环境中。

然而，并非所有任务都需要这种深度的自我审视。对于琐碎的配置编辑（如修改 .env 文件中的单个变量）、日志日期戳记录或机械的元数据更新，应直接跳过此检查以避免不必要的算力消耗。本质上，这个技能将代理的优化目标从“避免被纠正”硬性切换为“最大化正确性”，迫使模型直面自己是否走了捷径。