来源：GitHub (★806)
URL: https://github.com/lennney/stop-that-shit
精读日期：2026-08-31
模型：DeepSeek V4 Flash（AI 生成，人工未审校）
正文获取：全文

一、核心论点/事实

  • Stop That Shit 是一个面向 AI coding agent 的多平台 Hook + Skill Guard 插件，核心目标是拦截 agent 无需求生成的哈希、校验和与任务范围膨胀（task-scope creep）。
  • 项目支持 5 个平台/Adapter：Codex、Claude Code、OpenCode、Hermes Agent CLI 和 Pi，四套 Adapter 共用同一套 Guard、Skill、成对案例与只存元数据的本地 Runtime。
  • 运行时要求：一般宿主需要 Node.js 18+；Pi 0.84.4 自身要求 Node.js 22.19+；OpenCode 1.18.18 或更高版本可全局安装。
  • 插件不数代码行数，也不把 diff 越小当成越好；它只问：这一步是用户要求的，还是当前代码、数据和验收条件确实需要的。
  • 维护者启用后个人观察：没有再遇到"没有实际消费者却先生成 SHA-256"的动作；该观察与 paired eval 分开记录。
  • 默认拒绝可识别的新 hash 操作；用户明确要求或仓库代码/发布流程证明必要时，可通过 change hash=allow 等命令显式放行。
  • 项目为首个多平台正式版本，并包含一个定向 pilot（Codex 安装方式、GPT-5.6 记录和 paired eval 见文档）。

二、方法/架构拆解

  • 三层架构：
  • Skill：负责语义判断，提供 advisory 模式（不拦截，只提示）。
  • Hook：在工具运行前检查明确边界，可机器拦截越界动作。
  • Adapter：把 Codex、Claude Code、OpenCode、Hermes Agent CLI 和 Pi 的事件翻译成同一套决策接口；其他 harness 需提供等价的 before-action 事件。
  • Guard 行为：确认某个动作越界时返回拒绝响应（红章），但不会猜测任务授权，也不会返回 permission deny；始终把 host effect 标为不确定（拒绝响应不证明宿主最终未执行动作）。
  • 命令接口：
  • review：Review diff，只报告问题，不修改。
  • change：修复失败的配置测试 / 修复行为，支持 files=、deps=allow、hash=allow、agents=1 等参数。
  • label evt_... correct|incorrect|inconclusive：显式标记事件结果。
  • 安装方式（各平台）：
  • Claude Code：claude plugin install stop-that-shit@stop-that-shit
  • Codex：codex plugin marketplace add lennney/stop-that-shit + codex plugin add stop-that-shit@stop-that-shit
  • OpenCode：opencode plugin github:lennney/stop-that-shit -g
  • Hermes：hermes plugins install lennney/stop-that-shit/.hermes-plugin（CLI 用户需新进程/会话，Gateway 用户需执行额外命令）
  • Pi：pi install /absolute/path/to/stop-that-shit（tag 发布后改用固定 Git tag）
  • Skill-only 路径：$skill-installer Install stop-that-shit from https://github.com/lennney/stop-that-shit/tree/0.1.0/skills/stop-that-shit；不需要 Hook 信任，但不能机器拦截越界动作。
  • 评测方法：paired eval 使用成对案例，一组有效案例只改一个关键事实，其余条件不变；Bad Case 标出该停的位置，Good Case 保住必要工作；只有可复现、高置信度的部分才进入 Guard。paired 命令默认只打印 72 个 cell 的计划，不调用模型；真实运行必须使用只启用本插件的独立 Codex home。
  • 典型拦截对象：没有消费者的 checksum 和 guard；无用户决策却写成一排界面免责声明的内部风险；该做工程判断时改成评分表和反复审计；为没人要求的将来加 feature flag、迁移框架和包装层。

三、值得注意的局限/争议

作者承认的局限：

  • Guard 只检查 covered Hook 路径上的任务授权，安全隔离由宿主 sandbox 负责，不替代宿主安全机制。
  • Guard 返回拒绝响应不证明宿主最终没有执行动作，host effect 始终标为不确定。
  • 维护者的"未再遇到 SHA-256"观察是个人经验，与 paired eval 分开记录，不构成严格证据。
  • Skill-only 路径不能机器拦截越界动作，也不会改变宿主原有的 sandbox 和 approval 设置。

AI 判断的局限/争议：

  • "无需求"的判断标准依赖用户意图和仓库上下文，存在主观性；插件不数代码行数，但"当前代码、数据和验收条件确实需要"的判定仍可能误伤合理防御性工作（如发布流程确实消费校验和的情况）。
  • 多平台 Adapter 共用同一套决策接口，但不同宿主的事件语义和权限模型差异可能未被完全覆盖，存在边界情况漏判风险。
  • 项目强调"Good Case 和拦截同样重要"，但成对案例的构建质量直接决定 Guard 精度，若案例覆盖不足，可能过度拦截或漏拦截。
  • 插件只处理"能明确判断的边界"，对模糊场景（如"该做工程判断时改成评分表"）依赖 Skill 语义判断，实际效果可能因模型能力而异。

四、与 RRLab 研究的关联

  • Harness 工程：本项目提供了多平台 Adapter 统一事件接口的参考实现，RRLab 在构建多模型 harness 时可借鉴其"同一套决策核心 + 平台适配层"的架构模式，降低多后端集成成本。
  • 多模型协同：插件展示了如何约束 agent 行为边界（任务授权），RRLab 在多模型协同场景中可参考其"Skill 语义判断 + Hook 机器拦截"的分层机制，防止模型间互相产生无意义副作用。
  • 模型评测：paired eval 方法论（成对案例、单变量控制、Bad/Good Case 区分）可直接迁移到 RRLab 的 agent 行为评测中，用于量化"任务范围控制"能力；72-cell 计划打印 + 独立 home 的隔离评测设计也值得借鉴。
  • Agent 落地：插件解决的是 agent 实际落地中的"防御性工作膨胀"问题，RRLab 在 Agent 产品化时可参考其"默认拒绝 + 显式放行"（change hash=allow）的交互设计，平衡安全与效率。
  • AI 原生产品：作为开源插件，其"红章拒绝 + 用户可覆盖"的反馈机制、以及"只存元数据"的本地 Runtime 设计，对 RRLab 构建 AI 原生工具链的隐私与可控性有参考价值。

本笔记由 DeepSeek V4 Flash 自动生成，未经人工审校。原文链接：https://github.com/lennney/stop-that-shit