mturac 圣诞老人方法
多智能体对抗验证框架。列个清单，检查两遍。如果行为不端，就修正直到表现良好。
核心洞察：单个智能体审查自身输出时，会共享产生该输出的相同偏见、知识盲区和系统性错误。两个没有共享上下文的独立审查者可以打破这种故障模式。
何时激活
在以下情况调用此技能：
- 输出将被发布、部署或供最终用户使用
- 必须强制执行合规、监管或品牌约束
- 代码未经人工审查即投入生产
- 内容准确性至关重要（技术文档、教育材料、面向客户的文案）
- 大规模批量生成，抽检无法发现系统性模式
- 幻觉风险较高（声明、统计数据、API 参考、法律用语）
不要用于内部草稿、探索性研究或具有确定性验证的任务（这些请使用构建/测试/代码检查流水线）。
架构
┌─────────────┐
│ 生成器 │ 阶段 1：列出清单
│ (代理 A) │ 生成交付物
└──────┬───────┘
│ 输出
▼
┌──────────────────────────────┐
│ 双重独立审查 │ 阶段 2：复核两次
│ │
│ ┌───────────┐ ┌───────────┐ │ 两个代理，同一评分标准，
│ │ 审查者 B │ │ 审查者 C │ │ 无共享上下文
│ └─────┬─────┘ └─────┬─────┘ │
│ │ │ │
└────────┼──────────────┼───────┘
│ │
▼ ▼
┌──────────────────────────────┐
│ 裁决门 │ 阶段 3：判定好坏
│ │
│ B通过且C通过 → 好 │ 两者必须通过。
│ 否则 → 坏 │ 无例外。
└──────┬──────────────┬────────┘
│ │
好 坏
│ │
▼ ▼
[ 发布 ] ┌─────────────┐
│ 修复循环 │ 阶段 4：修复至通过
│ │
│ 迭代次数++ │ 收集所有标记。
│ 若 i > 最大: │ 修复所有问题。
│ 升级处理 │ 重新运行两个审查者。
│ 否则: │ 循环直至收敛。
│ 跳至阶段2 │
└──────────────┘
阶段详情
阶段 1：列清单（生成）
执行主要任务。无需改变正常的生成工作流程。圣诞老人方法是一个生成后验证层，而非生成策略。
# The generator runs as normal
output = generate(task_spec)
阶段 2：检查两遍（独立双重审查）
并行生成两个审查智能体。关键不变项：
- 上下文隔离 — 两个审查者互不见面对方的评估
- 相同评估标准 — 两者收到相同的评估标准
- 相同输入 — 两者都收到原始规格说明和生成的输出
- 结构化输出 — 每个审查者返回类型化的判定，而非散文
REVIEWER_PROMPT = """
You are an independent quality reviewer. You have NOT seen any other review of this output.
## Task Specification
{task_spec}
## Output Under Review
{output}
## Evaluation Rubric
{rubric}
## Instructions
Evaluate the output against EACH rubric criterion. For each:
- PASS: criterion fully met, no issues
- FAIL: specific issue found (cite the exact problem)
Return your assessment as structured JSON:
{
"verdict": "PASS" | "FAIL",
"checks": [
{"criterion": "...", "result": "PASS|FAIL", "detail": "..."}
],
"critical_issues": ["..."], // blockers that must be fixed
"suggestions": ["..."] // non-blocking improvements
}
Be rigorous. Your job is to find problems, not to approve.
"""
# Spawn reviewers in parallel (OpenAI Codex subagents)
review_b = Agent(prompt=REVIEWER_PROMPT.format(...), description="Santa Reviewer B")
review_c = Agent(prompt=REVIEWER_PROMPT.format(...), description="Santa Reviewer C")
# Both run concurrently — neither sees the other
评估标准设计
评估标准是最重要的输入。模糊的标准会产生模糊的审查。每个标准必须有客观的通过/失败条件。
| 标准 | 通过条件 | 失败信号 |
|---|---|---|
| 事实准确性 | 所有声明均可根据源材料或常识验证 | 编造的统计数据、错误的版本号、不存在的 API |
| 无幻觉 | 没有虚构的实体、引用、URL 或参考文献 | 指向不存在页面的链接、无来源的引用 |
| 完整性 | 规格说明中的每个要求都得到满足 | 缺少章节、遗漏边缘情况、覆盖不完整 |
| 合规性 | 通过所有项目特定的约束 | 使用禁用术语、语气违规、监管不合规 |
| 内部一致性 | 输出内无矛盾 | A 部分说 X，B 部分说非 X |
| 技术正确性 | 代码可编译/运行，算法合理 | 语法错误、逻辑错误、错误的复杂度声明 |
特定领域评估标准扩展
内容/营销：
- 品牌语气一致性
- 满足 SEO 要求（关键词密度、元标签、结构）
- 无竞争对手商标滥用
- CTA 存在且链接正确
代码：
- 类型安全（无
any泄漏，正确处理 null） - 错误处理覆盖
- 安全性（代码中无秘密、输入验证、注入防护）
- 新路径的测试覆盖
合规敏感（受监管、法律、金融）：
- 无结果保证或未经证实的声明
- 存在所需的免责声明
- 仅使用批准的术语
- 符合司法管辖区的语言
阶段 3：表现好坏（判定门控）
def santa_verdict(review_b, review_c):
"""Both reviewers must pass. No partial credit."""
if review_b.verdict == "PASS" and review_c.verdict == "PASS":
return "NICE" # Ship it
# Merge flags from both reviewers, deduplicate
all_issues = dedupe(review_b.critical_issues + review_c.critical_issues)
all_suggestions = dedupe(review_b.suggestions + review_c.suggestions)
return "NAUGHTY", all_issues, all_suggestions
为什么两者都必须通过：如果只有一个审查者发现问题，那么该问题是真实存在的。另一个审查者的盲点正是圣诞老人方法旨在消除的故障模式。
阶段 4：修正直到表现良好（收敛循环）
MAX_ITERATIONS = 3
for iteration in range(MAX_ITERATIONS):
verdict, issues, suggestions = santa_verdict(review_b, review_c)
if verdict == "NICE":
log_santa_result(output, iteration, "passed")
return ship(output)
# Fix all critical issues (suggestions are optional)
output = fix_agent.execute(
output=output,
issues=issues,
instruction="Fix ONLY the flagged issues. Do not refactor or add unrequested changes."
)
# Re-run BOTH reviewers on fixed output (fresh agents, no memory of previous round)
review_b = Agent(prompt=REVIEWER_PROMPT.format(output=output, ...))
review_c = Agent(prompt=REVIEWER_PROMPT.format(output=output, ...))
# Exhausted iterations — escalate
log_santa_result(output, MAX_ITERATIONS, "escalated")
escalate_to_human(output, issues)
关键：每轮审查使用全新的智能体。审查者不得携带之前轮次的记忆，因为先前的上下文会造成锚定偏差。
实现模式
模式 A：OpenAI Codex 子智能体（推荐）
子智能体提供真正的上下文隔离。每个审查者是一个独立的进程，没有共享状态。
# In a OpenAI Codex session, use the Agent tool to spawn reviewers
# Both agents run in parallel for speed
# Pseudocode for Agent tool invocation
reviewer_b = Agent(
description="Santa Review B",
prompt=f"Review this output for quality...\n\nRUBRIC:\n{rubric}\n\nOUTPUT:\n{output}"
)
reviewer_c = Agent(
description="Santa Review C",
prompt=f"Review this output for quality...\n\nRUBRIC:\n{rubric}\n\nOUTPUT:\n{output}"
)
模式 B：顺序内联（备用方案）
当子智能体不可用时，通过显式上下文重置模拟隔离：
- 生成输出
- 新上下文："你是审查者 1。仅根据此评估标准进行评估。找出问题。"
- 逐字记录发现
- 完全清除上下文
- 新上下文："你是审查者 2。仅根据此评估标准进行评估。找出问题。"
- 比较两个审查结果，修复，重复
子智能体模式严格优于内联模拟——内联模拟存在审查者之间上下文渗透的风险。
模式 C：批量采样
对于大批量（100+ 项），对每个项目都执行完整的圣诞老人方法成本过高。使用分层采样：
- 对随机样本（批量的 10-15%，最少 5 项）运行圣诞老人方法
- 按类型对失败进行分类（幻觉、合规性、完整性等）
- 如果出现系统性模式，对整个批量应用针对性修复
- 重新采样并重新验证修复后的批量
- 持续直到干净的样本通过
import random
def santa_batch(items, rubric, sample_rate=0.15):
sample = random.sample(items, max(5, int(len(items) * sample_rate)))
for item in sample:
result = santa_full(item, rubric)
if result.verdict == "NAUGHTY":
pattern = classify_failure(result.issues)
items = batch_fix(items, pattern) # Fix all items matching pattern
return santa_batch(items, rubric) # Re-sample
return items # Clean sample → ship batch
故障模式与缓解措施
| 故障模式 | 症状 | 缓解措施 |
|---|---|---|
| 无限循环 | 修复后审查者仍不断发现新问题 | 最大迭代次数限制（3 次）。升级处理。 |
| 橡皮图章 | 两个审查者都通过所有内容 | 对抗性提示："你的工作是发现问题，而不是批准。" |
| 主观漂移 | 审查者标记风格偏好，而非错误 | 严格的评估标准，仅包含客观的通过/失败标准 |
| 修复回归 | 修复问题 A 引入了问题 B | 每轮使用全新的审查者来捕获回归 |
| 审查者一致性偏差 | 两个审查者都遗漏了同一件事 | 独立性可缓解但无法消除。对于关键输出，添加第三个审查者或人工抽检。 |
| 成本激增 | 大型输出上迭代次数过多 | 批量采样模式。每个验证周期的预算上限。 |
与其他技能的集成
| 技能 | 关系 |
|---|---|
| 验证循环 | 用于确定性检查（构建、代码检查、测试）。圣诞老人方法用于语义检查（准确性、幻觉）。先运行验证循环，再运行圣诞老人方法。 |
| 评估工具 | 圣诞老人方法的结果反馈给评估指标。跟踪圣诞老人方法运行中的 pass@k，以衡量生成器质量随时间的变化。 |
| 持续学习 v2 | 圣诞老人方法的发现成为本能。同一标准上的重复失败 → 学习到的行为以避免该模式。 |
| 战略压缩 | 在压缩之前运行圣诞老人方法。不要在验证过程中丢失审查上下文。 |
指标
跟踪以下指标以衡量圣诞老人方法的有效性：
- 首次通过率：第一轮通过圣诞老人方法的输出百分比（目标：>70%）
- 收敛平均迭代次数：达到"表现良好"的平均轮数（目标：<1.5）
- 问题分类：失败类型的分布（幻觉 vs. 完整性 vs. 合规性）
- 审查者一致性：两个审查者都标记的问题与仅一个审查者标记的问题的百分比（一致性低 = 需要收紧评估标准）
- 逃逸率：发布后发现但圣诞老人方法本应捕获的问题（目标：0）
成本分析
每个验证周期，圣诞老人方法的代币成本大约是单独生成的 2-3 倍。对于大多数高风险的输出，这很划算：
圣诞老人的成本 = (生成代币) + 2×(每轮审查代币) × (平均轮数)
不做圣诞老人的成本 = (声誉损害) + (纠正努力) + (信任侵蚀)
对于批量操作，采样模式将成本降低到完全验证的约 15-20%，同时捕获超过 90% 的系统性问题。