企业官网建设流程全解析

如何快速掌握 Everything Claude Code 验证循环：pass@k 与 pass^k 指标、检查点评测实战解析

【免费下载链接】everything-claude-code-zheverything-claude-code 中文翻译项目：完整的 Claude Code 配置集合（agents, skills, hooks, commands, rules, MCPs）。源自 Anthropic 黑客松获胜者的实战配置，助力中文工程师高效理解与使用 Claude Code。项目地址: https://gitcode.com/gh_mirrors/ev/everything-claude-code-zh

Everything Claude Code 中文翻译版（everything-claude-code-zh）是源自 Anthropic 黑客松获胜者的完整 Claude Code 配置集合，涵盖 agents、skills、hooks、commands 与 MCP。本篇聚焦其中的验证循环（Verification Loop）体系：如何通过/verify六阶段验证、pass@k与pass^k两大可靠性指标、/checkpoint检查点评测，让 AI 智能体的产出可度量、可回归、可放心提交。

一、为什么需要验证循环？

让 AI 写代码容易，但"AI 说完成了"≠"真的完成了"。验证循环要解决的核心问题就一句话：用可重复、可度量的标准，判断 AI 的产出是否合格。

Everything Claude Code 把这套思路沉淀为三个命令 + 两个技能，形成闭环：

二、/verify六阶段验证：从构建到安全扫描

验证循环技能 定义了严格的顺序执行流程，任何一环失败都会"熔断"停止：

1. 构建验证— 跑不通就停下修好，绝不带病前进
2. 类型检查— 报告所有类型错误（如file:line精确定位）
3. Lint 检查— 捕获代码风格与潜在坏味道
4. 测试套件— 报告通过数/失败数/覆盖率，目标 ≥80%（详见 commands/test-coverage.md 的缺口补全方法）
5. 安全扫描— 搜索泄露的密钥、残留的console.log
6. 变更审查（Diff Review）— 逐文件检查非预期变更与缺失的错误处理

最终输出一张验证报告，一眼看出能否提交 PR：

构建 (Build): 通过 类型 (Types): 通过 (0 个错误) 测试 (Tests): 通过 (42/42, 83% 覆盖率) 安全 (Security): 通过 总体评价: 已就绪提交 PR ✅

💡 小技巧：/verify quick只跑构建+类型检查，适合开发中途快速自检；/verify pre-pr则加上安全扫描，适合提交前最后一道关（见 commands/verify.md）。

三、pass@k 与 pass^k：读懂 AI 智能体的"可靠性分数"

这是整个评测体系最有价值的一对指标，定义在 skills/eval-harness/SKILL.md 中。

pass@k：k 次尝试中至少一次成功

衡量"给它机会，它能不能做出来"：

• pass@1= 首次尝试成功率（最严格）
• pass@3= 3 次内成功一次的比率
• 项目推荐目标：pass@3 > 90%

pass^k：k 次尝试全部成功（注意是乘号，不是 at）

衡量"它是不是稳定可靠"：

• pass^3= 连续 3 次都成功
• 典型用于回归评测与关键路径，目标是pass^3 = 100%

两者直觉上的差别：

打个比方：一个 pass@3 = 90% 的智能体可能只是"偶尔靠谱"；而 pass^3 = 100% 才代表"次次都能交付"。生产环境要的是后者。

四、检查点评测实战：/checkpoint三步走

检查点（Checkpoint）是验证循环的"存档点"——在关键节点记录状态，之后随时对比。commands/checkpoint.md 支持三种操作：

1️⃣ 创建检查点/checkpoint create "core-done"

• 先跑/verify quick确认当前状态干净
• 生成 git 提交并记录到.claude/checkpoints.log

2️⃣ 验证检查点/checkpoint verify "core-done"

• 自动对比四项核心数据：
  • 新增/修改的文件数
  • 测试通过率变化（+Y passed / -Z failed）
  • 代码覆盖率变化（+X% / -Y%）
  • 构建是否仍通过

3️⃣ 列出检查点/checkpoint list

• 显示所有检查点的名称、时间戳、Git SHA 与状态（当前/落后/超前）

典型工作流（摘自官方文档）：

开始 → create "feature-start" 实现 → create "core-done" 测试 → verify "core-done" 重构 → create "refactor-done" 提PR → verify "feature-start"

🎯 实战建议：重构之前create一个检查点，重构完verify一次。如果测试通过率下降，你立刻知道回退到哪个点。

五、/eval评测报告：从定义到发布的完整闭环

commands/eval.md 提供了四个子命令，对应评测驱动开发（EDD）的完整周期：

• /eval define <name>—编码前定义成功标准（能力评测 + 回归评测清单）
• /eval check <name>— 开发中随时运行，记录每项 PASS/FAIL
• /eval report <name>— 生成含 pass@1 / pass@3 / pass^3 指标的完整报告
• /eval list— 总览所有功能的评测进度

报告末尾会给出明确建议：可发布（SHIP）/ 需改进（NEEDS WORK）/ 阻塞（BLOCKED），消除"到底能不能上"的模糊判断。

评分器分三类，按需组合使用：

六、7 条最佳实践（直接抄作业）

1. 在编码前定义评测— 强制想清楚成功标准
2. 频繁运行评测— 回归要尽早发现
3. 随时间跟踪 pass@k— 监控可靠性趋势
4. 优先用代码评分器— 确定性优于概率性
5. 安全相关必须人工评审— 绝不完全自动化
6. 保持评测快速— 慢评测没人会跑
7. 评测与代码一同版本控制— 评测是一等公民资产

📌 延伸阅读：会话结束后，commands/learn-eval.md 还能把高价值模式自评打分后沉淀为可复用技能，形成"评测 → 验证 → 学习"的完整飞轮。

总结

Everything Claude Code 验证循环的本质，是把"AI 说做完了"变成"数据说做完了"：

• /verify回答"代码现在健康吗？"——六阶段熔断式检查
• pass@k / pass^k回答"AI 有多可靠？"——能力看前者，回归看后者
• /checkpoint回答"比上次退步了吗？"——可对比、可回退的存档点

三者组合，就是 AI 辅助开发时代的质量门禁。配置全部开箱即用，建议直接从 skills/verification-loop/SKILL.md 开始阅读，把验证习惯固化进你的日常工作流。

【免费下载链接】everything-claude-code-zheverything-claude-code 中文翻译项目：完整的 Claude Code 配置集合（agents, skills, hooks, commands, rules, MCPs）。源自 Anthropic 黑客松获胜者的实战配置，助力中文工程师高效理解与使用 Claude Code。项目地址: https://gitcode.com/gh_mirrors/ev/everything-claude-code-zh