問題與邊界
團隊希望讓 AI 協助修復小缺陷,但不能讓生成補丁直接進入主分支。本案例在臨時目錄中驗證檔案範圍、測試門禁和人工批准,不接觸真實儲存庫。
方案
把任務輸入、基線提交、補丁雜湊和測試結果寫成一條 release candidate 記錄。門禁函式只讀取結果,不依賴模型再次解釋測試是否通過。
最小實作
from dataclasses import dataclass
@dataclass(frozen=True)
class Candidate:
patch_hash: str
files: tuple[str, ...]
tests_passed: bool
approved: bool
def gate(candidate: Candidate) -> bool:
return candidate.files and all(path.startswith('src/') for path in candidate.files) and candidate.tests_passed and candidate.approved
assert gate(Candidate('sha256:demo', ('src/app.py',), True, True))
重現步驟
- 複製一個隔離儲存庫並固定 commit,禁止把真實密鑰帶入目錄。
- 產生或手寫只修改 src/ 的補丁,計算補丁雜湊並保存。
- 執行格式檢查和測試,故意加入一次失敗結果,確認門禁拒絕。
- 補齊審批標記後再次執行,確認同一補丁可回放且不會重複執行副作用。
驗證清單
驗證允許目錄、測試失敗、缺少審批、補丁雜湊變化和重複回放五類邊界。
常見問題
這個案例證明模型一定正確嗎? 不證明;它只驗證交付邊界和可回放性。
能直接套用到生產 CI 嗎? 先接入唯讀檢查,再按儲存庫權限和審計要求擴展。
延伸閱讀
官方參考
OpenAI Codex 官方文件;GitHub Actions 安全強化。
最後核對日期:2026-11-17。涉及介面、模型行為和價格的結論以連結中的官方資料為準;本文不把一次本機執行結果表述為通用效能結論。
