LB623/no-negative-echo

使用方式

需要判断流程、检查脚本和高保障模式时，安装 Skill。只想让当前项目持续遵守核心规则时，把精简指令写入 AGENTS.md。两种方式可以同时使用。

方式一：安装 Skill

让具备网络、终端和文件权限的 Agent 按安装合约执行：

请安装 no-negative-echo Skill：
https://raw.githubusercontent.com/LB623/no-negative-echo/main/INSTALL.md
装完告诉我安装结果，以及是否需要开启新会话或重启。无法验证时，不要宣称安装成功。

本地安装示例（Codex）：

git clone https://github.com/LB623/no-negative-echo.git
cd no-negative-echo
python3 -I -B scripts/install_skill.py \
  --expected-provenance-sha256 d42280b21f519ea00e417c68f31c68ca3d7faae607faf6dcb6e04beeff9c5ed6 \
  --agent codex

安装器会自行校验 provenance、运行文件清单、目标冲突和复制后字节。默认安装不需要先读取全部 Python 文件、执行完整测试或枚举无关 Skill。其他宿主、自定义目录和高保证审计见 INSTALL.md。

重要交付前建议显式调用：

使用 no-negative-echo Skill。
根据最终 diff 写 commit subject、PR 标题、PR 正文和交付说明。

文章场景：

使用 no-negative-echo Skill。
根据最终保留的正文重写标题和开篇。

方式二：写入项目 AGENTS.md

如果只需要核心行为约束，可以把下面内容追加到项目根目录的 AGENTS.md。文件不存在时，新建即可。不要覆盖项目中已有的指令。

## No Negative Echo

生成最终产物及其包装时，包括标题、文件名、正文、注释、标签、commit、
PR 和交付说明，只描述最终采用的状态，假设读者没看过本次会话。

- 会话里的否决、中间尝试和措辞纠正，只当作控制信息，不要让它们成为最终产物的命名或叙述中心。
- 对每个交付面分别判断：不知道本次会话的读者需要这条信息吗？省略会不会导致不准确、不安全、误导或兼容性信息缺失？它是不是任务开始时已提交或用户确认状态中的真实变化，而且当前交付面需要解释它？
- 「不要提 X」不是让你写「无 X」。标题、文件名、开篇和标签应从正向目标重新生成，不要逐词修改被否文案。
- 保留真实的基线变化、已经执行的外部操作，以及必要的技术名称、诊断、测试和快照。任务开始前已有的用户改动不算被否内容。
- 不要把与本任务无关的改动写进本次 commit、PR 或交付说明。对比、引用、审计和迁移说明，只在用户要求或当前交付面确实需要时保留。
- 写完后通读全部用户可见内容及其包装，包括文件名、元数据和 hook 改写。内容发生变化后重新检查，不要另加「已清理」或「无残留」类声明。

这种方式依赖 Agent 对 AGENTS.md 的支持。Codex 会在每次运行开始时读取项目指令；修改文件后，需要开启新的运行或会话才能加载最新内容。具体加载规则见 OpenAI 官方文档。

AGENTS.md 方式不会安装 Skill，也不能调用 scripts/check_surface.py 或高保障流程。同时使用两种方式时，AGENTS.md 提供持续生效的核心规则，Skill 负责重要交付前的完整检查。

判断原则

每个输出位置单独问三个问题：

1. 不知道本轮对话的读者需要这条信息吗？
2. 省略会造成事实错误、安全风险、误导或兼容问题吗？
3. 它是否是权威基线中的真实变化，且当前交付面需要解释它？

仅仅'出现过'或'被否过'不是保留理由。

边界

这是提示词层的缓解措施，不是确定性过滤器：

• Skill 被发现不等于已激活；重要交付应显式调用。
• 它不能清除模型已读上下文，也不能控制工具日志或宿主 UI。
• 内置扫描器只能做文本、文件名和可疑 Unicode 检查；PASS 不代表语义检查完成。
• 不要为通过检查而修改 API、迁移、测试、快照或现有用户改动。
• 凭据、隐私与合规问题仍应交给专门工具处理。

默认流程见 SKILL.md；敏感信息、公开发布与严格验收才会按需读取 high-assurance-finalization.md。

开发与评测

python3 -I -m unittest discover -s tests -p 'test_*.py'

评测协议与公开用例位于 evals/。CI 只运行确定性脚本和评分器测试，不将其表述为模型行为有效性结论。

相关资料

• 安装合约
• 设计背景
• 评测协议
• 许可证

反馈

提 Issue 时请提供：原始请求、实际输出、期望输出、发生位置，以及当时是显式调用还是隐式触发。提交前请移除凭据、个人信息和内部项目名。

本项目采用 MIT License。