santa-method

Santa 方法

多智能体对抗性验证框架。列个清单，检查两次。如果是坏的，修复它直到变好。

核心洞察：单个智能体审查自己的输出会共享产生该输出时相同的偏见、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失败模式。

何时激活

在以下情况调用此技能：

• 输出将被发布、部署或被最终用户使用
• 必须满足合规性、监管或品牌约束
• 代码在无人审查的情况下发布到生产环境
• 内容准确性很重要（技术文档、教育材料、面向客户的文案）
• 大规模批量生成中抽查会遗漏系统性模式
• 幻觉风险较高（声明、统计数据、API 参考、法律用语）

请勿用于内部草稿、探索性研究或具有确定性验证的任务（对于这些，请使用构建/测试/lint 流水线）。

架构

┌─────────────┐
│  生成器      │  阶段 1：列个清单
│  (智能体 A)  │  生成交付物
└──────┬───────┘
       │ 输出
       ▼
┌──────────────────────────────┐
│     双独立审查                 │  阶段 2：检查两次
│                                │
│  ┌───────────┐ ┌───────────┐  │  两个智能体，相同评分标准，
│  │ 审查者 B  │ │ 审查者 C  │  │  无共享上下文
│  └─────┬─────┘ └─────┬─────┘  │
│        │              │        │
└────────┼──────────────┼────────┘
         │              │
         ▼              ▼
┌──────────────────────────────┐
│        判决门                  │  阶段 3：好还是坏
│                                │
│  B 通过 且 C 通过 → 好         │  两者都必须通过。
│  否则 → 坏                     │  无例外。
└──────┬────────┬─────────┘
       │              │
      好              坏
       │              │
       ▼              ▼
   [ 发布 ]    ┌─────────────┐
               │  修复循环     │  阶段 4：修复直到变好
               │              │
               │ iteration++  │  收集所有标记。
               │ if i > MAX:  │  修复所有问题。
               │   上报       │  重新运行两个审查者。
               │ else:        │  循环直到收敛。
               │   跳到阶段2   │
               └──────────────┘

阶段详情

阶段 1：列个清单（生成）

执行主要任务。不改变你正常的生成工作流。Santa 方法是生成后验证层，不是生成策略。

# 生成器正常运行
output = generate(task_spec)

阶段 2：检查两次（独立双审查）

并行启动两个审查智能体。关键不变量：

1. 上下文隔离 — 任何审查者都看不到另一个的评估
2. 相同评分标准 — 两者接收相同的评估标准
3. 相同输入 — 两者接收原始规格和生成的输出
4. 结构化输出 — 每个返回类型化的判决，而非散文

REVIEWER_PROMPT = """
你是一个独立的质量审查者。你还没有看到对此输出的任何其他审查。

## 任务规格
{task_spec}

## 被审查的输出
{output}

## 评估评分标准
{rubric}

## 指示
针对每个评分标准评估输出。对于每个标准：
- PASS：标准完全满足，没有问题
- FAIL：发现具体问题（引用确切的问题点）

以结构化 JSON 返回你的评估：
{
  "verdict": "PASS" | "FAIL",
  "checks": [
    {"criterion": "...", "result": "PASS|FAIL", "detail": "..."}
  ],
  "critical_issues": ["..."],   // 必须修复的阻碍问题
  "suggestions": ["..."]         // 非阻塞性改进建议
}

要严格。你的工作是发现问题，不是批准。
"""

# 并行启动审查者（Claude Code 子智能体）
review_b = Agent(prompt=REVIEWER_PROMPT.format(...), description="Santa 审查者 B")
review_c = Agent(prompt=REVIEWER_PROMPT.format(...), description="Santa 审查者 C")

# 两者同时运行 — 互不可见

评分标准设计

评分标准是最重要的输入。模糊的评分标准产生模糊的审查。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	所有声明可对照源材料或常识验证	虚构的统计数据、错误的版本号、不存在的 API
无幻觉	没有捏造的实体、引言、URL 或参考文献	指向不存在页面的链接、无法溯源的引言归属
完整性	规范中的每个需求都已处理	缺失的章节、跳过的边界情况、不完整的覆盖
合规性	通过所有项目特定约束	使用了禁用术语、语调违规、监管不合规
内部一致性	输出中没有矛盾	A 节说 X，B 节说非 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

领域特定评分标准扩展

内容/营销：

• 品牌语调遵循度
• SEO 要求满足（关键词密度、元标签、结构）
• 无竞争对手商标误用
• CTA（行动号召）存在且链接正确

代码：

• 类型安全（无 any 泄漏，正确的 null 处理）
• 错误处理覆盖
• 安全性（代码中无密钥，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
• 存在必要的免责声明
• 仅使用经批准的术语
• 符合司法管辖区的语言

阶段 3：好还是坏（判决门）

def santa_verdict(review_b, review_c):
    """两个审查者都必须通过。没有部分积分。"""
    if review_b.verdict == "PASS" and review_c.verdict == "PASS":
        return "NICE"  # 发布

    # 合并两个审查者的标记，去重
    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了问题，那个问题是真实存在的。另一个审查者的盲点正是 Santa 方法存在的意义——消除它。

阶段 4：修复直到变好（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)

    # 修复所有关键问题（建议是可选的）
    output = fix_agent.execute(
        output=output,
        issues=issues,
        instruction="只修复被标记的问题。不要重构或添加未请求的更改。"
    )

    # 在修复后的输出上重新运行两个审查者（新智能体，无前几轮记忆）
    review_b = Agent(prompt=REVIEWER_PROMPT.format(output=output, ...))
    review_c = Agent(prompt=REVIEWER_PROMPT.format(output=output, ...))

# 迭代次数耗尽 — 上报
log_santa_result(output, MAX_ITERATIONS, "escalated")
escalate_to_human(output, issues)

关键：每一轮审查使用全新的智能体。审查者不得携带前几轮的记忆，因为先前的上下文会产生锚定偏见。

实现模式

模式 A：Claude Code 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，无共享状态。

# 在 Claude Code 会话中，使用 Agent 工具启动审查者
# 两个智能体并行运行以提高速度

# Agent 工具调用的伪代码
reviewer_b = Agent(
    description="Santa 审查 B",
    prompt=f"审查此输出的质量...\n\n评分标准：\n{rubric}\n\n输出：\n{output}"
)
reviewer_c = Agent(
    description="Santa 审查 C",
    prompt=f"审查此输出的质量...\n\n评分标准：\n{rubric}\n\n输出：\n{output}"
)

模式 B：顺序内联（备选）

当子智能体不可用时，通过显式上下文重置模拟隔离：

1. 生成输出
2. 新上下文："你是审查者 1。只针对此评分标准进行评估。找出问题。"
3. 逐字记录发现
4. 完全清除上下文
5. 新上下文："你是审查者 2。只针对此评分标准进行评估。找出问题。"
6. 比较两个审查，修复，重复

子智能体模式严格更优 — 内联模拟有审查者之间上下文泄漏的风险。

模式 C：批量采样

对于大批量（100+ 项），对每个项目运行完整 Santa 方法成本过高。使用分层采样：

1. 对随机样本运行 Santa（批量的 10-15%，最少 5 项）
2. 按类型分类失败（幻觉、合规、完整性等）
3. 如果出现系统性模式，对整个批量应用定向修复
4. 重新采样并重新验证修复后的批量
5. 继续直到清洁样本通过

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)  # 修复匹配模式的所有项
            return santa_batch(items, rubric)   # 重新采样

    return items  # 清洁样本 → 发布批量

失败模式与缓解措施

失败模式	症状	缓解措施
无限循环	审查者在修复后不断发现新问题	最大迭代上限（3次）。上报。
橡皮图章	两个审查者都通过一切	对抗性提示："你的工作是发现问题，不是批准。"
主观漂移	审查者标记风格偏好而非错误	严格的评分标准，仅包含客观的通过/失败条件
修复回归	修复问题 A 引入问题 B	每轮使用新审查者来捕获回归
审查者一致性偏见	两个审查者遗漏同一问题	通过独立性缓解，但不能完全消除。对于关键输出，添加第三个审查者或人工抽查。
成本爆炸	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、lint、测试）。Santa 用于语义检查（准确性、幻觉）。先运行验证循环，再运行 Santa。
评估工具	Santa 方法结果反馈到评估指标。跟踪跨 Santa 运行的 pass@k 以随时间衡量生成器质量。
持续学习 v2	Santa 发现成为经验。在相同标准上的重复失败 → 学习到的行为以避免该模式。
战略压缩	在压缩之前运行 Santa。不要在验证中途丢失审查上下文。

指标

跟踪这些指标以衡量 Santa 方法的有效性：

• 首次通过率：第 1 轮通过 Santa 的输出百分比（目标：>70%）
• 平均收敛迭代数：达到好的平均轮数（目标：<1.5）
• 问题分类：失败类型的分布（幻觉 vs 完整性 vs 合规）
• 审查者一致性：两个审查者都标记的问题百分比 vs 只有一个标记（低一致性 = 评分标准需要收紧）
• 逃脱率：Santa 应该捕获但在发布后发现的问题（目标：0）

成本分析

Santa 方法每个验证周期的 token 成本约为单独生成成本的 2-3 倍。对于大多数高风险输出，这是划算的：

Santa 成本 = (生成 token) + 2×(每轮审查 token) × (平均轮数)
不用 Santa 的成本 = (声誉损害) + (纠正工作) + (信任流失)

对于批量操作，采样模式将成本降低到完整验证的约 15-20%，同时捕获 >90% 的系统性问题。