跳到主要内容
Plugin安装含风险命令

Forge

MjxUpUp/Forge

为 DeepSeek Harness 提供 Forge 质量门禁:任务门禁、改前必读、危险命令拦截与质量评分,经 DSH 类型化拦截点由本地 forge CLI 执行。需本机安装 forge CLI,缺失时插件 fail-open 并在会话开始时尽力提示;任务门禁还要求项目已执行 forge init。

形态
Plugin 插件
安装
npm 包安装
需要密钥
否
近月下载
3,217
最近推送
12 天前更新

项目说明

From README

🔥 Forge AI 开发质量门禁引擎 Stop trusting AI-generated code.Start gating it.30 秒演示 (自动播放,静音)—— 画面里的终端输出是真实 forge docs lint 跑出来的:两句没带证据的套话,被拦在提交之前。带音轨的 1080p 版本在 网页播放器 ,或直接下 mp4 。--- AI 写的代码,你放心直接提交吗?Forge 在 AI 编码过程中插入结构化质量门禁——从任务创建到代码提交,每一步产出物都要留下 deterministic 证据。配合 Claude Code 的 Hook 系统实时拦截,不需要你手动检查。

⚡ 60 秒拿到第一个证据 : 跑 forge eval wedge-drill 可在任何机器上自检这条首证据路径(隔离环境,60 秒); forge eval artifact-drill 自检产物链分档执法全链。两者是发版 workflow 的行为级冒烟门禁与 nightly 的每日行为回归。🎯 它补的是哪一层 AI 编码是一个循环:写代码 → 运行 → 读反馈 → 修正 → 再写。

这个循环由 coding agent(Claude Code、Codex、Cursor)驱动, Forge 不替代循环本身 ,只补上循环最容易缺的两层: 验证层 (每一轮产出物经门禁检验)与 状态层 (跨循环的任务状态与门禁历史——上下文一压缩就丢的那种)。Forge 是 deterministic 的——范围是 "deterministic where code can verify":行为与意图的正确性留给 review 和人。判据与证据链归产品而非模型厂商,所以这一层不随模型代际贬值;模型变强时该删的是脚手架,不是传感器。

完整论述(为什么是确定性门禁而不是让模型自检、退出码三态的设计依据)见 docs/design/positioning.md。🔧 它是怎么跑的 ✨ 核心能力 🚦 任务级门禁 每个开发任务走 3 道门禁:实现 → 验证 → 完成,门禁之间有活动检查防止跳阶段。

Original description

AI development gate engine — structured quality gates for AI-generated code

安装方式

npm 包安装 · 安装无需配置

README 解析
shell
npm install -g @agent_forge/forge

安装命令包含风险形态

  • 全局安装,会改动系统级依赖

全局安装会修改系统级依赖;远程脚本执行等于把执行权交给仓库作者。装前请通读命令。

为什么是这个分数

近 13 天内有提交;README 给出了可直接复制的安装命令;装完即可用,无需额外配置;近月 npm 下载 3217 次,star 不多但真在被使用。

维护活跃
86
实用度
54
生态热度
70
上手便捷
100
信号质量
100
数据置信度
100%
评分怎么算