一个Git钩子拦住你的推送：答不对AI代码就别想提交

一个叫 Sphinx 的工具这周在 Show HN 上发布，干的事很直接：在受保护分支上暂停你的 push，然后考你——AI 写的这段代码到底在干什么。答错了，它会告诉你错在哪，再换一个场景让你重试；答对了，推送才继续。

安装方式是 npm install -g sphinx-understand，再跑 sphinx install 把它接到你的编码代理上，之后推送照常。它支持 Codex、Claude Code、Cursor、OpenCode、Pi，或者纯 Git。运行只消耗你现有编码代理的少量 token，也可以接任何 OpenAI 兼容端点。你的答案不会传给编码代理，.env 文件和密钥也不会被打开。MIT 协议，要求 Node 22.19+，跑在 macOS、Linux 或 WSL 上。

文档里有一个开关，把它和今年所有“AI 闸门”工具区分开来：sphinx yolo 允许跳过测验直接推送——并且记录每一次跳过。

Show HN 的讨论半天之内就把正反两方吵完了，两边都值得当数据看，而不是当观点看。赞的一方说它“让节奏慢下来，而且实现起来很快”；另一位做过类似工具的开发者“对问题的质量感到惊喜”；最有分量的一句类比，指向行业最老的本能——永远不要复制你没看懂的 Stack Overflow 代码。

批评的一方也不客气：测验可以被轻易绕过，把题目粘回给代理就行，或者干脆删掉钩子；它抓不住 diff 层面的缺陷，一个遗留的调试打印、一个被削弱的断言，都能通过任何理解力测验；有评论者预言会出现“确认疲劳”，以及代理替人答题；最尖锐的一句是，这一切只是为了不去搞懂自己在干什么。

两边都对，而这套分类法解释了为什么，且不必站队。测验钩子是一个 Level 1 控制——在这个系列一直搭建的阶梯上，它是语境中的原语。它存在、可见、能让人慢下来。它做不到的是强制执行：人可能在好代码上答错、在烂代码上答对，代理可以替人作答，钩子可以被移除。Level 1 控制是真实的——它拖住的是那百分之八十偷懒但并无恶意的人——也是最先需要被超越的东西。

讨论里没被点破的一点是：绕过是有代价、有记录的。sphinx yolo 放行推送，每一次跳过都落进日志。就这一个设计细节，把工具往上抬了半级——留下记录的绕过不再是隐形的漂移，而是一条决策痕迹。QGIS 项目那次失败的打标签流程——大约五十个 PR 被标记，四十个被关闭，然后整个流程被放弃——就没有这样一份日志。

它和前辈们站在同一级台阶上。讨论里那个 Stack Overflow 的类比是最深的，而且已经二十年了：不要发布你复制来却没看懂的代码。当年行业的答案也是同一级——人工评审、一次生产事故，最终才换来理解。AI 版本把这个循环压缩了：代码来得更快、量更大，还带着流利的自信。测验钩子是软件里最古老控制手段的现代换皮。

测验永远抓不到的东西：理解力看不见的 diff 级缺陷——遗留的调试打印、被削弱的断言、微妙出错的错误路径。那些需要另一级台阶：对 diff 本身做机器检查。机器检查永远抓不到的东西：人是否理解了自己刚发布的东西。两种失效模式，两种控制，把它们搞混的团队两样都没有。

所以对任何团队来说，设计问题不是“我们要不要考人”，而是“我们到底在防哪种失效模式”。而对今天大多数 AI 辅助团队来说，诚实的答案是两种都没防：代码照发，理解力的缺口悄悄变大，第一次测量发生在事故现场。

值得抄走的三点：

• 有记录的绕过，就是一个开关里的“留痕文化”。sphinx yolo 不假装测验没发生，它记下这次跳过。你部署的任何闸门都该有同样的性质：可绕过，但绝不隐形。
• 理解力和 diff 缺陷是两种不同的失效模式。测验抓第一种，lint、测试和 diff 评审抓第二种。只部署一种却指望另一种，等于给错误的座位买了安全带。
• 绕过之争就是台阶定位。如果你的控制手段的批评帖里全是“容易被绕过”，那你手里就是一个 Level 1 控制——这没问题，只要文档说清楚，日志记下每一次绕过。

工具本身就是演示：装上它，让测验在下一次 AI 辅助推送时触发，然后绕过它，看着这次跳过被记录。三条命令，你就亲历了全部论证：

1. npm install -g sphinx-understand
2. sphinx install，接好 Git 和你的编码代理
3. git push，下一次 AI 辅助推送，测验触发

答错，你搞懂原因、重写场景；答对，推送继续。然后绕过它，检查痕迹：sphinx yolo 让推送直接通过，git push 成功——而这次跳过被记录。那条被记录的跳过，就是整场辩论在你自己的终端里一行了结：控制让你慢了一次，绕过照样被记下，记录现在归你审计。

两个诚实的边界。第一，这个工具只有四天，意味着绕过之争就是它的设计上限。Level 1 控制无法被打补丁升到 Level 2——测验无法验证 diff，钩子无法验证测验。能生长的是日志：如果跳过数据哪天喂进一块看板——推送数、跳过数、每位开发者随时间答对的题数——它就不再是测验，而变成了测量。那才是值得等的版本。

Sphinx 是 MIT 协议，一条 npm 命令，兼容你现有的代理。在下一次 AI 辅助推送时跑一遍，数三样东西：你答过的题、你记下的跳过、以及那个测验永远抓不到的缺陷。把这三个数字发出来——这个比例，就是你团队 AI 辅助开发的真实状态，是量出来的，不是吵出来的。