让 Claude Code 写、Codex 审：一套可照做的 review gate 搭建经验

作者把写代码交给 Claude Code、把审查交给只读模式下的 Codex，再用三个 bash 脚本把「测试通过」和「审查 ACCEPT」绑定到具体 commit 上，没有这两样就不许合并。文中记录了只读沙箱被 MCP 和 hook 破坏、测试命令被悄悄收窄仍能通过等真实踩坑，并给出可复现的验证方法。

先分工：谁写、谁审

• Claude Code 在自己的 git worktree 里写代码，Codex 只读审查，最后一条消息必须以单行 Verdict: ACCEPT 或 Verdict: CHANGES REQUIRED 开头，后面跟问题清单。
• 把写作交给 Claude Code 是因为写作会堆积上下文（计划、brief、worktree、gate 日志）；审查只需要 diff、规则和这次改动的目的。
• 审查方永远不改代码，prompt 里明确写 You review; you never fix，每个问题描述到作者能在新 commit 里修，修完再走一次审查。
• 角色可互换：脚本里设 BUILDER=codex 就变成 Codex 写、Claude Code 审。

让只读真的只读

• Codex 的审查调用是 codex exec -s read-only --color never --output-last-message <file> -，沙箱允许读文件和跑 git diff 这类只读命令，不能写。
• ~/.codex/config.toml 里配置的 MCP server 在审查时照样启动，能改动沙箱外东西的 server 要在审查期间设 enabled = false。
• hook 也会在 codex exec 下运行：一个让 Codex 继续工作的 Stop hook 可能把最终消息替换成空，gate 找不到 verdict 直接 exit 1，只留诊断日志。
• Claude Code 当审查方时只给 Read、Grep、Glob 三个工具，它跑不了 git，所以脚本要把 commit 和完整 diff 塞进 prompt。

共享规则要短

• 两个引擎需要同一套规则，作者在 CLAUDE.md 和 AGENTS.md 各放一小段：写的一方一次只提交一个改动就停、不碰 .ai/ 目录、绝不合并；审的一方保持只读。
• Codex 的指令文件累计到 project_doc_max_bytes（默认 32 KiB）就不再加载，规则写在超长 AGENTS.md 末尾可能根本到不了它手里。
• 指令文件也是入口：两个引擎都会加载它们读到的文件，包括不是你写的文件，要检查本机到底加载了哪些。

证据必须绑定 commit

• gate.sh 在干净 checkout 上跑测试命令，写一条以 commit 命名的 pass 记录；review.sh 把 commit 和 diff 发给另一个引擎，把 verdict 存到被审的 commit 名下。
• merge-check.sh 只在当前 commit 同时有 pass 和 ACCEPT、且 ACCEPT 来自非 builder 的审查方时才放行。
• 新 commit 从零开始，旧 commit 的 ACCEPT 覆盖不了没人审过的新代码。作者演示的例子里，sum.sh 漏掉第一个参数，测试只测 sum 0 4 恰好通过，审查要求修改，修复 commit 必须自己再拿一次 pass 和 ACCEPT。
• 三个脚本都拒绝有未提交或未跟踪文件的 checkout，因为测试可能在一个没进 commit 的文件上通过；测试跑完还会再查一次，测试留下快照或构建产物也算失败。
• 有个自指的坑：按说明把 .ai/ 加进 .gitignore，这个改动本身就是未提交变更，gate 第一个拒绝的就是你刚加的那行。

最大的坑：收窄的测试命令照样通过

• gate 只认测试命令在干净 checkout 上 exit 0 且计数检查接受输出，它不知道项目本来有哪些测试。
• Node 20.19 的例子里，add() 返回错误结果，GATE_CMD="node --test test/" 得到 FAIL；换成 GATE_CMD="node --test test/format.test.js" 就得到 PASS 并写下 pass 记录，add() 依然是错的。
• 默认计数检查只拦空输出或汇总为零的情况，这里跑了一个测试所以放行；pass 记录里存了 Command: 行，但 merge-check.sh 不拿它做比对。
• 缓解办法是设 GATE_COUNT_RE 和 GATE_MIN_TESTS（例如 '^# pass ([0-9]+)$' 配 2），加测试时要手动调大这个数，而且它只比总数、看不出跑了哪些测试。
• 第二层是审查：prompt 要求审查方检查任何削弱既有检查的改动，但命令行里敲的命令不会出现在 diff 里，计数检查是唯一能看见它的东西。信任一条 pass 记录前，先读它的 Command: 行。