DOS 实战：当 AI 编程 Agent 说「做完了」，让 Git 来验证而不是相信它
AI 编程 Agent 越来越强大，但有一个问题始终存在：Agent 会告诉你它做完了，但你真的能相信吗？
这不是一个理论问题。使用 Claude Code、Cursor 或 Codex CLI 的开发者都遇到过类似场景：Agent 返回一条充满自信的「All work completed!」，但你检查代码时发现——提交记录里根本没有对应的工作。在 258 个任务的实验中，DOS 检测到了 15 次「我完成了」的谎报，零误报。当同时运行多个 Agent 时，问题更严重——每个 Agent 给自己的作业打分，没人能读遍所有输出。
DOS（Dispatch Operating System） 是一个开源的 AI Agent 裁判系统。它不读取 Agent 的叙述——它读取实际发生了什么（Git 历史、文件系统、时钟），然后给出一个 Agent 无法伪造的裁决。
核心思路：不信叙述，信证据
DOS 的核心思想非常简洁：当 Agent 声称「完成了 AUTH1（登录功能）」时，DOS 不解析它的输出——而是直接查询 Git 历史：
dos verify AUTH AUTH1 # → SHIPPED 有对应提交 (exit 0) dos verify AUTH AUTH2 # → NOT_SHIPPED 无对应提交 (exit 1)
SHIPPED = 有真实提交佐证，NOT_SHIPPED = 没有。 出口码就是裁决——任何 CI 工具或 shell 脚本都可以基于它做分支判断，无需解析文字。
安装与快速上手
DOS 是一个纯 Python 包，唯一运行时依赖是 PyYAML：
pip install dos-kernel
安装后，60 秒就能体验完整流程：
dos quickstart
这条命令会创建一个临时仓库、生成一次真实提交、然后做两次验证——一次 SHIPPED（有提交），一次 NOT_SHIPPED（没有）。整个体验就是 DOS 的产品核心。
在自己的仓库中启用 DOS 也非常简单：
cd your-repo dos init --hooks auto
它会自动检测你使用的 Agent 运行时（Claude Code、Cursor、Codex CLI 等），把验证钩子接入运行流程。从此，Agent 不能告诉你「做完了」除非工作真的落地了。
三种核心能力
1. 提交验证（dos verify）
这是 DOS 最基础也最常用的功能。Agent 声称完成了一个工作单元，你让它验证：
dos verify AUTH AUTH1 # 审计模块的登录功能完成了吗？ dos commit-audit --sweep --workspace . BASE..HEAD
验证逻辑非常直观：在 Git 提交信息中搜索 AUTH1: 之类的印记（stamp），找到了就是 SHIPPED（出口码 0），找不到就是 NOT_SHIPPED（出口码 1）。
2. 工作区仲裁（dos arbitrate）
当多个 Agent 并行工作时，它们可能同时编辑同一个文件。DOS 提供工作区仲裁：
dos scope-gate --path src/auth/ --claim AUTH1 dos arbitrate --path src/auth/ --claim AUTH2
3. 存活检测（dos liveness）
Agent 可能报告「正在推进」但实际上没有任何产出：
dos liveness --workspace .
四种集成方式
DOS 提供了多层集成通路，从零代码到深度定制：
| 集成方式 | 适用场景 | 一句话操作 |
|---|---|---|
| MCP Server | 通过 MCP 主机驱动 Agent（Claude Desktop、Cursor、Cline） | 加一行 { "command": "dos-mcp" } 到主机配置 |
| Runtime Hooks | 运行 Agent 循环（Claude Code、Cursor、Codex CLI、Gemini CLI） | dos init --hooks 一键接入 |
| CLI Exit-Code | CI 步骤、pre-push 钩子、aider 等 Agentic CLI | dos verify 的出口码即为裁决 |
| Python API | 自建编排器/分发器 | import dos; dos.oracle.is_shipped(...) |
以 MCP 方式集成为例，只需在 Claude Desktop 配置中添加：
{
"mcpServers": {
"dos": {
"command": "dos-mcp"
}
}
}
之后可以直接问 Claude：「用 DOS 验证刚刚这个提交是否真的完成了 AUTH1」，Claude 会调用 dos_verify 工具检查 Git 历史。
高级功能：残差审查（Residual Review）
当提交累积速度超过人工审查速度时，DOS 的残差审查功能非常实用。commit-audit 的每条裁决分为三档：
- CLEARED（已清理）：提交的变更内容与声称一致，可跳过重新审查。在此仓库最近 200 个提交中，DOS 清理了 171 个可检查声明中的 170 个。
- RESIDUAL（残留）：Git 无法背书的声明——需要人工 100% 关注
- 无声明：普通提交，按正常流程审查
⚠️ CLEARED 仅代表变更的「形态」与声明匹配，不代表代码正确性——正确性审查仍需应用于每个提交。残差审查只能要求更多的关注，而非减少。
实测数据
DOS 自带可复现的基准测试。在两次独立实验中：
| 指标 | 数值 |
|---|---|
| 258 个任务中检测到的谎报 | 15 次（零误报） |
| 阻止的静默冲突 | 6/8 次 |
| 因及时终止空转运行节省的计算量 | ~11% |
| 设置奖励准入标签后接受精度提升 | 60% → 100% |
论文 「Verification Is All You Need — But Not Where You Think」 已发布在仓库的 paper/releases/ 目录下，arXiv 预印本正在准备中。
注意事项
- 验证跨机器可用：
verify、commit-audit、liveness基于 Git 历史，可在不同机器间自由使用 - 仲裁目前单机限定：
arbitrate的工作区租约基于本地文件系统的 WAL，跨主机场景为 advisory 模式（非硬互斥）——远程租约驱动正在开发中 - 零配置入门，深度配置扩展：
dos verify在纯git init上可直接使用；随着需求深入，可通过dos.toml配置文件定义船道（lane）、路径和提交语法
总结
DOS 解决的是一个被广泛忽视但非常普遍的问题：AI Agent 说自己做完了，但它真的做了吗？ 不依赖 Agent 的自我报告，而是从 Git 历史、文件系统和时钟中读取不可伪造的证据——这种「不信叙述，信证据」的思路，是多 Agent 并行时代必不可少的基础设施。
对于使用多个 AI 编程 Agent 的团队，DOS 可以作为 CI 流程中的一道验证门禁——在 Agent 的「Done」到达你之前，先让 Git 告诉你是真是假。