核心用法
wreckit 是一款面向AI代码生成的结构化验证框架，采用"Builder/Tester/Breaker"角色隔离机制，通过14步验证管道消除AI自我确认的盲区。系统支持四种自动检测模式：BUILD（从零构建）、REBUILD（迁移重构）、FIX（缺陷修复）、AUDIT（质量审计），用户可通过自然语言指令如"用wreckit审计此项目"或"用wreckit修复该bug并证明无回归"触发。
验证流程由12-14个可配置门控（Gate）组成，包括AI Slop扫描（检测占位符与模板残留）、类型检查、变异测试（Mutation Testing）、行为捕获、回归验证、SAST安全扫描等。框架通过scripts/目录下的确定性脚本实现语言无关的检测，支持TypeScript、Python、Rust、Go等主流技术栈。关键创新在于并行验证集群（Swarm）架构：主代理派生规划、构建、验证等多类工作节点，通过交叉验证（Cross-Verify）和协同证据规则（Corroboration）避免单点失效。
输出产物为.wreckit/证明包（Proof Bundle），含proof.json结构化结果、dashboard.json可视化数据及decision.md分级裁决：Ship（无硬阻塞）、Caution（单域风险）、Blocked（多域协同失败或硬阻塞）。
显著优点
1. 系统性对抗AI幻觉：通过强制多源验证（独立Oracle）和确定性脚本，直接针对AI代码生成中常见的"自我确认"偏见设计
2. 生产级可集成：提供CI/CD门控脚本（ci-integration.sh）、覆盖率统计、变异测试等DevOps原生能力
3. 弹性架构：支持单代理顺序执行（小项目）到8并行子代理（大规模验证）的自适应扩展
4. 决策可审计：证明包机制满足金融、医疗等合规场景的代码变更追溯需求
潜在局限
- 资源消耗高：变异测试、模糊测试等门控在大型代码库上可能产生显著计算开销
- 配置复杂度：
maxSpawnDepth等集群参数需根据运行时环境调优，存在学习曲线 - 语言覆盖不均：变异测试依赖mutmut/cargo-mutants/Stryker等外部工具，非主流语言支持可能降级为AI模拟
- 无自动修复：框架专注于验证与裁决，不直接生成修复代码，需人工介入或配合其他工具
适合人群
- AI辅助编程的深度用户（需验证Copilot/Codex输出）
- 技术负责人进行代码库健康度审计或技术债评估
- 需要合规证明的企业开发团队（金融、医疗、基础设施）
- 从事大规模重构或跨语言迁移的工程师
常规风险
- 误报与漏报平衡：变异测试杀伤率（Mutation Score）门槛设置过高可能导致过度阻塞，过低则丧失防护价值
- 供应链验证盲区：
check-deps.sh仅验证注册表存在性，不审计依赖项自身漏洞 - 集群协调失败：并行工作节点可能因上下文隔离导致信息丢失，需严格遵循
references/swarm/collect.md协议 - 模型版本锁定：Codex CLI配置明确限定
gpt-5.2-codex，使用gpt-5.3-codex将触发平台限制