rlhf-feedback-loop

ThumbGate 👍 👎

ThumbGate 是面向 AI 编码 Agent 的自我改进型操作前防火墙
AI 编码 Agent 会重复犯错——一次错误的工具调用就可能清空目录、泄露密钥或推送有问题的代码。

功能介绍

ThumbGate 是面向 AI 编码 Agent 的本地优先操作前检查引擎。它在 PreToolUse hook 中运行，在执行前评估拟议的工具调用，从而在代价高昂的错误发生前将其拦截。

ThumbGate 的 GitHub 星标增长情况通过 GitHub 注重隐私的 GET /repos/{owner}/{repo}/stargazers/history 接口进行统计（按周计数，不包含星标用户身份）。运行 npm run stars:history -- --fixture tests/fixtures/github-star-history.json --json 可在本地验证。星标数不等于 npm 安装量，也不等于收入。线上 GitHub Marketplace Action 为 ThumbGate Agent Governance（uses: IgorGanapolsky/ThumbGate@v1）。

关注使用情况，而非星标数。 请根据上方的安装方式和实时使用情况徽章（npx thumbgate init、Marketplace uses:、npm 每周下载量、GitHub 克隆量）评估 ThumbGate，而不是看仓库是有 20 个星标还是 20,000 个星标。我们不需要推介材料。我们不会刷 GitHub 个人资料徽章（不会对受保护的 main 分支进行 YOLO 合并，不会演戏般在 5 分钟内关闭 Issue，也不会伪造 Co-authored-by）。要获得 Galaxy Brain，必须在 Discussions 问答区提供真正被采纳的回答。npm run github:achievements -- --fixture tests/fixtures/github-achievements.json --json 会列出已获得的成就，以及我们拒绝刷取的成就。

适用对象

ThumbGate 面向那些 AI 编码 Agent 可能会在人工看到工具调用之前泄露机密或毁掉工作区的操作人员（Claude Code、Cursor、Codex、Gemini CLI、MCP）。推广应触达这些操作人员，而不是发起刷星活动。

ThumbGate 不是 GitHub 刷星包，不是虚假互动，也不能替代 npm 安装或合并的 PR。真正的互动是运行 npx thumbgate init，并让 PreToolUse hook 真正触发。

技术梗图（可分享）

这些轻量图片展示了 Agent 缺少操作前门禁时会如何出错：

梗图	含义
	未经检查的工具调用会执行破坏性命令。
	提示词只是建议；PreToolUse hook 则是强制措施。

默认情况下，系统会硬性拦截检测到的机密泄露，以及两类直接自我禁用命令——这类命令会终止 ThumbGate 门禁进程，或启用其绕过环境变量覆盖项。其他高风险类别（rm -rf、强制推送、获取并运行、直接编辑防护栏）默认会发出警告并记录日志。设置 THUMBGATE_STRICT_ENFORCEMENT=1 可启用严格强制执行（警告将变为硬性拒绝）。

**已接受的反馈会作为本地经验保存。**反复出现的具体失败案例可以转化为预防规则，从警告升级为拦截门禁。防火墙会根据实际操作持续改进，无需重新训练模型。提示词评估（npx thumbgate eval）会将已接受的反馈转化为可复用的评估用例和本地证明报告。

**如实说明：**ThumbGate 不会更新模型权重，而是在运行时拦截工具调用。以本地为先——强制执行流程无需云端。

适用于 Claude Code、Cursor、Codex、Gemini CLI、Amp、Cline、OpenCode 及其他 MCP Agent。

  Agent tries:   rm -rf tests/
  ThumbGate:     👎 WARN + LOG — "Never delete test directories"
                 Pattern matched: rm.*-rf.*tests
                 Source: your thumbs-down from last Tuesday
                 Strict mode: ⛔ DENY before tool execution

适配 Agent 开发周期

Agent 开发正逐渐形成一个循环：引导 → 生成 → 验证 → 解决。ThumbGate 是操作前门禁／操作前边界，位于生成的意图与实际执行的操作之间。

快速开始

想要一份分阶段的操作指南，并在每个阶段进行验证？请参阅渐进式设置指南。

渐进式接入——先验证管道，再启用匹配。仪表板为空即表示成功。

npx thumbgate init          # Phase 1: hooks only
npx thumbgate doctor        # verify: exits 0 only when PreToolUse hook is wired (hidden metric = hook install, not gate count)
npx thumbgate dashboard --open  # Phase 2: open local HTML; empty stats are OK
npx thumbgate capture --feedback=down --context="Never run DROP on production tables" --what-went-wrong="agent proposed DROP" --what-to-change="require review for DROP"

同一作用域内后续的 DROP 尝试会显示此项检查：

⚠️ Check fired: "Never run DROP on production tables"
   Pattern: DROP.*production
   Verdict: 👎 WARN + LOG   (⛔ BLOCK when THUMBGATE_STRICT_ENFORCEMENT=1)

编号配置：config/progressive/。指南：渐进式接入。

MCP / Glama / 注册表安装（stdio）

以 MCP 服务形式安装 ThumbGate 的目录和客户端必须启动 stdio MCP，而不是 HTTP API：

npx -y thumbgate serve

• 等效命令：npx -y thumbgate mcp
• 不要将 npm start 用于 MCP — 它会启动托管的 HTTP API（src/api/server.js），而不是面向 Agent 的 stdio 服务。

▶ 90 秒演示 · GIF 演示

为你的 Agent 安装

各 Agent 指南：Claude/Codex bridge · Codex profile · Cursor · MCP 设置

安装范围：整机通用还是按项目安装

两种范围都会写入 mcpServers.thumbgate，以及 PreToolUse / UserPromptSubmit / PostToolUse / SessionStart hooks。对于大多数开发者，整机通用是合适的默认选项。跨仓库拦截不会自动启用：一个项目中获得的经验教训，只有在共用存储（整机通用）或导出/导入经验教训时，才会应用到其他项目。

MCP 工具（功能界面）： gate_check（读取 / 评估拟议的工具调用）、反馈记录 + 会话工具（写入）、仪表盘 / 统计（读取）。破坏性 Agent 操作仍会被 PreToolUse 拦截或警告 — ThumbGate 不会替你执行用户 Shell 命令。

可发现的斜杠命令 — 规范驱动 Agent 的防护层

像 GSD（get-shit-done）和 GitHub Spec Kit 这样的规范驱动 Agent 框架会规划并生成工作。ThumbGate 是规范驱动 Agent 的防护层：它位于计划之后，处在生成的工具调用与其执行之间的边界上 — 与 GSD / Spec-Kit 搭配使用，而非替代它们。

npx thumbgate init 会将这些命令安装到你的 Agent 命令面板中：

定价与购买方式

免费版：每天可记录 2 条反馈（总计 10 条），并且最多有 3 条自动晋升的有效预防规则。Pro（$19/月或 $149/年）是面向个人的版本，提供不限数量的规则、考虑历史记录的经验教训、关联反馈的会话流程、个人仪表盘和 DPO 导出。Enterprise 采用定制方案，并在信息收集后确定范围；托管团队经验教训同步和托管组织仪表盘尚未普遍开放。

Enterprise 受理路径： 工作流加固冲刺会先针对一个重复出现的问题确定范围，再考虑是否更广泛地推广。开始受理 →

本地技术路径： 安装 CLI，并使用 init 和文档所述的设置，以便在 Agent 实际运行的位置评估工具调用的操作前检查。

首次付费激活路径： 打开 ThumbGate GPT，粘贴有风险的操作，并记录分类反馈（thumbs down: / thumbs up:）。ChatGPT 原生评分按钮不是 ThumbGate 的反馈记录方式。 请思考：哪种反复出现的 AI 错误值得在工具执行前拦截？

个人操作者的付费路径： ThumbGate Pro 是面向个人仪表板和可导出证据的自助服务选项。

免费开始 · Pro $19/月 · 实时仪表板 · 团队冲刺受理 · 工作流加固冲刺 · 首次付费指南 买家常见问题： AI 搜索主题存在感 · 关系知识与 AI 推荐 · 用于 Agent 治理的 AI Mode 广告 · MCP 工具治理 · AI Agent 执行前审批关卡 · 后台 Agent 治理 · GPT-5.5 模型评估 · 阻止 AI Agent 重复犯错 · 浏览器自动化安全 · 原生消息传递主机安全 · Autoresearch Agent 安全 · Cursor 防护措施 · Codex CLI 防护措施 · Gemini CLI 记忆 + 强制执行 · Google Cloud MCP 防护措施 · Roo Code 替代方案：迁移到 Cline

工作原理（简版）

1. 收集 👍/👎 反馈（CLI、MCP、关联反馈会话流程 / open_feedback_session，或 ThumbGate GPT）
2. 通过结合历史记录的经验提炼，将具体经验转化为预防规则
3. 将下一次提议的工具调用与生效规则进行评估（字面量/AST + 本地向量）
4. 在工具运行前允许 / 警告 / 拒绝

npx thumbgate brain --write   # → .thumbgate/BRAIN.md (lessons + gates in one artifact)

Pro 用户可通过 MCP 调用 search_lessons，并在命令行中使用 npx thumbgate lessons。结合历史记录的反馈会话和经验搜索属于 Pro 功能；Free 不包含回忆或搜索功能。

flowchart LR
    A["Agent tool call"] --> B{"Rule match?"}
    B -- exact --> D["On-device gate"]
    B -- semantic --> C["Local LanceDB"]
    C --> D
    D -- secret/kill --> E["⛔ Hard-block"]
    D -- known-bad --> G["👎 Warn + log"]
    D -- safe --> F["👍 Allow"]

⛔ secret-exfiltration → hard-block (default)
⛔ self-protect-kill   → hard-block (default)
⛔ self-protect-env    → hard-block (default)
⚠️ force-push          → warn; hard-block under strict
⚠️ protected-branch    → warn; hard-block under strict
⚠️ unresolved-threads  → warn; hard-block under strict
⚠️ package-lock-reset  → warn; hard-block under strict

npx thumbgate init
npx thumbgate doctor
npx thumbgate capture up|down "<text>"
npx thumbgate lessons
npx thumbgate brain --write
npx thumbgate dashboard --open
npx thumbgate break-glass --reason="ThumbGate over-fired"   # 5-min recovery

# Portable lessons
curl -X POST http://localhost:3456/v1/lessons/export \
  -H "Authorization: Bearer $THUMBGATE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"outputPath": "./lessons-export.json"}'

# DPO pairs for fine-tuning
curl -X POST http://localhost:3456/v1/dpo/export \
  -H "Authorization: Bearer $THUMBGATE_API_KEY" \
  -o dpo-pairs.jsonl

技术栈

每个 Changeset 都与确切的 main 合并提交绑定，并生成 Verification Evidence，以增强 Release Confidence。

集成（精简版）

文档

完整索引：docs/INDEX.md

常见问题（简答）： 不是微调器（仅在运行时拦截）。不同于 CLAUDE.md / .cursorrules（它们提供上下文；ThumbGate 则会在工具运行前进行外部允许 / 警告 / 拒绝）。

开发者

Igor Ganapolsky — 支付（Stripe/Connect）、AI Agent 护栏 / MCP、Android + 后端。合同名额有限：$120–150/hr, 1099, 美国远程。LinkedIn · thumbgate.ai

许可证

MIT — 参见 LICENSE。项目策略：SECURITY.md · THREAT_MODEL.md。