应用介绍
让编码 agent 修十二个 bug，一小时后它说“全修好了”。结果一看：三个是改测试凑过去的，有一个顺手弄坏了没让它碰的功能，中途上下文被压缩，它又把试过的死路重走了一遍。它不是撒谎，只是手里既没有分数也没有记忆。Hill Climb 把“到底有没有变好”交给一条打分命令来判，不再让 agent 自己给自己打分。
agent 每做一小步改动，就跑一次 climb.py try：分数涨了、守卫全过，这一步才提交；没涨或者弄坏了别的，整棵工作树立刻回退。想偷偷改评分标准？锁定文件一动就被拒绝。分支上最后只剩被证明有效的每一步。
锁定检查文件：测试、基准、测试数据都锁住，agent 改了其中任何一个，这一步直接作废。
并行跑检查和守卫：多个检查命令一起跑读出分数，旧测试、类型检查、lint 这些守卫必须全部仍然通过。
只提交变好的那一步：一次胜利一个 commit，提交信息就是这步的想法，跨多个仓库一起提交。
磁盘上的日志才是真相：每一步写进日志，完整输出留在 last.txt，上下文被压缩也不会忘记试过什么。
任何目标都能变成一个数字：修 bug 用失败用例数，提速用毫秒或请求数，减体积用字节，连 UI 和文案都能用一组模型裁判按你的标准打分。装成 Claude Code 插件或 Codex 技能都行。
agent 每做一小步改动，就跑一次 climb.py try：分数涨了、守卫全过，这一步才提交；没涨或者弄坏了别的，整棵工作树立刻回退。想偷偷改评分标准？锁定文件一动就被拒绝。分支上最后只剩被证明有效的每一步。
软件功能
锁定检查文件：测试、基准、测试数据都锁住，agent 改了其中任何一个，这一步直接作废。
并行跑检查和守卫：多个检查命令一起跑读出分数，旧测试、类型检查、lint 这些守卫必须全部仍然通过。
只提交变好的那一步：一次胜利一个 commit，提交信息就是这步的想法，跨多个仓库一起提交。
磁盘上的日志才是真相：每一步写进日志，完整输出留在 last.txt，上下文被压缩也不会忘记试过什么。
任何目标都能变成一个数字：修 bug 用失败用例数，提速用毫秒或请求数，减体积用字节，连 UI 和文案都能用一组模型裁判按你的标准打分。装成 Claude Code 插件或 Codex 技能都行。
