openbot pstack 的 Interrogate 技能深度解读:多模型对抗式评审中的 Code Quality Review 代码质量视角
openbot pstack 的 Interrogate 技能深度解读:多模型对抗式评审中的 Code Quality Review 代码质量视角
在 openbot 的 Marketplace 生产目录中,pstack 这个由上游 pstack 插件打包发布的技能集内置了一套"多模型对抗式代码评审"工作流(Interrogate 技能)。其中的 code-quality-review.md 是为每位 AI 评审员预装的一副"代码质量透镜":它不是风格检查清单,而是一套以结构简化、可维护性、抽象质量和代码库健康度为核心的严格评审标准。读完本文,你将理解这套标准如何在多模型评审流程中被注入提示词、与评审量表(rubric)如何分工、批准门槛(Approval Bar)如何卡住"行为正确但结构变差"的 PR,以及如何在 openbot 中通过 $pstack-interrogate 实际调用这套能力。
Interrogate 技能在 pstack 中的位置
Interrogate 技能的使用触发词是 "interrogate"、"adversarial review"、"multi-model review"、"challenge this"、"tear this apart" 等。它的核心机制是:为每个配置好的模型各派生一个只读评审子代理(reviewer),从独立视角对抗式地挑战代码变更;对抗信号来自模型多样性,而不是人为分配的人格(persona);最终交付物是合并后的裁决(synthesized verdict),且绝不自动应用任何修改。这一定义见 SKILL.md。
完整的评审流水线分五步:
-
Scope(划定范围):用户指定文件或 diff 就按指定来;在 feature 分支上则取
git diff main...HEAD(或对应 base 分支)的完整变更集,并附上评审员理解代码所需的周边上下文文件。 -
Intent(陈述意图):在派生评审员之前,先用一段话从用户消息、commit message、PR 描述和代码中陈述变更意图;不确定时先问用户。
-
Spawn Reviewers(派生评审员):从
~/.cursor/rules/pstack-models.mdc的interrogate reviewers行读取模型列表,按条目数量以 Reviewer A、B……编号,在单条消息中用 Task 工具一次性全部拉起。规则或该行缺失时,使用表格默认值:子代理 默认模型 Reviewer A claude-opus-5-5-xhighReviewer B grok-4.7-xhigh-fast每位评审员都使用
subagent_type: generalPurpose、readonly: true,并把model设为对应条目(auto/inherit-parent条目则省略model,让评审员跟随父模型)。若 Task 工具拒绝某个配置条目,回退到该模型家族(前缀claude-*、grok-*)的表格默认值;连默认值都被拒绝时,从错误信息列出的有效 slug 中选同家族、同推理档位的最接近等价项,并不阻塞评审。 -
Synthesize(合成):解析所有评审员的发现(findings),把描述同一问题的不同措辞合并,并记录哪些模型各自提出了什么;两个及以上模型独立提出的发现是最高信号;只被单个模型提出的发现要降权阅读;模型之间的明确分歧本身就是裁决的上下文。
-
Lead Judgment(主审裁决):执行 SKILL 的主会话充当主审——一名务实的资深工程师,而不是中立聚合器——把每个发现归入 Act on / Consider / Noted / Dismissed 四个桶,并附上提出模型和一行理由。
lead-judgment.md 进一步给出了过滤原则:警惕"nitpick gravity"(评审员倾向于用琐碎意见填满篇幅——如果某人只有 nit,代码大概率没问题)、区分"假设性问题"与"实际可达路径"、对过早抽象警告保持怀疑、把"我会换个做法"这类最常见的误报直接 Dismiss;同时提醒:多个模型独立命中同一问题是共识信号,安全与正确性发现即使只来自单个模型也要格外谨慎;"Act On" 列表超过 5 条说明过滤得还不够狠。
而 code-quality-review.md 正是在第 3 步中被填充进每一位评审员提示词的——SKILL.md 明确要求:读取 reviewer-prompt.md,把同样的模板填给所有评审员,其中包含陈述的意图、diff/文件内容、来自 rubric.md 的评审量表,以及来自 code-quality-review.md 的代码质量透镜。
定位:在 rubric 之上的"严格质量标准"
code-quality-review.md 开宗明义:每位评审员在 rubric 之外还要套用这副代码质量透镜。它聚焦实现质量、可维护性、抽象质量与代码库健康度,并且"首先"要野心勃勃地追求代码结构——不要止步于识别局部清理,而要主动寻找 "code judo"(代码柔术)式的重构:在保持行为不变的前提下,让实现变得显著更简单、更小、更直接、更优雅。
这里的分工很清晰:rubric.md 回答"代码对不对"(正确性、根因 vs 症状、结构完整性、可验证性、复杂度预算、安全),而 code-quality-review.md 回答"代码好不好"(结构、抽象、边界、演进性)。在 reviewer-prompt.md 的模板中,rubric 内容填入 {RUBRIC_CONTENTS} 占位符,本文件内容填入 {CODE_QUALITY_CONTENTS} 占位符,两者并列出现在同一个评审提示词中。模板还规定了每个发现必须带 critical / warning / nit 三级严重度、具体定位(文件:行 或 函数名)、证据推理和可选建议,并强调"空评审是合法结果"——找不到问题就写 "no findings" 结束,不许为了输出而输出。
Core Prompt:审计的基线指令
文档给出了一个基线提示词,作为深度代码质量审计的起点:
Perform a deep code quality audit of the current branch's changes. Rethink how to structure / implement the changes to meaningfully improve code quality without impacting behavior. Work to improve abstractions, modularity, reduce Spaghetti code, improve succinctness and legibility. Be ambitious, if there is a clear path to improving the implementation that involves restructuring some of the codebase, go for it. Be extremely thorough and rigorous. Measure twice, cut once.
这五句话确立了四个基调:只改结构不改变行为("without impacting behavior")、主动消除意面代码(reduce Spaghetti code)、允许并鼓励触碰代码库其他部分("restructuring some of the codebase, go for it")、严谨优先于速度(Measure twice, cut once)。这与 Interrogate 技能"Do NOT auto-apply changes"的约束互补:审计可以大刀阔斧,但落地由人决定。
八个维度:从"结构野心"到"编排与原子性"
文档列出 8 个维度(编号 0–7),并说明"每个维度只陈述一次,只套用相关的"。以下完整继承原文维度并结合其设计意图展开。
维度 0:野心勃勃地追求结构简化
Be ambitious about structural simplification.
不要停在"这里可以稍微再干净一点"。要寻找那种能让整个分支、helper、模式、条件或一整层直接消失的重新表述(reframing)。要默认"code judo"手法通常是存在的——它更有效地利用现有架构,使变更显著变简单。如果删除复杂度的路径存在,而不是仅仅重排复杂度,就强力推动删除。 这是全部维度的总纲:它把评审目标从"挑毛病"抬升到"找删减机会"。
维度 1:1000 行文件阈值
Do not let a PR push a file from under 1k lines to over 1k lines without a very strong reason.
一个 PR 把文件从 1000 行以下推到 1000 行以上,在没有非常充分理由时被视为强异味(strong smell)。应优先提取 helper、子组件或模块;当 diff 跨过这条阈值时,先问"这段代码是否应该先分解"。只有当存在 compelling 的结构理由、且结果文件仍然组织清晰时才豁免。这是一条可量化、可执行的规则,给 LLM 评审员一个明确的锚点,避免文件无限膨胀。
维度 2:禁止在意面代码上继续生长
Do not allow spaghetti growth in existing code.
对以下现象保持怀疑:新插入的临时性条件判断、散落在不相干流程中的特判、一次性分支。把"散落在随机位置的奇怪 if 语句"当作设计问题而不是风格吹毛求疵。优先把逻辑推进到专用 helper、状态机或独立模块,而不是把既有路径越缠越乱。
维度 3:偏向清理设计,而不是接受"能跑就行"
Bias toward cleaning the design, not just accepting working code.
如果行为保持不变、结构却能显著变干净,就推动更干净的版本。偏好移除活动部件(remove moving pieces)的简化,而不是把同样的复杂度摊到别处去的"伪重构"。
维度 4:偏好直接、无聊、可维护的代码
Prefer direct, boring, maintainable code over hacky or magical code.
把脆弱、临时、"魔法"行为当作问题。对隐藏了简单数据结构假设的通用机制保持怀疑。标记那些增加间接层却不换来清晰度的薄抽象、身份包装器(identity wrappers)和直通 helper(pass-through helpers)。"无聊但直白"是这里的美学标准。
维度 5:类型与边界的整洁
Push on type and boundary cleanliness when it affects maintainability.
当更清晰的类型边界本可以存在时,质疑不必要的 optionality、unknown、any 或以 cast 为主的代码;偏好显式的 typed 模型而不是松散形状的临时对象。特别针对一种模式:如果某个分支依赖一个静默回退(silent fallback)来掩盖不清晰的不变量(invariant),就追问这个边界是否应该被显式化。
维度 6:逻辑归位到规范层,复用既有 helper
Keep logic in the canonical layer and reuse existing helpers.
点名两类泄漏:功能逻辑渗入共享路径(shared paths),实现细节穿透 API。偏好既有规范工具(canonical utilities)而不是自造的一次性实现。把代码推向正确的 package、service 或模块,而不是把"漂移"(drift)常态化。
维度 7:无谓的串行编排与非原子更新
Treat unnecessary sequential orchestration and non-atomic updates as design smells.
当更干净的结构显而易见时:独立的工作若被无谓地串行化,就追问是否应该并行;相关的更新若可能让状态停留在"半应用"(half-applied)状态,就推动更原子的结构。同时明确克制:不要过度关注微优化,但要标记那些让代码更脆弱、可避免的编排复杂度。
Output Expectations:发现的优先级排序
评审输出不是平权的。文档规定的优先级是:
- 结构性代码质量回归与错失的简化机会(structural regressions and missed simplifications)排最前;
- 其二是意面代码与分支复杂度;
- 其三是边界、类型、文件规模问题;
- 最后才是更小的模块化与可读性问题。
这个排序与维度 0 呼应:评审员必须先回答"这个 PR 是否让结构变差、或错过了 code judo 机会",然后才轮到其余问题。它直接决定了评审输出的信息密度分配——在 reviewer-prompt.md 中这对应 critical/warning/nit 之外的"排序"约束,保证多模型合成阶段(Interrogate Step 4)合并发现时,高信号项天然浮在表面。
Approval Bar:什么情况必须挡住
这是整份文档最具操作性的部分。它规定:不要仅仅因为行为看起来正确就批准 PR。以下条件在没有作者有力论证前,一律视为"推定阻塞项"(presumptive blockers):
- PR 保留了大量附带复杂度,而一个 code judo 手法本可以将其删除;
- 把文件从 1000 行以下推到了 1000 行以上;
- 新增临时分支,把既有流程搅成一团;
- 把功能检查散落进共享代码;
- 新增不必要的抽象、包装器或 cast 为主的契约;
- 复制既有 helper,或在存在明确规范归属(canonical home)时把逻辑放在错误的层。
若上述条件都不成立,则留下明确、可执行的反馈,并推动更干净的分解。这一节把"评审"从意见交换升级为有明确否决清单的准入门禁,也正是多模型对抗评审中最容易被主审(lead judgment)引用的依据——在 lead-judgment.md 的框架下,这些阻塞项几乎必然落入 Act on 桶。
Review Tone:评审语气规范
文档最后对评审员的语气作出约束:直接、严肃、对质量有要求。不许无礼,但不许把重大可维护性问题软化成温和建议。如果代码让代码库变得更乱,就直说;如果实现错过了一个显而易见的重大简化机会,也要直说。不要用"也许可以重命名一下"来敷衍,当真正的问题是结构性的时候。这条语气规范是 LLM 评审系统中少见的显式"反客套"条款,它配合 reviewer-prompt.md 中"你不是来帮忙和鼓励的,你是来压力测试的"(You are not here to be helpful or encouraging)的设定,共同压制了大模型在评审场景下常见的"先夸两句再提意见"倾向。
在 openbot 中实际调用:$pstack-interrogate
在 openbot 仓库中,pstack 以 pack 的形式发布:catalog.json 中声明了 slug 为 pstack、source 为 cursor 的 pack,其构建产物把上游 52 个技能分别打包为 pstack-<name> 技能文件夹,一次安装、一条锁记录。据 marketplace/production-catalog/README.md 说明,bundles/pstack/ 是上游 pstack 插件(MIT License,来源见 NOTICE.md)skills/ 与 agents/ 的未改动副本;构建时会去掉 disable-model-invocation 字段,使 $pstack-<name> 在所有 provider 下都能工作。
因此本文件描述的代码质量透镜,在 openbot 中的使用方式是:
- 从 Marketplace 安装
pstack技能(本地开发可用bun run marketplace:seed:local后在应用内安装); - 运行
/setup-pstack(对应 setup-pstack/SKILL.md):它探测当前会话可用的模型 slug,按用户选择的推理预算(unlimited/large/medium/small)写入~/.cursor/rules/pstack-models.mdc,其中interrogate reviewers行(默认claude-opus-5-5-xhigh, grok-4.7-xhigh-fast)决定评审员的数量与模型,列表长度直接决定 fan-out 数; - 以
$pstack-interrogate触发(上游触发词还包括 "adversarial review"、"tear this apart" 等)。poteto-help 的示例配方 给出了一个典型调用:/interrogate the whole branch, but skeptically. don't change anything yet. no nitpicks unless it's a real bug or regression.——"读一读 Dismissed 列表"也是其建议的一部分。
从 pstack 内部看,Interrogate 并非孤立技能:poteto-mode/SKILL.md 规定"存在争议的设计 → 发货前走 interrogate 技能(多模型对抗评审)",而 playbooks/feature.md 与 playbooks/opening-a-pr.md 都把 interrogate 嵌入了 feature 开发流程和"开 PR"的收尾环节(开 PR 的子代理会依次跑 interrogate、/deslop、/no-comments)。也就是说,本文剖析的这副代码质量透镜,是 pstack 工作流中"争议设计评审"与"PR 门禁"两个卡口的共享标准。
小结
code-quality-review.md 是一份为 LLM 评审员精心设计的代码质量标准:它以 "code judo" 式结构简化为最高目标,用 8 个可操作维度(1000 行阈值、反意面生长、反魔法代码、类型边界、逻辑归位、并行与原子性)约束评审视角,用 Output Expectations 给发现排序,用 Approval Bar 把"行为正确"与"结构健康"解耦成独立的批准条件,并用 Review Tone 条款压制模型客套倾向。在 openbot 的 pstack 技能包中,它与 rubric.md、reviewer-prompt.md、lead-judgment.md 共同构成一条"多模型独立对抗 → 合成 → 主审四桶裁决"的完整评审流水线,可通过 $pstack-interrogate 与 pstack-models.mdc 的 interrogate reviewers 配置直接投入使用。