不止于讲解:How插件Critique模式如何用3个AI模型揪出架构问题
不止于讲解:How插件Critique模式如何用3个AI模型揪出架构问题
How 是一款运行在 Cursor 中的 AI 代码讲解插件,除了讲清"某个子系统如何工作",它的 Critique 模式还会调度 3 个不同厂商的 AI 模型当"架构评审专家",用统一评分标准独立审查代码,最终由主 Agent 像技术负责人一样裁决,帮你快速揪出架构问题。这篇文章带你完整看懂这套 AI 架构审查机制的设计思路与使用技巧。
先认识 How:两种模式各管一件事 🎯
How 以 /how 技能的形式接入 Cursor,你只需用自然语言提问,例如:
- "消息虚拟化是怎么工作的?"
- "用户发送一条消息后发生了什么?"
- "认证服务是怎么组织的?顺便点评一下这个设计"
第三句会触发 Critique 模式。两种模式的分工如下:
| 模式 | 行为 | 适合场景 |
|---|---|---|
| Explain(默认) | 探索代码库,产出结构化架构讲解 | 刚接手陌生代码,想快速建立心智模型 |
| Critique | 先讲解,再派 3 个 AI 模型独立挑毛病 | 想评估现有设计、发现架构隐患 |
路由逻辑写在 SKILL.md 中:简单问题(单个模块、小工具函数)由单个 Agent 一步完成"探索 + 讲解";复杂问题(跨多个文件或服务)则先把问题拆成 2~4 个并行探索角度,派多个 explorer 子代理分头查代码,再由 explainer 子代理汇总成一份连贯的讲解。讲解模板见 explainer-prompt.md,探索模板见 explorer-prompt.md。
Critique 模式三步走:讲解、评审、裁决
Critique 模式不是"直接让 AI 挑刺",而是分三步走,每一步都有明确职责:
flowchart TD
A[用户提问:如何工作 + 点评设计] --> B[第1步:完整运行 Explain 流程]
B --> C[产出结构化架构讲解]
C --> D[第2步:一次性派出3个评审子代理]
D --> E[Critic A:claude-opus-4.6]
D --> F[Critic B:composer-2]
D --> G[Critic C:gpt-5.4]
E & F & G --> H[第3步:主Agent扮演务实的Lead裁决]
H --> I[Act on / Consider / Noted / Dismissed]
I --> J[先呈现讲解,再附评审结论]
第 1 步:先讲清,再评审
源码逻辑很直接:在能批评架构之前,必须先理解架构。How 会先完整跑一遍 Explain 流程,产出的讲解既是给读者的"说明书",也是给评审员的"地图"。
第 2 步:3 个不同模型的"评审团"
这是 Critique 模式最有意思的地方。3 个 critic 子代理一次性并行派出,且刻意选择了不同厂商的模型:
| 评审子代理 | 使用的模型 |
|---|---|
| Critic A | claude-opus-4.6 |
| Critic B | composer-2 |
| Critic C | gpt-5.4 |
每个评审员都会拿到三份"材料":
- 架构讲解——省得它重新探索代码;
- 相关文件路径——可以直接读真实代码;
- 架构批评评分表(rubric)——保证评审有统一标准。
为什么是 3 个不同模型?单一模型有自己的"思维偏好",可能系统性地忽略某类问题;多个独立模型交叉评审,能暴露出各自视角下才能发现的问题。模型只是"起点建议"——如果架构复杂度高,How 会把同族模型升级到更高推理档位。
第 3 步:主 Agent 不是搬运工,而是"技术负责人"
收到 3 份评审意见后,主 Agent 的角色是 pragmatic lead(务实的负责人),而不是简单聚合器。它会把所有发现归入四类:
- ✅ Act on(现在就该修)——值得立即处理的架构问题;
- 🤔 Consider(值得考虑)——真实存在的隐患,但成本收益不明;
- 📝 Noted(记录在案)——观察有效,但优先级低;
- ❌ Dismissed(驳回)——判断错误、缺少上下文,或纯属风格偏好。
最终呈现时,讲解在前、评审结论在后——只想理解系统的读者不必读完一堆批评意见。
评审的"尺子":6 个视角的架构评分表 🔍
评审不是凭感觉。critique-rubric.md 定义了 6 个评审视角,评审员按相关性选用(并非每个视角都适用于每个子系统):
- 抽象契合度(Abstraction Fit)——每个抽象是否"称职"?边界是否分开了各自独立变化的东西?过度抽象和抽象不足同样是问题。
- 数据模型(Data Model)——数据结构是否匹配真实访问模式?类型是否"诚实"地反映运行时数据形态?
- 边界纪律(Boundary Discipline)——校验是否集中在入口?错误是否在边界处处理?子系统能否被独立测试?
- 演进就绪度(Evolution Readiness)——如果最可能的下一个需求明天落地,要改"一个文件"还是"所有文件"?有没有硬编码的假设?
- 复杂度 vs 价值(Complexity vs. Value)——复杂度预算花在刀刃上了吗?每个组件都值得存在吗?
- 一致性(Consistency)——这里的解法和代码库其他地方的模式一致吗?未解释的不一致就是维护负担。
这份评分表的价值在于:它把"这设计看起来不太行"这种模糊直觉,转化成可核对的具体问题清单。
报告质量怎么保证?严重级别 + 证据要求
critic-prompt.md 对每条发现都提出了严格的输出格式:
| 字段 | 要求 |
|---|---|
| Severity | 三级:structural(架构根本性问题:抽象边界错误、数据模型损坏、阻断性耦合)/ concern(真实问题但非根本性损坏)/ observation(值得记录的权衡、技术债、模式不一致) |
| Finding | 具体命名涉及的组件、边界和耦合点 |
| Evidence | 必须指向具体代码,展示依赖链,而不是空口断言"耦合太重" |
| Impact | 说清代价:更难测试?更难修改?性能悬崖? |
同时模板明确列出了禁区:
- 不做行级代码评审(那不是这个环节的职责);
- 不展示问题就建议重写;
- 不空喊"这里可以更抽象";
- 不把有意为之、收益明确的权衡当作问题。
模板还留了一句很有分量的兜底:"如果架构是健康的,就直说。空的批评也是有效结论。"——这避免了评审报告"为凑数而硬挑"的通病。
实用指南:如何正确使用 Critique 模式 ✍️
触发方式:在提问中同时表达"理解 + 点评"两个意图即可,例如:
"How is the auth service structured? Also critique the design."
使用建议:
- 🎯 瞄准子系统提问——"认证服务怎么组织的"效果好于"整个项目有什么架构问题",评审粒度越聚焦,发现越具体;
- 📎 关注 Evidence 字段——评审的价值在证据链,看到具体文件与依赖引用时再评估该发现是否成立;
- 📋 从 Act on 类发现入手——先处理"现在就该修"的问题,Consider 类可以攒进技术债清单。
相关文件索引,方便深入阅读:
| 文件 | 作用 |
|---|---|
| skills/how/SKILL.md | 顶层路由:简单/复杂、Explain/Critique 分流 |
| skills/how/references/explorer-prompt.md | 并行探索子代理的提示词模板 |
| skills/how/references/explainer-prompt.md | 讲解子代理的模板与输出格式 |
| skills/how/references/critic-prompt.md | 架构评审员模板:严重级别、证据、禁区 |
| skills/how/references/critique-rubric.md | 6 视角架构批评评分表 |
小结
How 插件的 Critique 模式把"AI 架构审查"做成了有章法的流水线:先由讲解流程建立共同事实基础,再由 3 个不同模型依据统一评分表独立评审,最后由主 Agent 以负责人视角分档裁决。讲解可独立成立、发现必须带证据、空批评也是有效结论——这套设计让 AI 给出的架构意见从"看看就好"变成了可以真正纳入团队决策的参考。