Review Summary
2026-09-05 14:48:36作者:廉皓灿Ida
Review Summary
Verdict: APPROVE | REQUEST CHANGES
Overview: [1-2 句话概括改动与整体评估]
Critical Issues
- [文件:行号] [描述与建议的修复方案]
Required Changes
- [文件:行号] [描述与建议的修复方案]
Optional
- [文件:行号] [描述]
Nits
- [文件:行号] [描述]
What's Done Well
- [正向观察 —— 至少包含一条]
Verification Story
- Tests reviewed: [yes/no, 观察]
- Build verified: [yes/no]
- Security checked: [yes/no, 观察]
模板里有两个容易被忽略但很关键的约束:其一,**每条 Critical 与 Required 发现都必须带具体修复建议**(见下文规则 3);其二,**必须包含至少一条"What's Done Well"**——具体地肯定做得好的地方,这是技能"评审中的诚实"一节明确的行为准则,也是人格规则第 5 条。
## 四、评审规则(Rules)
人格末尾的六条规则,定义了"怎样才算认真评审":
1. **先评审测试** —— 测试揭示了意图与覆盖度;
2. **先看规格或任务描述,再评审代码** —— 没有参照系,正确性无从谈起;
3. **每条 Critical 与 Required 发现都给出具体修复建议** —— 只说"有问题"等于让作者猜;
4. **绝不批准带 Critical 问题的代码**;
5. **肯定做得好的部分** —— 具体的表扬能激励良好实践;
6. **不确定就明说**,建议去调查而不是瞎猜。
其中规则 1、2 与技能"Review Process"中的 Step 1(理解上下文)、Step 2(先评审测试)完全对齐;规则 3 与"结构性补救"原则(提出搬移方案而非只提问题)呼应;规则 6 则直接对应技能"评审中的诚实"里"Don't soften real issues"与"接受合理覆盖(override)时保持礼貌"。
## 五、组合与编排(Composition)
这是理解该人格在整个仓库里位置的关键,原文档明确写了三段式组合契约:
- **直接调用**:当用户要求评审某个具体改动、文件或 PR 时;
- **通过命令调用**:`/review`(单视角评审)或 `/ship`(与 `security-auditor`、`test-engineer` 并行 fan-out);
- **绝不由另一个人格调用**。如果你发现自己想委托给 `security-auditor` 或 `test-engineer`,应把这一点作为**建议**写进报告,而不是自己去调——编排属于斜杠命令,不属于人格。
这一条"人格不调用人格"是 agent-skills 的硬性治理规则。在 [docs/agents.md](https://gitcode.com/GitHub_Trending/agentskill/agent-skills/blob/020ec10a788f5703108d093a4bd3d9a7c3847d36/docs/agents.md?utm_source=gitcode_repo_files) 与 [references/orchestration-patterns.md](https://gitcode.com/GitHub_Trending/agentskill/agent-skills/blob/020ec10a788f5703108d093a4bd3d9a7c3847d36/references/orchestration-patterns.md?utm_source=gitcode_repo_files) 中,它被反复强调:用户(或斜杠命令)才是编排者,技能是人格工作流里"必经的跳点"。之所以禁止人格互相调用,原因是:人格被设计为只产出单一视角,链式调用会丢失上下文、放大故障模式、并隐藏成本。因此 `code-reviewer` 若发现某个改动需要更深的审计,正确做法是在报告里"推荐一次后续安全审计",由用户或命令发起第二遍——正如 [agents/security-auditor.md](https://gitcode.com/GitHub_Trending/agentskill/agent-skills/blob/020ec10a788f5703108d093a4bd3d9a7c3847d36/agents/security-auditor.md?utm_source=gitcode_repo_files) 的组合块所写的反向约定。
### `/review`:单人格命令
[commands/review.toml](https://gitcode.com/GitHub_Trending/agentskill/agent-skills/blob/020ec10a788f5703108d093a4bd3d9a7c3847d36/commands/review.toml?utm_source=gitcode_repo_files) 是最直接的人格封装,它调用 `code-review-and-quality` 技能,对"当前改动(staged 或近期提交)"跑五轴评审,并要求:
- 把发现归类为 Critical / Important / Suggestion;
- 输出带 `文件:行号` 与修复建议的结构化评审;
- 在安全轴调用 `security-and-hardening`,在性能轴调用 `performance-optimization`。
这对应编排模式目录里的"单人格局部命令"——成本与直接调用相同,斜杠命令只是"存下来的提示词"。
### `/ship`:并行 fan-out 编排器
[commands/ship.toml](https://gitcode.com/GitHub_Trending/agentskill/agent-skills/blob/020ec10a788f5703108d093a4bd3d9a7c3847d36/commands/ship.toml?utm_source=gitcode_repo_files) 展示了 `code-reviewer` 如何进入多智能体流水线。`/ship` 是**并行 fan-out 编排器**:它在**同一个助手轮次内**并发派发三个人格(顺序调用会让并行失去意义),再由主智能体合并报告:
/ship ├── (并行) code-reviewer → 五轴评审报告 ├── (并行) security-auditor → 安全审计报告 └── (并行) test-engineer → 覆盖度分析报告 ↓ 合并阶段(主智能体) ↓ go/no-go 决策 + 回滚计划
并行之所以成立,是因为三个人格"对同一 diff 产出不同视角、彼此无共享可变状态、无顺序依赖"。合并阶段主智能体要处理:聚合 Critical/Important 发现并去重、把安全审计的 Critical/High 提升为上线阻断项、交叉核对性能轴、以及补充三个人格都没覆盖的无障碍与基础设施检查。规则里还有一条很实用的跳过判据:**仅当改动不超过 2 个文件、diff 小于 50 行、且不涉及 auth/支付/数据访问/配置时**才跳过 fan-out;否则一律跑并行评审——`/ship` 面向的是生产级改动。
人格文档里的决策矩阵与这条编排完全一致:
工作是对单个工件的单一视角吗? ├── 是 → 直接调用人格 └── 否 → 子任务是否独立(无共享可变状态、无顺序)? ├── 是 → 带并行 fan-out 的斜杠命令(如 /ship) └── 否 → 用户依次运行的斜杠命令(/spec → /plan → /build → /test → /review)
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0622
Hy4-previewHy4 preview 是由腾讯混元团队研发的新一代混合专家(MoE)旗舰模型。模型总参数量 770B,每个 token 激活 49B,主干共包含78层,第一层采用标准 FFN,其余 77 层均为 MoE 结构,每层包含 256 个路由专家与 1 个共享专家,每个 token 激活 top-8 路由专家及共享专家。主干之外原生内置 1 层 MTP(总参数量 10B,激活 0.7B)以支持投机解码。Python00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
GLM-5.3-FlashGLM-5.3-Flash (320B-A18B),是GLM-5系列的首个原生多模态模型。320B总参数,能力超过GLM-5.2Jinja00
Spark-X2.5-4BSpark-X2.5-4B 旨在让强大的 AI 更实用、更高效、更易获得。在广泛日常任务中表现强劲,涵盖对话、写作、翻译、推理、编码、工具调用以及智能体工作流,并在同等规模的开源模型中取得领先成绩。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
最新内容推荐
Langchain-Chatchat 仓库结构详解:monorepo 组织方式与 chatchat-server、python-sdk 包布局Mem0 文档站维护指南:Mintlify 目录结构、docs.json 导航与 llms.txt Agent 索引的 CI 同步机制Agent Teams 任务委派实战:team-delegate 命令如何管理多 Agent 团队的任务分配与工作负载再平衡Understand-Anything 仪表盘的宽容图加载:一条让 LLM 生成知识图谱“残缺可用”的四层容错管道agents 插件市场 Agent Teams 的 /team-review 实战指南:多维度并行代码审查与报告合并agents 中 Agent Teams 的团队组成模式:团队规模启发式、预置团队、代理类型选择与展示模式配置claude-howto 自评技能输出模板设计:用空白 Markdown 模板结构化 Claude Code 评估结果ai_news_generator:基于 CrewAI 与 Cohere Command-R 的多智能体 AI 新闻生成应用claude-mem 的 Issue/PR 批量分诊:Phase 01 PR 审查、合并与重复工单闭环实战Storybook 的 Agent 技能实战:用 update-pr-description 技能让 AI 帮你校准 PR 标题与描述
项目优选
收起
deepin linux kernel
C
33
18
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.12 K
2.72 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
528
588
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
906
1.82 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
854
1.34 K
暂无描述
Markdown
891
5.78 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.53 K
1.01 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.34 K
1.45 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
987
504
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
540
384