Review Summary
Review Summary
Verdict: APPROVE | REQUEST CHANGES
Overview: [1-2 sentences summarizing the change and overall assessment]
Critical Issues
- [File:line] [Description and recommended fix]
Important Issues
- [File:line] [Description and recommended fix]
Suggestions
- [File:line] [Description]
What's Done Well
- [Positive observation — always include at least one]
Verification Story
- Tests reviewed: [yes/no, observations]
- Build verified: [yes/no]
- Security checked: [yes/no, observations]
人格还附带六条硬性规则:先看测试(它们揭示意图与覆盖度)、评审前先读规格、每条 Critical/Important 必须带具体修复建议、有 Critical 问题不得批准、必须指出做得好的地方(至少一条)、不确定时明说并建议调查而不是猜。
## 评审流程五步与多模型评审
技能把评审过程固化为五步流程:
1. **理解上下文**——看代码前先弄清意图:这个变更想达成什么?实现了哪个规格/任务?预期行为变化是什么?
2. **先评审测试**——测试是否覆盖变更?测的是行为还是实现细节?边界是否覆盖?测试名是否有描述性?代码若回退,测试能否抓住?
3. **评审实现**——按五轴逐文件过一遍;
4. **分级发现**——给每条评论打上严重度标签(上表),避免作者把所有反馈都当成必改项;
5. **验证"验证本身"**——核查作者的验证故事:跑了哪些测试?构建是否通过?是否手动测过?UI 变更是否有截图?有无 before/after 对比?
技能还给出了**多模型评审模式**:
Model A writes the code │ ▼ Model B reviews for correctness and architecture │ ▼ Model A addresses the feedback │ ▼ Human makes the final call
不同模型有各自的盲区,交叉评审能抓住单模型漏掉的问题。配套示例提示词:
Review this code change for correctness, security, and adherence to our project conventions. The spec says [X]. The change should [Y]. Flag any issues as Critical, Required, Optional, or Nit.
此外技能还覆盖了三块常被忽略的评审内容:
- **死代码卫生**:任何重构后应识别、列出孤儿代码,并**先询问再删除**("Should I remove these now-unused elements: [list]?"),既不留垃圾也不静默删除;
- **评审速度**:一个工作日内响应是上限而非目标;单个变更通常应在一天内完成多轮评审;大型变更应要求作者拆分而不是硬评审;
- **依赖纪律**:加依赖前依次回答五问(现有栈能否解决?包体积多大?是否活跃维护?有无已知漏洞?许可证是否兼容?);升级依赖是"和其他变更一样的变更",风险最高的是 `bump deps` 式批量升级——应逐包读 changelog、一次变更只升一个依赖、以升级前后测试套件是否全绿为准、并审查 lockfile diff 而非只看 `package.json`。
## 评测体系:仓库如何验证 /review 的行为
仓库为这条命令链路配备了可执行的行为评测,位于 [evals/cases/code-review-and-quality.json](https://gitcode.com/GitHub_Trending/agentskill/agent-skills/blob/df1edb2e05487d0aa6d93c747141e0aed1187f25/evals/cases/code-review-and-quality.json?utm_source=gitcode_repo_files),可以从两个方向确认命令与技能是否被正确触发。
正向触发(应命中 `code-review-and-quality`):
- "Review this pull request before I merge it"
- "Do a quality pass on this diff for correctness and readability"
- "Can you review the changes another model just wrote for me?"
负向触发(应路由给其他技能,避免误触发):
- "Deploy this to production now" → 属于 `shipping-and-launch`
- "Write a failing test for the bug before fixing it" → 属于 `test-driven-development`
核心评测用例(id 1)给 Agent 一个真实的缺陷 diff 作为输入,并要求"提交一份结构化评审"。该 diff 保存在 [evals/fixtures/code-review-and-quality/user-search.diff](https://gitcode.com/GitHub_Trending/agentskill/agent-skills/blob/df1edb2e05487d0aa6d93c747141e0aed1187f25/evals/fixtures/code-review-and-quality/user-search.diff?utm_source=gitcode_repo_files)——一个新增的 `/users/search` 端点:
```diff
router.get('/users/:id', requireAuth, getUser);
+router.get('/users/search', async (req, res) => {
+ const query = req.query.q;
+ const users = await db.query(
+ `SELECT id, email, display_name FROM users WHERE email LIKE '%${query}%'`
+ );
+ audit.log(`search by ${req.user.email}: ${query}`);
+ res.json({ users });
+});
这个 fixture 是被精心设计成"五轴靶子"的:用户输入直接拼进 SQL 模板字符串(安全轴——注入风险);query 未做任何校验(正确性轴);未做参数化、未限制返回数量(性能轴——无界数据拉取)。评测对输出提出四条预期:
- 发现覆盖多于一个评审轴;
- 每条发现带技能标签体系中的严重度;
- 对新端点的用户输入安全做了显式考虑;
- 评审以高杠杆发现开头,而不是先堆小瑕疵。
对照五轴清单,正确的评审应当至少标出一条 Critical:LIKE '%${query}%' 的字符串拼接是教科书式的 SQL 注入点。这个评测恰好演示了 /review 命令输出要求中"Critical 必须带 file:line 与修复建议"的标准形态。
命令、技能、人格三层的编排关系
docs/agents.md 把仓库的三层结构讲得很清楚:技能是 how(带步骤与出口标准的流程),人格是 who(采用单一视角、产出标准格式报告),命令是 when(面向用户的入口,负责组合人格与技能)。/review 属于"单人格背后的斜杠命令":它用项目的评审技能包装 code-reviewer 人格,给出单一视角的评审。
与它形成对照的是 /ship(.claude/commands/ship.md)——一个 fan-out 编排器:并行派生 code-reviewer、security-auditor、test-engineer 三个人格,再在主上下文中合并出 go/no-go 决策。关键规则是人格之间互不调用(personas do not invoke personas),编排是斜杠命令的职责;Claude Code 平台上"subagent 不能再 spawn subagent"的约束天然强制了这一点。code-reviewer 人格文件的 Composition 一节也明确了自身定位:被 /review 单视角调用,或被 /ship 与另两个人格并行调用,但不应从其他人格内部被调用——需要安全审计时应在报告中以建议形式提出,而非自行委派。
使用方式
在 Claude Code 中安装该插件后,/review 即可直接在会话中使用;按 README 的说明,最快路径是通过 skills CLI:
npx skills add addyosmani/agent-skills --skill code-review-and-quality
或整体安装(安装全部 24 个技能,包含 .claude/commands/ 下的 8 个斜杠命令):
npx skills add addyosmani/agent-skills
Claude Code 的插件安装方式为:
/plugin marketplace add addyosmani/agent-skills
/plugin install agent-skills@addy-agent-skills
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