CommunityCodierung & Entwicklunggithub.com

grahama1970/review-agent

Führe eine schreibgeschützte, fehlerorientierte Überprüfung einer bestimmten Codeänderung durch und melde jeden verwertbaren Befund zurück. Verwende dies, wenn ein anderer Agent die Überprüfung von nicht committeten Änderungen, einem Basis-Branch-Diff, einem Commit oder benutzerdefinierten Überprüfungsanweisungen delegiert.

Was ist review-agent?

Der **Review Agent** ist ein spezialisiertes Tool für KI-Agenten, das eine gründliche, schreibgeschützte Codeüberprüfung durchführt. Anstatt Code zu ändern oder Commits zu erstellen, analysiert der Agent die angeforderten Änderungen und identifiziert konkrete, umsetzbare Defekte. Der Agent unterstützt verschiedene Prüfziele: nicht committete Änderungen, Diffs zwischen Branches, einzelne Commits oder benutzerdefinierte Überprüfungsanweisungen. Dabei folgt er strengen Kriterien, um nur sicherheits-, korrektheits-, leistungs- oder wartungsrelevante Probleme zu melden, die tatsächlich durch die überprüfte Änderung eingeführt wurden. Der Agent ist für Plattformen wie Claude Code, Cursor und Codex konzipiert und arbeitet plattformunabhängig auf Basis der SKILL.md-Dokumentation. Er priorisiert Befunde nach Schweregrad (P0-P3) und liefert eine klare, handlungsorientierte Ausgabe, die den Autor zur Fehlerbehebung anleitet.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/grahama1970/agent-skills/tree/main/skills/.system/review-agent

Installed? Explore more Codierung & Entwicklung skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Review Agent

Überprüfe das angeforderte Ziel direkt und gib jeden Befund zurück, den der Autor wahrscheinlich beheben würde. Ändere keine Dateien, erstelle keine Commits, pushe keine Branches, poste keine Überprüfungskommentare und delegiere die Überprüfung nicht an einen anderen Agenten.

Die Änderung überprüfen

  1. Lese die zutreffenden Anweisungen in AGENTS.md.
  2. Untersuche den vollständigen Diff für das angeforderte Ziel und ausreichend umgebenden Code, um jeden geänderten Pfad zu verstehen.
  3. Identifiziere konkrete Regressionen, die durch die Änderung eingeführt wurden. Fahre nach dem Auffinden des ersten Problems durch den gesamten Diff fort.
  4. Überprüfe die relevanten Tests und Aufrufstellen, um zu bestätigen, dass jeder Befund real und umsetzbar ist.

Für eine Überprüfung eines Basis-Branches vergleiche die Änderungen, die tatsächlich zusammengeführt werden, anstatt direkt gegen die Branch-Spitze zu diffen. Löse den Vergleichs-Ref zum Upstream des Branches auf, wenn dieser Upstream existiert und vor dem lokalen Branch liegt; andernfalls verwende den lokalen Branch. Führe git merge-base HEAD <comparison-ref> aus, dann überprüfe git diff <merge-base-sha>. Wenn der lokale Branch nicht aufgelöst werden kann, versuche zuerst seinen konfigurierten Upstream explizit, bevor gemeldet wird, dass das Ziel nicht verfügbar ist.

Markiere ein Problem nur, wenn alle folgenden Bedingungen zutreffen:

  • Es betrifft Korrektheit, Sicherheit, Leistung oder Wartbarkeit in sinnvoller Weise.
  • Es ist abgrenzbar und umsetzbar.
  • Es wurde durch die überprüfte Änderung eingeführt.
  • Das betroffene Szenario oder der Aufrufpfad kann aus dem Code demonstriert werden.
  • Der Autor würde es wahrscheinlich beheben, wenn er davon wüsste.

Markiere keine spekulativen Bedenken, bereits bestehende Probleme, absichtliche Verhaltensänderungen oder Stil- Kleinigkeiten, die den Code nicht unkenntlich machen.

Ergebnis schreiben

Präsentiere Befunde zuerst, geordnet nach Schweregrad. Verwende einen Eintrag pro Problem in dieser Form:

[P1] Imperativer Befundtitel — pfad/zu/datei.rs:zeile

Folge dem Titel mit einem kurzen Absatz, der das betroffene Szenario erklärt und warum das Verhalten falsch ist. Halte den zitierten Bereich so klein wie möglich und stelle sicher, dass er den überprüften Diff überlappt.

Verwende diese Prioritäten:

  • P0: universeller Release-Blocker oder kritischer Fehler.
  • P1: dringender Defekt, der als nächstes behoben werden sollte.
  • P2: gewöhnlicher Defekt, der behoben werden sollte.
  • P3: Problem mit geringen Auswirkungen, das dennoch eine Behebung wert ist.

Wenn es keine qualifizierenden Befunde gibt, schreibe Keine Befunde. Erfinde keinen Befund, um das Ergebnis zu füllen. Füge nach den Befunden eine kurze Gesamtbewertung hinzu und erwähne etwaige materielle Testlücken oder verbleibende Risiken.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

grahama1970/acceptance-contract

Turn a client brief, zip bundle, directory, or single requirements file into a typed acceptance-contract bundle with extracted requirements, acceptance checks, open questions, an immutable-goal draft, and a create-report-backed decision report. Use when users say acceptance contract, brief to requirements, freeze the goal, create immutable goal, amend immutable goal, build a Battle requirements bundle, or extract requirements from this bundle.

grahama1970/agent-ecosystem

Canonical map and shared contracts for the agent-governance ecosystem: the pi.receipt_envelope.v1 boundary envelope, the component graph, and the rules for which component owns which schema. Use when wiring a skill or extension into the shared receipt world, when asking how shame, triage-error, tau, ask, project-watchdog, ops-herdr, ponytail, and Memory fit together, or when validating an envelope.

grahama1970/agentic-evals

Agentic evaluation of skills using multi-trial fixtures, deterministic command assertions, trajectory checks, safety constraints, and evidence-backed readiness scoring. Use when users ask for agentic evals, multi-trial skill evaluation, skill trajectory validation, or readiness scoring for a skill workflow.

grahama1970/agent-inbox

File-based inter-agent messaging with headless dispatch. Check inbox, send bugs/requests to other projects, automatically spawn headless agents to fix bugs, and track progress via task-monitor.

grahama1970/agents-registry

Generate and query the centralized agent identity registry. Scans .pi/agents/*/AGENTS.md, parses frontmatter, outputs agents-registry.json and optionally syncs to /memory for semantic search.

grahama1970/agent-status

Artifact-driven status surfaces for long-running project-agent work. Maintains status.json, events.jsonl, proof manifests, and a stale-aware STATUS.html so humans can tell where the agent is, what passed, what is still unproven, and what decision or action is next — without dashboard theater.

grahama1970/align

Round-based context alignment before execution. Use when the human, project agent, WebGPT, scillm, ask, dogpile, memory, or project-knowledge may each hold different facts about a task; especially before ambiguous design, infographic, product workflow, high-stakes implementation, plan-iterate, project-infographic, or multi-review work.

grahama1970/analytics

Flexible data science analytics for any dataset. Auto-discovers schema, recommends charts, exports to create-figure. Works with JSONL, JSON, CSV from any source.

grahama1970/analyze-chatterbox-emotions

Evaluate generated Chatterbox voice files as voice-quality artifacts: affect match, arousal/valence proxies, pause placement, intelligibility inputs, clipping, loudness, and discontinuity flags. Use when reviewing Chatterbox emotional tags, pauses, Turbo/base affect delivery, Persona Dream utterance renders, or whether generated speech matches an intended product-facing affect.

grahama1970/analyze-elf

Reverse-engineer features from ELF binaries. Extracts CLI commands, state machines, protocols, Zod schemas, and data models. Automatically generates a /create-walkthrough prosecution brief with Mermaid diagrams. Uses /treesitter for AST analysis of bundled JS/TS source.

grahama1970/animation-vocabulary

Reverse-lookup glossary that turns a vague description of a web animation or motion effect into its exact term ("the bouncy thing when a popover opens" → Pop in; "the iOS rubber-band scroll" → Rubber-banding). Use when the user asks "what's it called when…", or describes a motion effect without knowing its name and wants the right word to prompt an AI or designer with. For naming an effect, not designing or building one.

grahama1970/anonymize-data

Anonymize supported CSV, JSON, UTF-8 text, and SQLite files using an explicit policy through the oai-trial project. Use for anonymize data, pseudonymize exports, redact policy literals, or discover and explicitly approve fuzzy name aliases. The skill is a thin CLI/Docker interface, not another engine.

grahama1970/anvil

Heavy-duty "No-Vibes" debugging and hardening orchestrator. Use this for complex, stubborn bugs where `review-code` has failed, or for "Red Teaming" (hardening) a codebase. Runs multiple agents in parallel (Thunderdome) using git worktree isolation.

grahama1970/apple-design

Apple's approach to interface design and fluid, physical motion, translated for the web. Use when building or reviewing gesture-driven UI, spring animations, drag/swipe/sheet interactions, momentum and interruptible transitions, translucent materials and depth, typography (optical sizing, tracking, leading), reduced-motion, or the design foundations (feedback, spatial consistency, restraint) behind Apple-style interfaces.

grahama1970/argue

Multi-persona structured debate orchestrator. Personas research via /dogpile, consult colleagues via /ask, and argue toward nuanced synthesis on complex questions.

grahama1970/arxiv

Search arXiv for papers and extract knowledge into memory. Use `search` to find papers, `learn` to extract knowledge.

grahama1970/ask

Use when the user asks to query project memory, ask an oracle, use supported browser-backed reviewers, run Tau roundtable/single-handler workflows, ask Pi-native subagents from within Pi, run persona/deep-review workflows, generate image prompts, check OS/project health through composed skills, or run an ask DAG. This skill is the executable /ask runtime; do not replace it with an informal subagent, plain web search, or hand-written review; inside Pi, explicit Pi-native subagent targets are routed through the pi-subagents tool as an Ask target type.

grahama1970/assess

Step back and critically reassess project state. Use when asked to "assess", "step back", "fresh eyes", "check alignment", "sanity check", "health check", "prune documentation", or "evaluate what's working". Offers documentation pruning and doc-code alignment analysis. Offer to run after major changes (don't auto-run).

grahama1970/assistant

Shared GPT + classifier inference gateway for persona monitor tasks. Routes validation and classification through a 4-tier cascade: heuristic → classifier → local GPT → scillm.

grahama1970/assistant-lab

Self-improvement workbench for /assistant. All the tools needed to diagnose, train, evaluate, and promote models in a continuous loop. The "warm pond" where /assistant evolves its own inference stack.

Verwandte Skills