Communitygithub.com

TianMingKanae/engineering-multi-ai-skills

Überprüfung eines Engineering-Entwurfs, einer Code-Änderung oder eines Ergebnisses anhand von Anforderungen und Rohdaten. Für unabhängige Korrektheits-, Sicherheits-, Zuverlässigkeits-, Leistungs- und Evidenzprüfung vor der Integration oder bei folgenreichen Behauptungen.

Was ist engineering-multi-ai-skills?

Dieses Skill ermöglicht es einem KI-Agenten (wie Claude Code, Cursor oder Codex), eine gründliche und mehrdimensionale Überprüfung von Engineering-Artefakten durchzuführen. Es ist besonders nützlich, um sicherzustellen, dass Änderungen an Codebasen oder technischen Entwürfen korrekt, sicher, zuverlässig und leistungsfähig sind, bevor sie integriert werden oder bevor Behauptungen über ihre Funktionalität aufgestellt werden. Der Agent liest selbstständig die Anforderungen, den Patch und relevante Ergebnisse, ohne sich auf Zusammenfassungen anderer Rollen zu verlassen. Das Skill wendet standardisierte ‚Linsen‘ an, darunter Akzeptanzkriterien, Korrektheit (z. B. Zustandsübergänge, Nebenläufigkeit, Datenintegrität), Fehlerbehandlung, Sicherheit (Vertrauensgrenzen, Autorisierung, Injection), Leistung (Auslastung, Ressourcengrenzen) und Evidenzqualität (Auswahlverzerrung, Wiederholungen, verschwiegene Fehler). Die Ergebnisse werden mit Konfidenzwerten versehen und als ‚Findings‘ (80-100 % Konfidenz, mit Schweregrad, Ort und Abhilfe), ‚Notizen‘ (50-79 %) oder ‚günstige einfache Prüfungen‘ niedriger Konfidenz kategorisiert. Das Skill stellt klar, dass die Überprüfung keine Merge-, Veröffentlichungs- oder Bereitstellungsberechtigung darstellt und dass Reproduzierbarkeit wichtiger ist als stille Änderungen an nicht zugewiesenen Dateien.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/TianMingKanae/engineering-multi-ai-skills/tree/HEAD/skills/critic-review

In Ihrer bevorzugten KI fragen

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

Dokumentation

Lese Anforderungen, Patch und relevante Ausgaben selbst. Überprüfe die tatsächliche Revision, die integriert wird. Die Zusammenfassung einer anderen Rolle ist kein Beweis; bearbeite keinen nicht zugehörigen Code, um einen Befund zu erzeugen.

Wende relevante Linsen an:

  • Akzeptanz: Besteht jede geforderte Bedingung, einschließlich Grenz- und Fehlerfälle?
  • Korrektheit: Zustandsübergänge, Nebenläufigkeit, Invarianten, Kompatibilität und Datenintegrität.
  • Fehlerbehandlung: Verschlungene Ausnahmen, Fallbacks, teilweiser Erfolg und irreführender Abschluss.
  • Sicherheit: Vertrauensgrenzen, Autorisierung, Anmeldeinformationen und Injection in geänderten Pfaden.
  • Leistung: Gemessene Arbeitslast, Ressourcengrenzen, vergleichbare Basislinien und realistische Kosten.
  • Evidenz: Auswahlverzerrung, wiederholte Vergleiche, übersprungene Fehler, Unsicherheit und Übertreibung.

Schätze das Vertrauen ein, dass jeder Kandidat ein echter, materieller Defekt ist. Melde Befunde mit 80–100 % Konfidenz, Schweregrad, genauer Stelle, fehlschlagender Bedingung und Abhilfe. Halte 50–79 % als gekennzeichnete Notizen fest, und Punkte mit niedrigerer Konfidenz nur als spezifische, günstige Prüfungen. Konfidenz ist getrennt vom Schweregrad; ein spekulatives schwerwiegendes Szenario ist kein bestätigter Befund.

Gib an, ob die Akzeptanzkriterien erfüllt sind, Korrekturen erforderlich sind oder das Ergebnis unbestätigt bleibt. „Keine handlungsrelevanten Befunde“ ist gültig. Gib dem Eigentümer einen Reproduzierer, anstatt still Dateien außerhalb deines Aufgabenbereichs zu ändern. Die Überprüfung autorisiert keinen Merge, keine Veröffentlichung oder Bereitstellung.

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Verwandte Skills