CommunityProgramación y desarrollogithub.com

grahama1970/review-agent

Realiza una revisión de solo lectura y centrada en defectos de un cambio de código específico y devuelve cada hallazgo procesable. Úsalo cuando otro agente delegue la revisión de cambios no confirmados, un diff entre ramas base, un commit o instrucciones de revisión personalizadas.

¿Qué es review-agent?

Review Agent es una habilidad de agente de IA diseñada para realizar revisiones de código exhaustivas y enfocadas en defectos, sin modificar ningún archivo ni realizar acciones de escritura. Está pensada para que otro agente delegue la inspección de cambios no confirmados (unstaged changes), diferencias entre una rama base y la actual (base-branch diff), un commit específico, o instrucciones de revisión personalizadas. La herramienta opera bajo reglas estrictas: solo marca un hallazgo si afecta corrección, seguridad, rendimiento o mantenibilidad de forma significativa; si es discreto y accionable; si fue introducido por el cambio revisado; y si el autor probablemente lo arreglaría al saberlo. El agente primero lee las instrucciones de `AGENTS.md`, luego inspecciona el diff completo y el código circundante, identifica regresiones concretas, verifica pruebas y sitios de llamada, y finalmente presenta los hallazgos ordenados por severidad (P0–P3) en un formato estandarizado. Si no encuentra hallazgos calificados, simplemente informa "Sin hallazgos" sin inventar problemas. Esto lo hace ideal para revisiones automatizadas de alta calidad en entornos de desarrollo colaborativo, compatible con agentes como Claude Code o Codex, donde se necesita una segunda opinión objetiva sin interferencias.

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

Installed? Explore more Programación y desarrollo skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Agente de Revisión

Inspecciona directamente el destino solicitado y devuelve cada hallazgo que el autor probablemente corregiría. No modifiques archivos, crees commits, subas ramas, publiques comentarios de revisión ni delegues la revisión en otro agente.

Revisar el cambio

  1. Lee las instrucciones aplicables de AGENTS.md.
  2. Inspecciona el diff completo para el destino solicitado y suficiente código circundante para comprender cada ruta modificada.
  3. Identifica las regresiones concretas introducidas por el cambio. Continúa a través de todo el diff después de encontrar el primer problema.
  4. Verifica las pruebas relevantes y los sitios de llamada para confirmar que cada hallazgo es real y procesable.

Para una revisión entre ramas base, compara los cambios que realmente se fusionarían en lugar de hacer diff directamente contra la punta de la rama. Resuelve la referencia de comparación a la rama ascendente cuando esa rama ascendente exista y esté por delante de la rama local; de lo contrario, usa la rama local. Ejecuta git merge-base HEAD <ref-comparación>, luego inspecciona git diff <sha-merge-base>. Si la rama local no se puede resolver, intenta su rama ascendente configurada explícitamente antes de informar que el destino no está disponible.

Marca un problema solo cuando todas las siguientes condiciones sean verdaderas:

  • Afecta la corrección, seguridad, rendimiento o mantenibilidad de manera significativa.
  • Es discreto y procesable.
  • Fue introducido por el cambio revisado.
  • El escenario o la ruta de llamada afectados se pueden demostrar a partir del código.
  • El autor probablemente lo arreglaría si lo supiera.

No marques preocupaciones especulativas, problemas preexistentes, cambios de comportamiento intencionales ni pequeñas mejoras de estilo que no oscurezcan el código.

Escribir el resultado

Presenta los hallazgos primero, ordenados por gravedad. Usa una entrada por problema en este formato:

[P1] Título imperativo del hallazgo — ruta/al/archivo.rs:línea

Sigue el título con un párrafo corto que explique el escenario afectado y por qué el comportamiento es incorrecto. Mantén el rango citado lo más pequeño posible y asegúrate de que se superponga con el diff revisado.

Usa estas prioridades:

  • P0: bloqueador de lanzamiento universal o fallo crítico.
  • P1: defecto urgente que debería corregirse a continuación.
  • P2: defecto ordinario que debería corregirse.
  • P3: problema de bajo impacto que aún vale la pena corregir.

Si no hay hallazgos calificados, di Sin hallazgos. No inventes un hallazgo para llenar el resultado. Después de los hallazgos, agrega una breve evaluación general y menciona cualquier brecha de prueba material o riesgos residuales.

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.

Skills relacionados