¿Qué hace AI-Code-Health-Review?
Una habilidad de Codex basada en evidencia para revisar código, diferencias, repositorios, pruebas, dependencias, CI/CD, configuración de infraestructura e informes de análisis generados por máquinas.
Una habilidad de Codex basada en evidencia para revisar código, diferencias, repositorios, pruebas, dependencias, CI/CD, configuración de infraestructura e informes de análisis generados por máquinas.
Marstlantis/AI-Code-Health-Review es una habilidad especializada para Codex (y agentes de IA similares) que permite realizar revisiones exhaustivas de salud de código basadas en evidencia. Está diseñada para revisar no solo código fuente y diferencias (diffs), sino también repositorios completos, suites de pruebas, dependencias, pipelines de CI/CD, configuraciones de infraestructura (como Docker, Kubernetes, Terraform) e informes de análisis generados por máquinas (como linters o herramientas de escaneo de seguridad). La habilidad es útil porque proporciona un enfoque sistemático y holístico para la revisión de calidad del software, ayudando a desarrolladores y equipos a identificar problemas de código, vulnerabilidades de seguridad, riesgos de mantenimiento y cuellos de botella en el flujo de trabajo antes de que lleguen a producción. Funciona alimentando el contexto del agente con archivos, fragmentos de código o rutas de directorio, luego analizando la entrada contra mejores prácticas y patrones establecidos. Es compatible con Codex y puede integrarse en pipelines de CI/CD para revisiones automatizadas.
npx skills add Marstlantis/AI-Code-Health-ReviewInstalled? Explore more Investigación y análisis de datos skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Una habilidad de Codex basada en evidencia para revisar código, diferencias, repositorios, pruebas, dependencias, CI/CD, configuración de infraestructura e informes de análisis generados por máquinas.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.