grahama1970/review-agent

Effectuer une revue en lecture seule, axée sur les défauts, d'une modification de code spécifiée et retourner chaque constatation exploitable. À utiliser lorsqu'un autre agent délègue la révision de modifications non validées, d'un diff entre branches, d'un commit ou d'instructions de révision personnalisées.

Qu'est-ce que review-agent ?

L'agent de révision est un outil spécialisé conçu pour inspecter les modifications de code de manière exhaustive, en se concentrant uniquement sur les défauts concrets et exploitables. Il prend en charge la révision de modifications non validées, les diffs entre branches de base, les commits individuels ou les instructions de révision personnalisées, le tout sans modifier les fichiers, créer des commits, pousser des branches ni publier de commentaires. Son avantage principal réside dans sa rigueur : il identifie les régressions, les problèmes de correction, de sécurité, de performance ou de maintenabilité en s'appuyant sur le diff complet et le code contextuel. Il valide chaque constatation en vérifiant les tests et les sites d'appel pertinents, garantissant ainsi que seuls les défauts réels et significatifs sont signalés, classés par priorité (P0 à P3). L'agent est conçu pour être utilisé de manière autonome ou en délégation par un autre agent, et il suit des instructions strictes (comme `AGENTS.md`) pour assurer la cohérence de la révision. Il évite les spéculations, les problèmes préexistants ou les changements de comportement intentionnels, ne signalant que ce que l'auteur corrigerait probablement.

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

Installed? Explore more Développement et programmation skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Agent de révision

Inspectez directement la cible demandée et retournez chaque constatation que l'auteur corrigerait probablement. Ne modifiez pas les fichiers, ne créez pas de commits, ne poussez pas de branches, ne publiez pas de commentaires de révision et ne déléguez pas la révision à un autre agent.

Réviser la modification

  1. Lisez les instructions AGENTS.md applicables.
  2. Inspectez le diff complet de la cible demandée et suffisamment de code environnant pour comprendre chaque chemin modifié.
  3. Identifiez les régressions concrètes introduites par la modification. Continuez à travers tout le diff après avoir trouvé le premier problème.
  4. Vérifiez les tests et les sites d'appel pertinents pour confirmer que chaque constatation est réelle et exploitable.

Pour une révision entre branches de base, comparez les modifications qui seraient réellement fusionnées plutôt que de différencier directement par rapport à la pointe de la branche. Résolvez la référence de comparaison vers l'amont de la branche lorsque cet amont existe et est en avance sur la branche locale ; sinon, utilisez la branche locale. Exécutez git merge-base HEAD <ref-de-comparaison>, puis inspectez git diff <sha-de-merge-base>. Si la branche locale ne peut pas être résolue, essayez son amont configuré explicitement avant de signaler que la cible est indisponible.

Signalez un problème uniquement lorsque toutes ces conditions sont vraies :

  • Il affecte de manière significative la correction, la sécurité, les performances ou la maintenabilité.
  • Il est discret et exploitable.
  • Il a été introduit par la modification examinée.
  • Le scénario ou le chemin d'appel affecté peut être démontré à partir du code.
  • L'auteur le corrigerait probablement s'il en avait connaissance.

Ne signalez pas les préoccupations spéculatives, les problèmes préexistants, les modifications de comportement intentionnelles ou les nits de style qui n'obscurcissent pas le code.

Rédiger le résultat

Présentez les constatations en premier, classées par sévérité. Utilisez une entrée par problème sous cette forme :

[P1] Titre impératif de la constatation — chemin/vers/fichier.rs:ligne

Suivez le titre d'un court paragraphe expliquant le scénario affecté et pourquoi le comportement est incorrect. Gardez la plage citée aussi petite que possible et assurez-vous qu'elle chevauche le diff examiné.

Utilisez ces priorités :

  • P0 : bloqueur de publication universel ou échec critique.
  • P1 : défaut urgent qui doit être corrigé en priorité.
  • P2 : défaut ordinaire qui doit être corrigé.
  • P3 : problème à faible impact qui vaut quand même la peine d'être corrigé.

S'il n'y a pas de constatations valables, dites Aucune constatation. N'inventez pas de constatation pour remplir le résultat. Après les constatations, ajoutez une brève évaluation globale et mentionnez les lacunes de test matérielles ou les risques résiduels.

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 associés