Communitygithub.com

TianMingKanae/engineering-multi-ai-skills

Revise um projeto de engenharia, alteração de código ou resultado com base em requisitos e evidências brutas. Use para revisão independente de corretude, segurança, confiabilidade, desempenho e evidências antes da integração ou de alegações consequenciais.

O que é engineering-multi-ai-skills?

Esta skill capacita um agente de IA a realizar revisões técnicas rigorosas e independentes de projetos de engenharia, alterações de código ou resultados. Diferente de resumos superficiais, o agente é instruído a ler e analisar diretamente os requisitos, o patch e as saídas relevantes, garantindo que a revisão seja baseada em evidências concretas e não em interpretações de terceiros. A skill é útil para desenvolvedores e equipes que precisam de uma verificação imparcial de corretude, segurança, confiabilidade, desempenho e aderência a critérios de aceitação antes de integrar, publicar ou fazer alegações sobre o trabalho. Ela suporta a aplicação de múltiplas lentes de revisão: aceitação (condições de contorno e falhas), corretude (transições de estado, concorrência, integridade de dados), tratamento de falhas, segurança (limites de confiança, autorização), desempenho (medições, limites de recursos) e evidências (viés de seleção, incerteza). O agente deve reportar achados com nível de confiança entre 80-100 como defeitos confirmados (com severidade e localização precisa), manter notas entre 50-79, e tratar itens de baixa confiança apenas como verificações rápidas. A revisão não autoriza merge, publicação ou deploy, mas fornece um reprodutor claro para o proprietário do código.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Leia você mesmo os requisitos, o patch e as saídas relevantes. Revise a revisão real que está sendo integrada. O resumo de outro papel não é prova; não edite código não relacionado para fabricar um achado.

Aplique as lentes relevantes:

  • Aceitação: cada condição exigida passa, incluindo limites e falhas?
  • Corretude: transições de estado, concorrência, invariantes, compatibilidade e integridade de dados.
  • Tratamento de falhas: exceções engolidas, fallbacks, sucesso parcial e conclusão enganosa.
  • Segurança: limites de confiança, autorização, credenciais e injeção em caminhos alterados.
  • Desempenho: carga de trabalho medida, limites de recursos, linhas de base comparáveis e custo realista.
  • Evidências: viés de seleção, comparações repetidas, falhas ignoradas, incerteza e alegações exageradas.

Estime a confiança de que cada candidato é um defeito real e material. Relate achados com 80–100, incluindo severidade, localização precisa, condição de falha e remediação. Mantenha 50–79 como notas rotuladas, e pontos de menor confiança apenas como verificações baratas específicas. Confiança é separada de severidade; um cenário grave especulativo não é um achado confirmado.

Declare se os critérios de aceitação são atendidos, se correções são necessárias ou se o resultado permanece não verificado. "Nenhum achado acionável" é válido. Dê ao proprietário um reprodutor, em vez de alterar silenciosamente arquivos fora de sua atribuição. A revisão não autoriza merge, publicação ou deploy.

Individual skills in this repo

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

Habilidades Relacionadas