Communitygithub.com

TianMingKanae/engineering-multi-ai-skills

根据需求和原始证据,对工程设计、代码变更或结果进行独立审查。适用于集成前或发布重要声明前的正确性、安全性、可靠性、性能及证据核实。

engineering-multi-ai-skills 是什么?

此技能为AI智能体提供了一种结构化、多视角的工程审查能力。它专门用于在代码集成前,根据原始需求、代码补丁和相关输出,独立验证设计的正确性、安全性、性能以及证据的可靠性,而不仅仅依赖其他角色的摘要。该技能要求智能体应用多种“审查透镜”,包括验收标准、正确性(状态转换、并发、不变式)、错误处理、安全性、性能基准以及证据偏差。对于发现的每个潜在缺陷,智能体需评估其为真实、重大问题的置信度(80-100为确认发现,需提供严重性、位置、条件和修复建议;50-79为标注笔记;更低置信度仅作为低级检查点)。最终输出应明确说明验收条件是否满足、是否需要修正,或结果是否仍处于未验证状态,并优先为所有者提供可复现的方法,而非擅自修改未分配的文件。该技能适用于支持AI智能体集成的开发环境(如Claude Code、Cursor、Codex等),旨在提升代码审查的严谨性和可操作性。

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

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

阅读需求、补丁及相关输出。审查实际要集成的修订版本。其他角色的总结不能作为证据;不要为了制造发现而编辑无关的代码。

应用相关审查透镜:

  • 验收:每个必需条件是否通过,包括边界情况和失败场景?
  • 正确性:状态转换、并发、不变式、兼容性和数据完整性。
  • 错误处理:被吞没的异常、回退机制、部分成功和误导性的完成。
  • 安全性:信任边界、授权、凭据以及在变更路径中的注入问题。
  • 性能:测量的工作负载、资源限制、可比较的基准和实际的成本。
  • 证据:选择偏差、重复比较、跳过的失败、不确定性和过度主张。

评估每个候选问题属于真实、重大缺陷的置信度。对置信度在80–100之间的发现,报告其严重性、精确位置、失败条件和修复建议。置信度在50–79之间的作为标注笔记。更低置信度的点仅作为特定的低成本检查项。置信度与严重性无关;推测的严重场景不能视为确认发现。

说明验收标准是否已满足、是否需要修正,或结果是否仍处于未验证状态。“无可用发现”是有效的。给所有者提供一个可复现的方法,而不是在分配范围之外静默修改文件。审查不授权合并、发布或部署。

Individual skills in this repo

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

相关技能