Communitygithub.com

TianMingKanae/engineering-multi-ai-skills

根據需求與原始證據,審查工程設計、程式碼變更或結果。用於整合前或提出重大聲明前,進行獨立的正確性、安全性、可靠性、效能及證據審查。

engineering-multi-ai-skills 是什麼?

此 AI 技能旨在提供獨立、客觀的工程審查,避免依賴其他角色的摘要而產生偏誤。它引導 AI 從多個關鍵維度進行分析,包括驗收條件、正確性、錯誤處理、安全性、效能及證據品質。使用時,AI 需閱讀原始需求、變更內容及相關輸出,並根據一套嚴格的信心評分標準(80-100 為確切缺陷,50-79 為標註要點,低於 50 僅作為便宜檢查)來報告發現。此技能相容於 Claude Code、Cursor 等 AI 代理環境,最終輸出會明確指出驗收條件是否達標、是否需要修正,或結果是否仍未被驗證,若無問題則應回報“未發現可操作項目”,而非擅自修改任務範圍外的程式碼。

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

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

閱讀需求、修補程式及相關輸出內容。自行審查即將整合的實際修訂版本。其他角色的摘要並非證據;請勿為了製造發現而編輯無關的程式碼。

套用相關審查視角:

  • 驗收條件:每個必要條件是否通過,包括邊界情況與失敗情境?
  • 正確性:狀態轉換、並發處理、不變量、相容性與資料完整性。
  • 錯誤處理:被吞沒的例外、降級機制、部分成功與誤導性的完成狀態。
  • 安全性:信任邊界、授權機制、憑證管理及受影響路徑中的注入攻擊。
  • 效能:已測量的工作負載、資源限制、可比較的基準線與實際成本。
  • 證據品質:選擇性偏誤、重複比較、被忽略的失敗、不確定性與過度宣稱。

評估每個候選項目為真實、重大缺陷的信心程度。信心度在 80–100 的發現,需附帶嚴重性、精確位置、失敗條件及補救措施。信心度 50–79 的項目歸類為標註要點。信心度較低的點,僅作為具體的快速檢查項目提出。信心度與嚴重性為不同維度;一個猜測性的嚴重情境,不代表已確認的發現。

明確指出驗收標準已滿足、需要修正,或是結果仍未經驗證。「未發現可操作項目」是有效的結論。請提供可重現問題的步驟給擁有者,而非在你任務範圍外默默修改檔案。審查本身不授權合併、發佈或部署。

Individual skills in this repo

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

相關技能