多维代码评审与质量门禁
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_3c6cb52e/code-review-and-quality-8bmv。
技能介绍
为什么需要规范代码评审
在日常开发中,代码评审往往陷入两个极端:要么因为标准模糊而沦为无意义的风格争论,要么因为要求苛刻而成为拖延合并的瓶颈。开发者经常遇到"这代码功能正常但结构混乱"的情况,或者在面对动辄数千行的巨型文件时无从下手。如果没有一个客观的多维度清单,评审者很容易陷入主观偏好,只关注代码是不是"像我写的那样",而忽略了架构退化、潜在性能隐患或深层的复杂度堆积。
核心能力与关键步骤
本技能通过一套标准化的五轴评审体系,将代码质量的检查具象化。它不依赖直觉,而是要求评审者依次检查正确性(如边界条件和错误处理)、可读性与简洁性(如抽象是否赚取了其复杂度)、架构设计(如依赖流向和类型边界)、安全性(如输入校验和SQL注入防范)以及性能(如N+1查询检测)。
在审查流程上,技能主张测试先行,通过测试代码来推断实现意图。对于发现的结构性问题,技能强制要求评审者提供重构建议,例如将重复的条件分支合并,或将特性逻辑从共享模块中剥离。同时,它引入了严格的变更拆分策略,如Stack或Vertical拆分,并要求将重构与特性开发分离提交。最后,通过严重程度标记(如Critical:或Nit)对评审意见进行分级,避免作者在非核心问题上浪费精力。
适用边界与注意点
该技能适用于功能特性开发、重构及Bug修复后的评审,但对"完美代码"有明确的清醒认知:批准标准是改进而非完美。需要注意的是,技能明确要求拒绝"以后会清理"的承诺,要求在提交前完成死代码清理。在处理意见分歧时,应遵循技术事实优于个人偏好的原则。此外,为了弥补单一模型的盲区,推荐采用多模型评审模式,从不同视角交叉验证代码逻辑。
使用场景
- 提交 PR 前需要按五轴清单系统性检查代码正确性、安全性和性能,确保合并质量
- 完成功能开发后需要评估测试覆盖与实现意图是否匹配,判断是否存在边界遗漏
- 重构现有模块时需要识别死代码并清理,同时确保重构与新功能分离提交
- 当另一 agent 或模型产出代码时需要客观评审,量化性能问题并给出结构修复建议
适合人员
- 技术负责人需要在合并前把关 PR 质量,确保符合团队约定和工程规范
- 参与开源项目的开发者需要在合并前按清单评审他人贡献的代码
- 使用 AI 生成代码的工程师需要评估自动产出的代码是否存在结构性问题
- 需要处理历史技术债务的工程师在重构时需要识别并清理死代码,避免遗留