接收代码评审:先验证再改
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_15292d5a/yjkj-compound-eng-receiving-code-review。
技能介绍
问题在哪
PR 一来就改、先表态再核对,是线上 bug 和无效 diff 的常见来源。评审人可能误判上下文,自动化 agent 更会堆「以防万一」的改动;作者若用社交礼貌代替技术判断,坏建议也会进主干。更麻烦的是多轮评审:上一轮指出的问题若没对齐,新评论会盖过旧债。
技能如何工作
核心原则是 Verify before implementing:技术正确性优先于「看起来配合」。对每条反馈按固定顺序处理:
- 再评审时(第 0 步):用 PR 评论线程对照当前 diff,优先处理被忽略或只修了一半的旧问题。
- Read → Verify → Evaluate → Respond → Implement:先理解建议,再判断对本仓库是否成立,区分真缺陷与风格偏好;不清楚就 Stop,一次性澄清,不盲改。
- 分来源对待:项目方意见信任业务上下文但仍要验技术;对 automated review agents 默认怀疑,对照
CLAUDE.md与 grep 查 YAGNI;外部评审要核对框架版本与架构决策。 - 反驳要有证据:用
file:line、测试输出、文档版本说明;驳回时可标 FP-ASSUMPTION / FP-CONVENTION / FP-ALREADY-HANDLED / FP-OUT-OF-SCOPE,避免空口「不同意」。 - 实施顺序:先澄清 → 阻塞项 → 简单修复 → 复杂改动;每条改完单独测,不要批量改完再测。
GitHub 场景下建议在 inline 线程回复(in_reply_to),核实后再 resolve;与 ia-code-review(发起评审)、ia-pr-comment-resolver(已分拣的单条机械修复)、ia-verification-before-completion(完工前验证)分工配合。
边界与注意
- 交互模式适合需要判断的反馈;headless 只做结构化分拣(AUTO-FIX / AUTO-DECLINE / ESCALATE),见 headless-mode 说明。
- 已明确分类、无需争辩的 nit,应交给 ia-pr-comment-resolver,本技能不替代其「低怀疑、单条落地」角色。
- 关键路径上多条含糊意见且可用 AskUserQuestion 时,可批量最多 4 条做 Valid / False positive / Defer;非关键路径含糊项可自动分拣继续推进。
使用场景
- PR 收到人工与自动化评审混在一起的评论,需要先分拣再决定改、驳还是追问
- 多轮 Code Review 时,对照上一轮 inline 线程检查旧问题是否漏改,再处理新意见
- Bot 或 agent 建议加防御性代码,需对照 CLAUDE.md 与 grep 用法判断是否为 YAGNI
- 评审只写「逻辑有问题」等含糊话,在动手改代码前先把具体指哪一段问清楚
适合人员
- 负责自己 PR 的维护者,需要在 GitHub inline 线程里用证据回应或结构化驳回
- 在 PR 上接 AI 评审结果的工程师,默认怀疑 agent 建议并逐条核验本仓库上下文
- 用 headless 模式批量产出 AUTO-FIX / DECLINE / ESCALATE,再派给单条 resolver 的流水线维护者
- 开源贡献者面对外部评审,要区分「这里错了」和「我会换种写法」并核对框架版本