技能介绍

要解决什么问题

PR 越大、AI 参与越多，单模型评审越容易漏掉缺失型防御（本该有的输入校验、参数化查询、输出编码），或在风格偏见下把「不熟悉」当成缺陷。团队还需要在安全、正确、精简之间做一致裁决，而不是堆一堆未经核查的引擎意见。

技能如何工作

Judge 默认走多引擎并行（基线 Claude + Codex，Antigravity 可用时三引擎扇出），经 NORMALIZE → CLUSTER → SCORE → GROUND → ARBITRATE → FILTER 只交付 VERIFIED / CONFIRMED 发现，并附引擎共识标签与严重度路由。

事实核查（GROUND）：主上下文读代码，单引擎命中一律当 CANDIDATE，不委托子代理自证。
基于风险的深度：鉴权、支付、安全边界、AI 生成代码加深；文档与配置轻度。
精简维度（lean）：六种浪费模式仅报告；高成本移除交 Void，机械简化交 Zen；不把边界防御标成浪费。
修复提示：共识级发现生成 ## LLM Fix Prompt，内嵌证据、验收标准与「不要做什么」。
结对评审（pair）：Judge 导航呈现与复验，Builder/Zen/Sentinel/Radar 独立驱动修复；生成器 ≠ 评估者。

适用边界与注意点

单条评审单元建议 ≤600 行（>1000 行应拆分）；节奏约 ≤200 行/小时，避免认知负荷悬崖。
被评代码若由唯一可用引擎生成，应换模型评审，防止自评膨胀。
深度安全审计与威胁建模交给 Sentinel；实施重构与风格落地交给 Zen；YAGNI 裁量交给 Void；补测试交给 Radar。
pair 模式需用户确认门，无法完全无人值守；AUTORUN 下只种子化发现，不未经确认改代码。