ai-code-review-gate
Skill2 starsChanged 39 days agoMITView on GitHub
AI 代码变更评审门槛:证据先于断言的完成宣称纪律、外生验证优于自我验证、CRITICAL/IMPORTANT/SUGGESTION 三级评审与高风险强制人工清单。面向大量 AI 生成代码下人类保持把控的第一、二道闸门。
In this repository40 other files it gives its agents.
- admin-credential-bootstrapSkill
- ai-debt-ledgerSkill
- android-camera-devSkill
- android-device-debuggingSkill
- arch-dev-workflowSkill
- askills-syncSkill
- async-job-sse-upload-devSkill
- branching-workflowSkill
- disk-capacity-guardSkill
- edge-offline-pipeline-devSkill
- frontend-dev-workflowSkill
- github-ci-releaseSkill
- git-identitySkill
- installer-bundle-designSkill
- installer-preflightSkill
- installer-target-executionSkill
- mqtt-device-gateway-devSkill
- observability-designSkill
- ohos-media-devSkill
- onvif-rtsp-devSkill
- open-source-contributionSkill
- patent-applicationSkill
- patent-chartSkill
- patent-disclosureSkill
- patent-docketSkill
- patent-exam-policySkill
- patent-mapSkill
- patent-oaSkill
- patent-readerSkill
- patent-searchSkill
- project-brandingSkill
- redis-stream-rpcSkill
- robot-camerasSkill
- skill-distillationSkill
- skill-refreshSkill
- solution-racingSkill
- subagent-parallel-devSkill
- ui-responsive-listSkill
- user-facing-errorsSkill
- web-launch-dxSkill
The file
Files
AI 代码变更评审门槛
研究基线:AI 使代码产出激增而人工 review 带宽不变(Meta RADAR);AI 引入的问题约 22.7% 长期存活(SMU 实证);用 AI 的人更自信但代码并不更安全(Stanford CCS'23)。本技能把"人类把控"落成两道机器可执行的闸门:完成前验证、合并前分级评审。
1. 完成门槛:证据先于断言
- 任何"已完成 / 已修复 / 测试通过 / 构建成功"的宣称,必须附本条消息内新运行的验证命令与完整输出;引用早先轮次的输出不算证据。
- 禁止推测性措辞:
should、probably、seems to、理论上——不确定就再去运行。 - 不采信子 agent 的自述成功:子代理报告的"测试通过"必须实跑复核(同命令再执行一次),与 subagent-parallel-dev 的独立复测纪律一致。
- 外生验证优于自我验证:验收信号必须来自生成代码的模型之外——编译、测试、静态分析、schema 校验、人工抽查;生成代码的同一个模型自己拍板验收会退化为橡皮图章。
2. 分级评审(review 任何 diff 先定级)
| 级别 | 判定 | 处理 |
| 🔴 CRITICAL | 安全缺陷(鉴权/加密/输入校验/密钥泄漏)、正确性错误、破坏性变更无版本化、数据丢失风险 | 阻止合并,立即修 |
| 🟡 IMPORTANT | 关键路径缺测试、明显性能退化(无界 O(n²)、N+1、大对象拷贝)、偏离既有架构模式、新依赖引入 | 修完或给出书面理由才可过 |
| 🟢 SUGGESTION | 可读性、命名、非功能优化、文档 | 记录,不阻塞 |
- 发现必须落到具体文件与行号,说明"为什么是问题、影响什么",附修正建议而非只指出错误。
- 评审结论落成 PR comment 或报告文件——只在会话里说不算数,没有产物等于发现丢失。
3. 高风险清单:必须人工逐行
diff 触及以下区域时,不分体积大小一律升级人工逐行评审(AI 预审只能作为前置过滤,不能替代):
- 安全边界:认证/鉴权/会话、加密与密钥处理、输入校验、权限判断(含快捷键等旁路入口)
- 错误处理路径:AI 最爱 fail-soft(吞错、空 catch、兜底返回默认值)——错误路径比 happy path 更要细看
- 公共契约:API 端点/字段、消息协议、事件结构、跨服务同名约定(时间戳格式、错误码)
- 数据 schema 变更:表结构、迁移脚本、序列化格式
- 并发与资源:goroutine/锁生命周期、连接与文件句柄释放、定时器清理
- 新依赖引入:说明用途、维护状态(最近 6 个月有无发布)、"<30 行能否自己实现";20 行以内的任务禁止引依赖
4. 差分评审技术
- 只审 diff,不重读全库:以
git diff master...HEAD为界,评审范围与上下文由 diff 决定。 - 历史回归检查:被改区域
git log -L/git blame看一眼——是否重新引入历史上修过的 bug(回归类问题 AI 高发)。 - 爆炸半径:统计被改函数/类型的调用方数量(
grep调用点即可);调用方越多,评审深度越高。 - 无测试自动升级:被改代码没有测试覆盖时,评审级别升一级(🟢→🟡,🟡→🔴)。
- 大 diff 拆批:单 PR 超过约 400 行或跨 3 个以上关注点时,要求拆分后再审——大 diff 是 review 空心化的主因(多数 AI 生成 PR 收不到有效人类评审)。
5. 借口对照表(自我合理化即红旗)
| 借口 | 反驳 |
| "小 PR 不用细看" | 严重缺陷与 diff 体积无关 |
| "测试都过了" | 测试通过 ≠ 覆盖了这次改的路径;测试是 AI 自己写的更要问"测了什么" |
| "和上次那类改动一样" | 复制的代码复制了风险;上下文不同结论不同 |
| "以后再优化" | 登记进 AI 债务台账(见 ai-debt-ledger)才能"以后",否则就是没有以后 |
| "agent 说它验证过了" | agent 的自述不是证据,实跑才是 |
6. 与既有技能的衔接
- 评审通过 ≠ 合并授权:合并权限始终属于研发,按 branching-workflow 执行(agent 只 review + comment)。
- 单测覆盖不了的跨仓库集成,按 subagent-parallel-dev 的真实服务 E2E 兜底。
- 大批量 AI 改动合并后,按 observability-design 建立前后对照指标(第三道闸门)。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

