agentleFS
studiogadgetstudiogadget/skills/resolve-pr-review-threads/SKILL.md

resolve-pr-review-threads

Skill3 starsChanged 6 months agoApache-2.0View on GitHub

PRの未Resolveレビュー指摘に対応するスキル。「PRの指摘に対応して」「Resolveされていないスレッドを解消」「PR reviewの対応」「未解決のレビューコメントを修正」「Copilotの指摘を直して」「Codexの指摘に対応」「chatgpt-codex-connectorの指摘」「レビュー対応」で起動。PR URL or 番号 → 未Resolveスレッド取得 → 対象ファイル修正 → ユーザーへ最終ゲートとプッシュの実行手順を案内、の流れで進める。

  • Commits and pushes

The file

Files
SKILL.md

Resolve PR Review Threads

PRの未Resolveレビュースレッド(Copilot / Codex / chatgpt-codex-connector / 人間レビュアー)を取得し、指摘に対応した修正を行うスキル。最終ゲート実行はユーザーが行う。最後はユーザーへの実行手順案内で閉じる。

厳守事項(Hard Rules)

  1. 修正は最小差分: 指摘の解消に必要な最小限の変更のみ行う
  2. 指摘1件=1コミット: 指摘ごとに修正→ステージング→コミットを完了する(まとめてコミット禁止)
  3. テスト影響の確認: 修正後に make test で既存テストが壊れないことを確認する
  4. 最終ゲート: 全指摘対応後の make test-full → make check-all はユーザーが実行する
  5. Resolveはユーザー完了後: スレッドのResolveはユーザーが最終ゲートとプッシュを完了した後に扱う
  6. 対応不要/設計意図による却下はResolveしない: 理由を示してユーザーに判断を委ねる
  7. Git操作: AIはコミットまで実行する。最終ゲート後のプッシュはユーザーが行う

入力

パラメーター既定値説明
PR URL or 番号—対象PR(https://github.com/<owner>/<repo>/pull/<N> または #N)
reviewer_filterなし特定レビュアーのみ対応(copilot-pull-request-reviewer, chatgpt-codex-connector 等)
auto_resolvetrueユーザーが最終ゲートとプッシュを完了した後に、スレッドを自動Resolveする意図があるか

手順

Step 1: 未Resolveスレッドの取得

GraphQL APIで未Resolveスレッドを取得する。

gh api graphql -f query='
query($owner:String!,$repo:String!,$number:Int!){
  repository(owner:$owner,name:$repo){
    pullRequest(number:$number){
      reviewThreads(first:100){
        nodes{
          id
          isResolved
          path
          line
          comments(first:5){
            nodes{
              author{login}
              body
            }
          }
        }
      }
    }
  }
}' -f owner=<OWNER> -f repo=<REPO> -F number=<PR_NUMBER>
  • isResolved == false のスレッドだけを抽出する
  • reviewer_filter が指定されていれば author.login でさらに絞り込む
  • 未Resolveスレッドが0件なら「未解決の指摘はありません」と報告して終了

Step 2: 指摘の分類と影響分析

取得した各スレッドを以下に分類する:

分類判断基準対応
コード/ドキュメント修正ロジック誤り、整合性不足、欠落定義、命名不一致などStep 3 へ
設計判断の確認「これは意図的か?」系の質問ユーザーに確認を求める
誤検知/不適切指摘内容が間違っている、または対応不要ユーザーに報告し判断を仰ぐ

Step 3: 対象ファイルの修正(指摘ごとにコミット)

各指摘に対し以下のサブステップを繰り返す:

3.1 修正の実施

  1. 指摘されたファイルの該当行周辺を読み込む
  2. 指摘内容を理解し、修正方針を決定する
  3. 最小差分で修正を適用する
  4. 関連する他ファイルへの影響がないか確認し、必要なら連鎖修正する
  5. make test を実行しテスト通過を確認する(ドキュメントのみの修正時はスキップ可)

修正の判断基準:

  • 指摘が正当で、修正コストが低い → 即修正
  • 複数ファイルにまたがる整合性修正 → まとめて修正
  • 大規模リファクタが必要 → ユーザーに報告し、別PR/Issue化を提案

3.2 ステージング & コミット

  1. git status --short で変更確認
  2. 指摘対応で変わったファイルだけを git add(docs/code-review/*.md は除外)
  3. コミットメッセージ: fix(<scope>): <指摘の要約>(72文字以内)
  4. git commit → ハッシュを記録 → 次の指摘へ

Step 4: ユーザーへの実行手順案内と結果報告

全指摘の修正コミット完了後、AI は最終ゲートとプッシュを実行せず、ユーザーへ実行手順を案内して処理を完了する。最終ゲート実行はユーザーが行う。

ユーザーへの実行手順

  1. make test-full
  2. make check-all
  3. git push origin <branch>

補足:

  • この実行ではスレッドをResolveしない
  • auto_resolve=true でも、ユーザーが最終ゲートとプッシュを完了する前にはResolveしない
  • プッシュ完了後に未Resolveスレッドを閉じる必要があれば、再度このスキルを実行するか手動で対応する

以下の形式で最終報告:

## レビュー指摘対応完了サマリー

**対象PR**: #<PR番号>
**未Resolveスレッド数**: <取得時の件数>
**修正対応**: <件数>件
**Resolve**: ⏳ 未実行(ユーザーの最終ゲートとプッシュ完了後に対応)
**ユーザー判断待ち**: <件数>件
**指摘対応中のテスト**: ✅ 成功 / ❌ 失敗
**最終ゲート**: ⏳ 未実行(ユーザーが `make test-full` → `make check-all` を実行)
**プッシュ**: ⏳ 未実行(最終ゲート成功後にユーザーが実行)

### コミット一覧
- `<hash1>`: <summary1>
- `<hash2>`: <summary2>

### 修正ファイル一覧
- <path> (指摘概要)

### ユーザー判断待ち(対応不要/却下提案)
- スレッド#X: <指摘概要> → <却下理由>

### ユーザーへの実行手順
1. `make test-full`
2. `make check-all`
3. `git push origin <branch>`

### 次のアクション
- [ ] `make test-full` を実行する
- [ ] `make check-all` を実行する
- [ ] 成功後に `git push origin <branch>` を実行する
- [ ] プッシュ完了後、必要に応じて未Resolveスレッドを解消する

レビュアー別の注意点

レビュアー特徴対応時の留意
copilot-pull-request-reviewer整合性・欠落・命名の指摘が多い仕様書間の一貫性を重視して修正
chatgpt-codex-connectorロジック・セキュリティ・パフォーマンス指摘が多い実装コードへの影響を優先確認
人間レビュアー設計意図・運用面の質問が多い安易にResolveせず確認を求める

エラーハンドリング

状況対応
GraphQL認証エラーgh auth status で認証状態を確認し報告
PRが見つからないURLまたはPR番号の再確認を求める
スレッドResolve権限なし修正のみ実施し、手動Resolveを依頼
修正対象ファイルがローカルにないブランチの確認とチェックアウトを提案

Download now (ZIP)

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
What did you use it for? e.g. Reviewing pull requests in a Rails app

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.