返回顶部
f

fix-llm-artifacts修复LLM工件

Applies fixes from a prior review-llm-artifacts run, with safe/risky classification

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.1.4
安全检测
已通过
100
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

fix-llm-artifacts

修复LLM产物

应用先前review-llm-artifacts运行中的修复,并自动进行安全/风险分类。

使用方法

/beagle-core:fix-llm-artifacts [--dry-run] [--all] [--category ]

标志:

  • - --dry-run - 显示将要修复的内容,但不修改文件
  • --all - 修复整个代码库(先使用--all运行审查)
  • --category - 仅修复特定类别:tests|dead-code|abstraction|style

操作说明

1. 解析参数

从$ARGUMENTS中提取标志:

  • - --dry-run - 仅预览模式
  • --all - 全代码库扫描
  • --category - 筛选特定类别

2. 飞行前安全检查

bash

检查未提交的更改


git status --porcelain

如果工作目录有未提交更改,发出警告:

警告:您有未提交的更改。将在继续前创建git stash。
如需恢复,请运行git stash pop。

如果有未提交更改则创建stash:
bash
git stash push -m beagle-core: pre-fix-llm-artifacts backup

3. 加载审查结果

检查现有审查文件:
bash
cat .beagle/llm-artifacts-review.json 2>/dev/null

如果文件缺失:

  • - 如果使用--all标志:先运行review-llm-artifacts --all --json
  • 否则:失败并提示:未找到审查结果。请先运行/beagle-core:review-llm-artifacts。

如果文件存在,验证时效性:
bash

从JSON获取存储的git HEAD


storedhead=$(jq -r .githead .beagle/llm-artifacts-review.json)
current_head=$(git rev-parse HEAD)

if [ $storedhead != $currenthead ]; then
echo 警告:审查在提交$storedhead时运行,但当前HEAD为$currenthead
fi

如果过期,提示:审查结果已过期。是否重新运行审查?(y/n)

4. 按安全性分类发现

从JSON解析发现结果并按fix_safety字段分类:

安全修复(自动应用):

  • - unusedimport - 未使用的导入
  • todocomment - 过时的TODO/FIXME注释
  • deadcodeobvious - 明显不可达的代码
  • verbosecomment - 过于冗长的LLM风格注释
  • redundanttype - 冗余的类型注解

风险修复(需要确认):

  • - testrefactor - 测试结构更改
  • abstractionchange - 类/函数提取
  • coderemoval - 删除功能性代码
  • mockboundary - 测试mock作用域更改
  • logic_change - 任何行为修改

5. 应用安全修复

如果使用--dry-run:
markdown

安全修复(将自动应用)


文件行号类型描述
src/api.py15unusedimport移除from typing import List
src/models.py
42 | verbosecomment | 移除23行文档字符串 |
...

否则,使用Task工具按类别生成并行代理:

Task: 应用类别{category}的安全修复
文件:[该类别中有发现的文件列表]
说明:应用每个修复,保留周围代码。报告每个修复的成功/失败。

并行处理的类别:

  • - style - 注释、格式
  • dead-code - 导入、不可达代码
  • tests - 测试相关的安全修复
  • abstraction - 安全重构

6. 处理风险修复

对每个风险修复,交互式提示:

[src/services/auth.py:156] 删除看似未使用的authenticate_legacy()方法?
此方法在代码库中没有调用者,但可能被外部使用。
(y)是 / (n)否 / (s)跳过所有风险修复:

跟踪用户选择:

  • - y - 应用此修复
  • n - 跳过此修复
  • s - 跳过所有剩余风险修复

7. 修复后验证

检测项目类型并运行相应的linter:

Python:
bash

检查是否存在ruff配置


if [ -f pyproject.toml ] || [ -f ruff.toml ]; then
ruff check --fix .
ruff format .
fi

检查是否存在mypy配置

if [ -f pyproject.toml ] || [ -f mypy.ini ]; then mypy . fi

TypeScript/JavaScript:
bash

检查eslint


if [ -f eslint.config.js ] || [ -f .eslintrc.json ]; then
npx eslint --fix .
fi

检查TypeScript

if [ -f tsconfig.json ]; then npx tsc --noEmit fi

Go:
bash
if [ -f go.mod ]; then
go vet ./...
go build ./...
fi

8. 运行测试

bash

Python


if [ -f pyproject.toml ] || [ -f pytest.ini ]; then
pytest
fi

JavaScript/TypeScript

if [ -f package.json ]; then npm test 2>/dev/null || yarn test 2>/dev/null || true fi

Go

if [ -f go.mod ]; then go test ./... fi

9. 报告结果

markdown

修复摘要

已应用的修复

  • - [x] src/api.py:15 - 移除了未使用的导入List
  • [x] src/models.py:42-64 - 移除了冗长的文档字符串
  • [x] src/auth.py:156-189 - 移除了死方法(用户确认)

跳过的修复

  • - [ ] src/services/cache.py:23 - 用户拒绝了风险修复
  • [ ] tests/test_api.py:45 - 跳过了测试重构

验证结果

  • - Linter:通过
  • 类型检查:通过
  • 测试:通过(42通过,0失败)

差异摘要

bash git diff --stat

清理

成功完成时(所有验证通过):
bash
rm .beagle/llm-artifacts-review.json

如果任何验证失败,保留文件并报告:

审查文件已保留在.beagle/llm-artifacts-review.json
修复问题后重新运行,或使用以下命令恢复:git stash pop

示例

bash

预览所有修复但不应用


/beagle-core:fix-llm-artifacts --dry-run

仅修复死代码问题

/beagle-core:fix-llm-artifacts --category dead-code

全代码库扫描和修复

/beagle-core:fix-llm-artifacts --all

仅修复样式问题,先预览

/beagle-core:fix-llm-artifacts --category style --dry-run

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 fix-llm-artifacts-1775928575 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 fix-llm-artifacts-1775928575 技能

通过命令行安装

skillhub install fix-llm-artifacts-1775928575

下载

⬇ 下载 fix-llm-artifacts v1.1.4(免费)

文件大小: 2.96 KB | 发布时间: 2026-4-12 09:59

v1.1.4 最新 2026-4-12 09:59
- Overhauled fix workflow with detailed step-by-step instructions in SKILL.md
- Now partitions findings into safe (auto-apply) vs. risky (user confirmation) categories
- Adds comprehensive argument parsing, pre-flight git checks, and stale review detection
- Automates linting, type checking, and test runs after fixes are applied
- Includes sample commands and improved reporting for all stages (applied/skipped fixes, verification, cleanup)
- Enhances usability and safety for applying LLM artifact fixes across codebases

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部