如何利用 AI 实现高质量的代码评审（Code Review）

解决代码评审中反馈模糊、仅关注语法而非逻辑的问题，通过一套系统化的分析流程，让 AI 提供具有建设性、分级明确且可操作的代码评审意见。

为什么需要这个技能

很多团队的代码评审（CR）往往陷入两个极端：要么过于敷衍，只看格式；要么过于严苛，变成了单纯的“门禁”拦截，导致开发者产生抵触情绪。

高质量的 Code Review 不应该是单向的审判，而应该是知识传递的过程。本技能通过指导 AI 从正确性、安全性、性能和可维护性四个维度进行深度扫描，并要求其提供清晰的理由（Rationale）和严重程度分级，将评审结果转化为团队共同成长的机会。

上下文对齐：首先阅读需求文档、上下文背景以及现有的测试信号，确保 AI 理解代码的意图而非仅看语法。
多维度分析：
- 正确性：是否实现了预期功能？是否有边界条件遗漏？
- 安全性：是否存在注入、越权或内存泄漏风险？
- 性能：是否存在不必要的循环、低效查询或资源浪费？
- 可维护性：命名是否清晰？复杂度是否过高？是否符合设计模式？
分级输出反馈：
- Blocking（阻塞）：必须修复的严重缺陷。
- Important（重要）：影响质量或潜在风险，建议修复。
- Minor（轻微）：代码风格或微小优化建议。
引用手册：当涉及复杂实现模式时，AI 会参考 resources/implementation-playbook.md 中的模板进行规范化输出。

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

暂无推荐