cross-review-project
Acerca de
Esta habilidad permite que dos instancias de Claude Code realicen revisiones de código estructuradas y recíprocas a través de un intermediario MCP. Facilita un diálogo basado en evidencias donde cada agente revisa el código del otro, aplicando estándares de calidad mediante las leyes de escalado QSG con restricciones mínimas de ancho de banda. Úsela para revisiones independientes y entre proyectos, orientadas a la transferencia de conocimiento y a la identificación de patrones ausentes entre bases de código relacionadas.
Instalación rápida
Claude Code
Recomendadonpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/cross-review-projectCopia y pega este comando en Claude Code para instalar esta habilidad
Documentación
交叉審項目
二 Claude Code 實例藉 cross-review-mcp 仲介以結構化構件交換審他項目。仲介強行量子化單純形流言(QSG)縮放律——審查捆須含至少 5 發現以守選擇區(Γ_h ≈ 1.67),防淺共識過為同意。
適用時機
- 二項目共建築關切且可自互學
- 欲超單審者所見之獨立程式審查
- 目標為交叉授粉:於一項目中尋於另一項目中缺之模式
- 需結構化、證據背之審查,含接受/拒絕/討論裁決
輸入
- 必要:二項目路,二 Claude Code 實例可達
- 必要:
cross-review-mcp仲介運行,於二實例中配為 MCP 伺服器 - 選擇性:焦點區——待優先之特定目錄、模式、關切
- 選擇性:代理 ID——各實例之識別符(預設:項目目錄名)
步驟
步驟一:驗前置
確認仲介運行且二實例皆可達之。
- 察仲介已配為 MCP 伺服器:
claude mcp list | grep cross-review - 呼
get_status驗仲介應答且無陳舊代理已註冊 - 讀
cross-review://protocol之協議資源——為述審查維度與 QSG 約束之 markdown 文件
預期: 仲介應 get_status,代理清單空。協議資源可讀為 markdown。
失敗時: 若仲介未配,加之:claude mcp add cross-review-mcp -- npx cross-review-mcp。若前會話有陳舊代理,進前對各 deregister。
步驟二:註冊
註冊此代理於仲介。
- 呼
register以:agentId:短、唯一之識別符(如項目目錄名)project:項目名capabilities:["review", "suggest"]
- 以
get_status驗註冊——代理當現於階段"registered" - 候對代理註冊:以對代理 ID 與階段
"registered"呼wait_for_phase
預期: 二代理皆於仲介註冊。get_status 顯 2 代理於階段 "registered"。
失敗時: 若 register 敗於「already registered」,代理 ID 為前會話所用。先呼 deregister,再重註冊。
步驟三:簡報階段
讀自己之程式庫並送結構化簡報予對方。
- 系統化讀:
- 入口(主檔、索引、CLI 命令)
- 依賴圖(package.json、DESCRIPTION、go.mod)
- 建築模式(目錄結構、模組邊界)
- 已知問題(TODO 註解、開議題、技術債)
- 測試覆蓋(測試目錄、CI 配置)
- 組
Briefing構件——結構化摘要,令對方可有效瀏程式庫 - 呼
send_task以:from:自代理 IDto:對代理 IDtype:"briefing"payload:JSON 編之簡報
- 呼
signal_phase以階段"briefing"
預期: 簡報已送,階段已信號。仲介強行須先送簡報方進至審查。
失敗時: 若 send_task 拒簡報,察 from 欄合自註冊之代理 ID。自送被拒。
步驟四:審查階段
候對之簡報,察其程式並送發現。
- 以對 ID 與階段
"briefing"呼wait_for_phase - 呼
poll_tasks以取對之簡報 - 以所收之任務 ID 呼
ack_tasks——此為必要(peek-then-ack 模式) - 讀對之實源程式,以其簡報為引
- 產跨 6 類之發現:
pattern_transfer—— 自項目中之模式,對可採者missing_practice—— 對所缺之實踐(測試、驗證、誤處)inconsistency—— 對程式庫內之內矛盾simplification—— 可減之不必要複雜bug_risk—— 潛在執行時敗或邊界案documentation_gap—— 缺或誤導之文件
- 各發現須含:
id:唯一識別符(如"F-001")category:上 6 類之一targetFile:對項目之路description:所尋之何evidence:此為有效發現之因(程式引、模式)sourceAnalog(建議):自項目中示此模式之等效——此為真交叉授粉之單一機制
- 捆至少 5 發現(QSG 約束:m ≥ 5 守 Γ_h ≈ 1.67 於選擇區)
- 以型
"review_bundle"與 JSON 編之發現陣列呼send_task - 以階段
"review"呼signal_phase
預期: 審查捆為仲介所受。少於 5 發現將被拒。
失敗時: 若捆因發現不足而被拒,深審之。此約束存以防淺審主導。若真不能尋 5 問題,重考慮交叉審是否為此項目對之合宜工具。
步驟五:對話階段
收對項目之發現並以證據背之裁決應。
- 以對 ID 與階段
"review"呼wait_for_phase - 呼
poll_tasks以取關於自項目之發現 - 以所收之任務 ID 呼
ack_tasks - 各發現,產
FindingResponse:findingId:合發現之 IDverdict:"accept"(有效,將行之)、"reject"(無效,含反證)、或"discuss"(需釐清)evidence:接或拒之因——須非空counterEvidence(選擇性):矛盾發現之具體程式引
- 以型
"response"呼send_task送所有應 - 以階段
"dialogue"呼signal_phase
注:"discuss" 裁決非為協議所門。視之為手動後續之旗,非自動子交換。
預期: 所有發現皆以裁決應之。空應為仲介所拒。
失敗時: 若不能對某發現成見,預設 "discuss",含證述所需之更多脈絡。
步驟六:合成階段
產合成構件,摘接受之發現與計畫行動。
- 以對 ID 與階段
"dialogue"呼wait_for_phase - 輪詢任何餘任務並確認之
- 編
Synthesis構件:- 接受之發現含計畫行動(將改何、因何)
- 拒之發現含因(保理由供後審)
- 以型
"synthesis"與 JSON 編之合成呼send_task - 以階段
"synthesis"呼signal_phase - 選擇性為接受之發現造 GitHub 議題
- 以階段
"complete"呼signal_phase - 呼
deregister以清之
預期: 二代理皆達 "complete"。仲介要求至少 2 註冊代理方進至完成。
失敗時: 若對已去註冊,仍可本地完。自所收之發現編合成。
驗證
- 二代理皆註冊且達
"complete"階段 - 簡報於審查始前已換(階段強行)
- 審查捆各含至少 5 發現
- 所有發現皆受裁決(接受/拒絕/討論)含證據
- 每
poll_tasks後皆呼ack_tasks - 合成已產,接受之發現映至行動
- 完後代理已去註冊
常見陷阱
- 少於 5 發現:仲介拒 m < 5 之捆。此非隨意——N=2 代理與 6 類下,m < 5 置 Γ_h 於或低於共識與雜訊不可辨之臨界。深審之;若 5 發現真不能尋,項目或不受交叉審之益
- 忘
ack_tasks:仲介用 peek-then-ack 交付。任務留佇列直至確認。忘 ack 致下次輪詢時重處 - 忘
from參數:send_task需明from欄合自代理 ID。自送被拒 - 同模型之認知相關:二 Claude 實例共訓練偏見。時序確保審查時不讀他之輸出,然其先驗相關。真認知獨立,用跨實例異模型族
- 跳
sourceAnalog:sourceAnalog欄為選擇性,然為真交叉授粉之單一機制——其示自之所建議模式之實作。源類比存時恒填之 - 視
discuss為阻:協議中無門complete於未決討論。視discuss裁決為會話後手動後續之旗 - 不審遙測:仲介記所有事件至 JSONL。會話後審日誌以驗 QSG 假設——經驗估 α(
α ≈ 1 - reject_rate),察類接受率
相關技能
scaffold-mcp-server—— 建或擴仲介本身implement-a2a-server—— 仲介所援之 A2A 協議模式review-codebase—— 單代理審(此技能擴之為跨代理結構化交換)build-consensus—— 群體共識模式(QSG 為理論基礎)configure-mcp-server—— 於 Claude Code 中配仲介為 MCP 伺服器unleash-the-agents—— 可用以分析仲介本身(經戰測:40 代理、10 假設族)
Repositorio GitHub
Habilidades relacionadas
qmd
Desarrolloqmd es una herramienta CLI de búsqueda e indexación local que permite a los desarrolladores indexar y buscar en archivos locales mediante búsqueda híbrida que combina BM25, embeddings vectoriales y reranking. Es compatible tanto con uso desde la línea de comandos como con modo MCP (Model Context Protocol) para integración con Claude. La herramienta utiliza Ollama para los embeddings y almacena los índices localmente, lo que la hace ideal para buscar documentación o bases de código directamente desde la terminal.
subagent-driven-development
DesarrolloEsta habilidad ejecuta planes de implementación asignando un nuevo subagente para cada tarea independiente, con revisión de código entre tareas. Permite una iteración rápida mientras mantiene controles de calidad a través de este proceso de revisión. Úsala cuando trabajes en tareas mayormente independientes dentro de la misma sesión para garantizar un progreso continuo con verificaciones de calidad integradas.
mcporter
DesarrolloLa habilidad mcporter permite a los desarrolladores gestionar y llamar servidores del Protocolo de Contexto de Modelo (MCP) directamente desde Claude. Proporciona comandos para listar servidores disponibles, llamar a sus herramientas con argumentos, y manejar la autenticación y el ciclo de vida del daemon. Utiliza esta habilidad para integrar y probar la funcionalidad de servidores MCP en tu flujo de trabajo de desarrollo.
adk-deployment-specialist
DesarrolloEsta habilidad despliega y orquesta agentes Vertex AI ADK utilizando el protocolo A2A, gestionando el descubrimiento de AgentCard, el envío de tareas y soportando herramientas como el Sandbox de Ejecución de Código y el Banco de Memoria. Permite construir sistemas multiagente con patrones de orquestación secuencial, paralela o en bucle en Python, Java o Go. Úsela cuando se le solicite desplegar agentes ADK u orquestar flujos de trabajo de agentes en Google Cloud.
