スキル一覧に戻る

review-pull-request

pjt222
更新日 6 days ago
18 閲覧
17
2
17
GitHubで表示
その他ai

について

このClaudeスキルは、GitHub CLIを使用して包括的なプルリクエストレビューを実行し、差分、コミット履歴、CI/CDチェックを分析しながら、深刻度レベル別のフィードバックを提供します。開発者がPRを割り当てられた際に徹底的なレビューを行ったり、意見を求める前に自己レビューを実施したり、マージ済みコードを監査するために設計されています。本スキルは、分析から`gh pr review`による構造化されたフィードバックの提出まで、レビューワークフローを自動化します。

クイックインストール

Claude Code

推奨
メイン
npx skills add pjt222/agent-almanac -a claude-code
プラグインコマンド代替
/plugin add https://github.com/pjt222/agent-almanac
Git クローン代替
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/review-pull-request

このコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします

ドキュメント

審 PR

GitHub PR 端至端審——自解變至投結構饋。用 gh CLI 為諸 GitHub 互、生重級審註。

  • PR 備審且授汝
  • 二審於作者處饋後
  • 審己 PR 於請他審前(自審)
  • 審合後 PR 為合後質估
  • 欲結構審程而非臨掃時

  • :PR 識(號、URL、owner/repo#number
  • :審注(安、效、正、格)
  • :庫熟級(熟、稍、生)
  • :審時預(速掃、標、徹)

一:解脈

讀 PR 述、解變所欲達。

  1. 取 PR 屬:
    gh pr view <number> --json title,body,author,baseRefName,headRefName,labels,additions,deletions,changedFiles,reviewDecision
    
  2. 讀 PR 題與述:
    • 此 PR 解何問?
    • 作者所取何法?
    • 作者欲特審何域乎?
  3. 察 PR 大估時需:
PR Size Guide:
+--------+-----------+---------+-------------------------------------+
| Size   | Files     | Lines   | Review Approach                     |
+--------+-----------+---------+-------------------------------------+
| Small  | 1-5       | <100    | Read every line, quick review       |
| Medium | 5-15      | 100-500 | Focus on logic changes, skim config |
| Large  | 15-30     | 500-    | Review by commit, focus on critical  |
|        |           | 1000    | files, flag if should be split       |
| XL     | 30+       | 1000+   | Flag for splitting. Review only the  |
|        |           |         | most critical files.                 |
+--------+-----------+---------+-------------------------------------+
  1. 審提交史:
    gh pr view <number> --json commits --jq '.commits[].messageHeadline'
    
    • 提交邏結構良乎?
    • 史敘故乎(各提交為連步)?
  2. 察 CI/CD 態:
    gh pr checks <number>
    
    • 諸察過乎?
    • 察敗→記何敗——影審

得:明解 PR 為何、何由存、幾大、CI 綠乎。此脈塑審法。

敗:PR 述空或不明→記為首饋。無脈 PR 為審反模。gh 命敗→驗已認(gh auth status)並有庫達。

二:析 diff

系讀實碼變。

  1. 取全 diff:
    gh pr diff <number>
    
  2. 小/中 PR、依序讀全 diff
  3. 大 PR、按提交審:
    gh pr diff <number> --patch  # full patch format
    
  4. 各變檔、評:
    • :碼為 PR 所述乎?
    • 邊例:邊條件處乎?
    • 錯處:錯捕處應乎?
    • :注、認、數露險乎?
    • :顯 O(n^2) 環、缺索、記患乎?
    • :新變/函/類命明乎?
    • :新為由測覆乎?
  5. 讀時記、各察按重分

得:各意變含正、安、效、質察、含重級。

敗:diff 過大不能效審→標:「此 PR 變 {N} 檔 {M} 行。我薦分為小 PR 為效審。」仍審最高險檔。

三:分饋

組察入重級。

  1. 各察分:
Feedback Severity Levels:
+-----------+------+----------------------------------------------------+
| Level     | Icon | Description                                        |
+-----------+------+----------------------------------------------------+
| Blocking  | [B]  | Must fix before merge. Bugs, security issues,      |
|           |      | data loss risks, broken functionality.             |
| Suggest   | [S]  | Should fix, but won't block merge. Better           |
|           |      | approaches, missing edge cases, style issues that   |
|           |      | affect maintainability.                            |
| Nit       | [N]  | Optional improvement. Style preferences, minor      |
|           |      | naming suggestions, formatting.                    |
| Praise    | [P]  | Good work worth calling out. Clever solutions,      |
|           |      | thorough testing, clean abstractions.              |
+-----------+------+----------------------------------------------------+
  1. 各 Blocking、釋:
    • 何誤(特問)
    • 何要(影)
    • 如何修(具薦)
  2. 各 Suggest、釋替與何故勝
  3. Nit 簡——一句足
  4. 至少一 Praise 若有正出

得:饋條按重級分序列。Blocking 含修薦。比應:少 Blocking、些 Suggest、最少 Nit、至少一 Praise。

敗:諸覺皆 Blocking→PR 或需重作非補。考於 PR 級請變、非行行註。無誤覺→述之——「LGTM」於碼良時為效饋。

四:書審註

組結構、可動饋審。

  1. 審摘(頂級註):
    • 一句:PR 何為(確解)
    • 總估:准、請變、註
    • 關條:列 Blocking(若有)與首 Suggest 條
    • Praise:揭良工
  2. 內聯註為特碼處:
    # Post inline comments via gh API
    gh api repos/{owner}/{repo}/pulls/{number}/comments \
      -f body="[B] This SQL query is vulnerable to injection. Use parameterized queries instead.\n\n\`\`\`suggestion\ndb.query('SELECT * FROM users WHERE id = $1', [userId])\n\`\`\`" \
      -f commit_id="<sha>" \
      -f path="src/users.js" \
      -F line=42 \
      -f side="RIGHT"
    
  3. 饋恆格:
    • 各註首為重標:[B][S][N][P]
    • 用 GitHub 薦塊為具修
    • 鏈文為格/模薦
  4. 投審:
    # Approve
    gh pr review <number> --approve --body "Review summary here"
    
    # Request changes (when blocking issues exist)
    gh pr review <number> --request-changes --body "Review summary here"
    
    # Comment only (when unsure or providing FYI feedback)
    gh pr review <number> --comment --body "Review summary here"
    

得:投審含明、可動饋。作者明知何修(Blocking)、何考(Suggest)、何良(Praise)。

敗:gh pr review 敗→察權。需庫寫權或為請審。內聯註敗→退置諸饋於審體含 file:line 引。

五:續

追審解。

  1. 作者應或推更後:
    gh pr view <number> --json reviewDecision,reviews
    
  2. 唯重審對饋之變:
    gh pr diff <number>  # check new commits
    
  3. 准前驗 Blocking 已解
  4. 患處後解註串
  5. 諸 Blocking 修則准:
    gh pr review <number> --approve --body "All blocking issues resolved. LGTM."
    

得:Blocking 驗已修。審話解。PR 准或請更變含特餘條。

敗:作者異饋→於 PR 串議。注影(何要)非權。非 Blocking 條議續→雅讓——作者主碼。

  • PR 脈解(旨、大、CI 態)
  • 諸變檔審(XL PR 審最高險檔)
  • 饋按重分(Blocking/Suggest/Nit/Praise)
  • Blocking 含具修薦
  • 至少一 Praise 為正
  • 審決合饋(無 Blocking 乃准)
  • 內聯註引特行含重標
  • CI/CD 察驗(准前綠)
  • 作者改後續畢

  • 橡章:未實讀 diff 而准。各准為質斷
  • Nit 雪:以格偏淹作者。Nit 留導況;急審略之
  • 失林:行行審而不解總設。先讀 PR 述與提交史
  • 格 Blocking:格與命幾不為 Blocking。Blocking 留錯、安、數正
  • 無 Praise:唯指患沮人。良碼當揚
  • 審範蔓:註未變於 PR 之碼。前存患擾汝→別開問

  • review-software-architecture — 系級構審(補 PR 級審)
  • security-audit-codebase — 安變 PR 之深安析
  • create-pull-request — 程他面:建易審 PR
  • commit-changes — 潔提交史使 PR 審甚易

GitHub リポジトリ

pjt222/agent-almanac
パス: i18n/wenyan-ultra/skills/review-pull-request
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

関連スキル

llamaguard

その他

LlamaGuardは、暴力やヘイトスピーチなど6つの安全性カテゴリーにおいて、LLMの入力と出力をモデレートするMetaの70-80億パラメータモデルです。94〜95%の精度を提供し、vLLM、Hugging Face、Amazon SageMakerを使用してデプロイ可能です。このスキルを使用して、AIアプリケーションにコンテンツフィルタリングと安全策を簡単に統合できます。

スキルを見る

cost-optimization

その他

このClaudeスキルは、リソースの適正サイジング、タグ付け戦略、支出分析を通じて、開発者がクラウドコストを最適化することを支援します。AWS、Azure、GCPにわたるクラウド支出の削減とコストガバナンスの実施のためのフレームワークを提供します。インフラコストの分析、リソースの適正サイジング、または予算制約への対応が必要な際にご利用ください。

スキルを見る

quantizing-models-bitsandbytes

その他

このスキルは、bitsandbytesを使用してLLMを8ビットまたは4ビット精度に量子化し、精度の低下を最小限に抑えつつ50〜75%のメモリ削減を実現します。限られたGPUメモリでより大規模なモデルを実行したり、推論を高速化するのに理想的で、INT8、NF4、FP4などのフォーマットをサポートしています。HuggingFace Transformersと統合され、QLoRAトレーニングや8ビットオプティマイザーを可能にします。

スキルを見る

dispatching-parallel-agents

その他

このClaudeスキルは、複数のエージェントを配備し、3つ以上の独立した問題を並行して調査・修正します。共有状態や依存関係がなく解決可能な、無関係な障害が発生するシナリオ向けに設計されています。中核となる機能は並列問題解決であり、効率を最大化するために独立した問題領域ごとに1つのエージェントを割り当てます。

スキルを見る