MCP HubMCP Hub
스킬 목록으로 돌아가기

review-pull-request

pjt222
업데이트됨 6 days ago
17 조회
17
2
17
GitHub에서 보기
기타ai

정보

이 Claude Skill은 GitHub CLI를 사용하여 diff, 커밋 히스토리, CI/CD 체크를 종합적으로 분석하고 심각도 수준별 피드백을 제공하는 포괄적인 풀 리퀘스트 리뷰를 수행합니다. 이 기능은 개발자가 PR을 할당받았을 때 철저한 리뷰를 진행하거나, 외부 의견을 구하기 전에 자체 리뷰를 수행하거나, 머지된 코드를 감사할 수 있도록 설계되었습니다. 본 스킬은 분석부터 `gh pr review`를 통한 구조화된 피드백 제출까지의 리뷰 워크플로우를 자동화합니다.

빠른 설치

Claude Code

추천
기본
npx skills add pjt222/agent-almanac -a claude-code
플러그인 명령대체
/plugin add https://github.com/pjt222/agent-almanac
Git 클론대체
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/review-pull-request

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

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 저장소

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

연관 스킬

llamaguard

기타

LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.

스킬 보기

cost-optimization

기타

이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.

스킬 보기

quantizing-models-bitsandbytes

기타

이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.

스킬 보기

dispatching-parallel-agents

기타

이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.

스킬 보기