정보
이 스킬은 GitHub CLI를 사용하여 엔드투엔드 풀 리퀘스트 리뷰를 수행하며, 변경 사항(diff), 커밋 히스토리, CI/CD 체크를 분석합니다. 심각도 등급(차단/제안/사소한 의견/칭찬)으로 피드백을 제공하고 `gh pr review`를 통해 공식 리뷰를 제출합니다. 할당된 PR 검토, 리뷰 요청 전 자체 점검, 피드백 후 재검토, 또는 머지 후 품질 감사에 활용할 수 있습니다.
빠른 설치
Claude Code
추천npx 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/review-pull-requestClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
name: review-pull-request description: > GitHub CLIを使用してプルリクエストをエンドツーエンドでレビューする。差分分析、 コミット履歴のレビュー、CI/CDチェックの検証、重大度付きフィードバック (blocking/suggestion/nit/praise)、およびgh pr reviewの提出を網羅する。 レビューに割り当てられたプルリクエスト、他者のレビューを依頼する前の セルフレビュー、フィードバック対応後の再レビュー、またはマージ済みPRの 事後品質評価に使用する。 locale: ja source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: 2026-03-16 license: MIT allowed-tools: Read Grep Glob Bash WebFetch metadata: author: Philipp Thoss version: "1.0" domain: review complexity: intermediate language: multi tags: review, pull-request, github, code-review, gh-cli, feedback, pr
Review Pull Request
GitHubプルリクエストを変更の理解から構造化されたフィードバックの提出まで、エンドツーエンドでレビューする。すべてのGitHubとのやり取りに gh CLIを使用し、重大度付きのレビューコメントを生成する。
使用タイミング
- プルリクエストがレビュー準備完了で自分に割り当てられている場合
- 著者がフィードバックに対応した後の再レビューを実施する場合
- 他者のレビューを依頼する前に自分のPRを確認する(セルフレビュー)
- マージ済みPRの事後品質評価を監査する場合
- アドホックなスキャンではなく構造化されたレビュープロセスが必要な場合
入力
- 必須: PR識別子(番号、URL、または
owner/repo#number) - 任意: レビューの焦点(セキュリティ、パフォーマンス、正確性、スタイル)
- 任意: コードベースへの習熟度(習熟、ある程度、不慣れ)
- 任意: レビューの時間予算(クイックスキャン、標準、徹底的)
手順
ステップ1: コンテキストの理解
PRの説明を読み、変更が何を達成しようとしているかを理解する。
- PRのメタデータを取得する:
gh pr view <number> --json title,body,author,baseRefName,headRefName,labels,additions,deletions,changedFiles,reviewDecision - PRのタイトルと説明を読む:
- このPRはどの問題を解決しているか?
- 著者はどのようなアプローチを取ったか?
- 著者が特にレビューを求めている領域はあるか?
- PRのサイズを確認し、必要な時間を評価する:
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. |
+--------+-----------+---------+-------------------------------------+
- コミット履歴をレビューする:
gh pr view <number> --json commits --jq '.commits[].messageHeadline'- コミットは論理的で整理されているか?
- 履歴はストーリーを語っているか(各コミットが一貫したステップ)?
- CI/CDステータスを確認する:
gh pr checks <number>- すべてのチェックが通過しているか?
- チェックが失敗している場合は、どのチェックかを記録する — これがレビューに影響する
期待結果: PRが何をするか、なぜ存在するか、どれくらい大きいか、CIがグリーンかどうかについて明確に理解できている。このコンテキストがレビューのアプローチを形成する。
失敗時: PRの説明が空または不明確な場合は、これを最初のフィードバックとして記録する。コンテキストのないPRはレビューのアンチパターンである。gh コマンドが失敗する場合は、認証を確認する(gh auth status)とリポジトリへのアクセスを確認する。
ステップ2: 差分の分析
実際のコード変更を体系的に読む。
- 完全な差分を取得する:
gh pr diff <number> - 小/中規模PRの場合は、差分全体を順番に読む
- 大規模PRの場合は、コミットごとにレビューする:
gh pr diff <number> --patch # full patch format - 各変更ファイルについて評価する:
- 正確性: コードはPRが言っていることを実行しているか?
- エッジケース: 境界条件が処理されているか?
- エラーハンドリング: エラーが適切にキャッチ・処理されているか?
- セキュリティ: インジェクション、認証、データ公開のリスクはあるか?
- パフォーマンス: 明らかなO(n²)ループ、欠落インデックス、メモリ問題はあるか?
- 命名: 新しい変数/関数/クラスが明確に命名されているか?
- テスト: 新しい動作がテストでカバーされているか?
- 読みながらメモを取り、各観察を重大度で分類する
期待結果: 差分のすべての意味のある変更について正確性、セキュリティ、パフォーマンス、品質をカバーする観察のセットが得られる。各観察には重大度レベルがある。
失敗時: 差分が大きすぎて効果的にレビューできない場合は、指摘する:「このPRは{N}ファイルと{M}行を変更しています。より効果的なレビューのために小さなPRに分割することをお勧めします。」それでも最もリスクの高いファイルをレビューする。
ステップ3: フィードバックの分類
観察を重大度レベルに整理する。
- 各観察を分類する:
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. |
+-----------+------+----------------------------------------------------+
- 各Blockingアイテムについて説明する:
- 何が問題か(特定の問題)
- なぜ重要か(影響)
- 修正方法(具体的な提案)
- 各Suggestアイテムについて、代替案とその理由を説明する
- Nitは簡潔に — 1文で十分
- 何かポジティブなものがあれば少なくとも1つのPraiseを含める
期待結果: 明確な重大度レベルを持つフィードバックのソートされたリスト。Blockingアイテムには修正提案がある。比率は一般的に:Blockingが少数、Suggestがいくつか、Nitが最小限、Praiseが少なくとも1つ。
失敗時: すべてがBlockingに見える場合は、PRをパッチ適用よりも作り直す必要があるかもしれない。行ごとのコメントではなくPRレベルで変更を要求することを検討する。何も問題がないように見える場合は、そのように伝える — コードが良好な場合は「LGTM」は有効なフィードバックである。
ステップ4: レビューコメントの執筆
構造化された実行可能なフィードバックでレビューを作成する。
- レビューサマリー(トップレベルのコメント)を執筆する:
- 1文:PRが何をするか(理解の確認)
- 全体的な評価:承認、変更要求、またはコメント
- 主要なアイテム:Blockingの問題(ある場合)と主要なSuggestアイテムをリスト
- Praise:良い仕事を称える
- 特定のコードの場所へのインラインコメントを執筆する:
# 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" - フィードバックを一貫してフォーマットする:
- 各コメントを重大度タグで始める:
[B]、[S]、[N]、または[P] - 具体的な修正にはGitHubのsuggestionブロックを使用する
- スタイル/パターンの提案にはドキュメントへのリンクを貼る
- 各コメントを重大度タグで始める:
- レビューを提出する:
# 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"
期待結果: 明確で実行可能なフィードバックを含む提出済みのレビュー。著者は何を修正すべきか(Blocking)、何を検討すべきか(Suggest)、何が良かったか(Praise)を正確に把握している。
失敗時: gh pr review が失敗する場合は権限を確認する。リポジトリへの書き込みアクセスまたは要請されたレビュアーであることが必要。インラインコメントが失敗する場合は、file:line参照を含むレビュー本文にすべてのフィードバックを記載する。
ステップ5: フォローアップ
レビューの解決を追跡する。
- 著者が返答したり更新をプッシュした後:
gh pr view <number> --json reviewDecision,reviews - フィードバックに対応した変更のみを再レビューする:
gh pr diff <number> # check new commits - 承認前にBlockingアイテムが解決されているか確認する
- 問題が対応されたらコメントスレッドを解決する
- すべてのBlockingアイテムが修正されたら承認する:
gh pr review <number> --approve --body "All blocking issues resolved. LGTM."
期待結果: Blockingの問題が修正済みとして検証されている。レビューの会話が解決されている。PRが承認されているか、残りの具体的な項目を含む追加変更が要求されている。
失敗時: 著者がフィードバックに同意しない場合は、PRスレッドで議論する。権威ではなく影響(なぜ重要か)に焦点を当てる。Blockingでない項目について意見の相違が続く場合は、潔く譲る — 著者がコードを所有している。
バリデーション
- PRのコンテキストを理解している(目的、サイズ、CIステータス)
- すべての変更ファイルをレビューした(XL PRの場合は最もリスクの高いファイル)
- フィードバックを重大度で分類した(Blocking/Suggest/Nit/Praise)
- Blockingアイテムに具体的な修正提案がある
- ポジティブな側面に対して少なくとも1つのPraiseが含まれている
- レビュー決定がフィードバックと一致している(Blockingアイテムがない場合のみ承認)
- インラインコメントが重大度タグを含む特定の行を参照している
- CI/CDチェックが検証されている(承認前にグリーン)
- 著者の改訂後にフォローアップが完了している
よくある落とし穴
- 形式的な承認: 実際に差分を読まずに承認すること。すべての承認は品質の主張である
- Nitの洪水: スタイルの好みで著者を溺れさせる。メンタリングの状況のためにNitを残す;時間が重要なレビューではスキップする
- 全体像を見失う: 全体的なデザインを理解せずに行ごとにレビューする。まずPRの説明とコミット履歴を読む
- スタイルでBlockingにする: フォーマットと命名はほぼ決してBlockingではない。バグ、セキュリティ、データの整合性のためにBlockingを使用する
- Praiseなし: 問題のみを指摘するのは士気を下げる。良いコードには認識が値する
- レビュースコープの拡大: PRで変更されていないコードにコメントする。既存の問題が気になる場合は別のIssueを作成する
関連スキル
review-software-architecture— システムレベルのアーキテクチャレビュー(PRレベルのレビューを補完)security-audit-codebase— セキュリティ重要な変更を含むPRの深いセキュリティ分析create-pull-request— プロセスの反対側:レビューしやすいPRの作成commit-changes— クリーンなコミット履歴はPRレビューを大幅に容易にする
GitHub 저장소
Frequently asked questions
What is the review-pull-request skill?
review-pull-request is a Claude Skill by pjt222. Skills package instructions and resources that Claude loads on demand, so Claude can perform review-pull-request-related tasks without extra prompting.
How do I install review-pull-request?
Use the install commands on this page: add review-pull-request to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does review-pull-request belong to?
review-pull-request is in the Other category, tagged ai.
Is review-pull-request free to use?
Yes. review-pull-request is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
연관 스킬
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.
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.
이 Claude Skill은 스프레드, 오버/언더, 프로프 베트를 포함한 스포츠 베팅 시장을 분석합니다. 역사적 추이와 상황별 통계를 검토하여 가치 베트를 발견하고, 교육적 목적으로 실행 가능한 권장 사항이 담긴 구조화된 마크다운 결과를 제공합니다. 개발자는 이 기능을 스포츠 베팅 분석 도구에 활용할 수 있으며, 단순히 엔터테인먼트/교육 목적으로만 설계되었음을 유의해야 합니다.
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.
