Ein fortgeschrittener Code-Review-Assistent mit spezialisierten AI/ML-Prüfungen, robuster Sicherheitsscan-Funktion und Einhaltung mehrsprachiger Standards.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install code-review-plus
2. Manuelle Installation
Kopiere den Skill-Ordner an einen dieser Orte
~/.openclaw/skills/ <project>/skills/ Priorität: Workspace > Lokal > Integriert (Bundled)
3. Prompt-Installation
Kopiere diesen Prompt in OpenClaw, um ihn automatisch zu installieren.
Hilf mir, code-review-plus über Clawhub zu installieren. Falls Clawhub nicht installiert ist, installiere es bitte zuerst (npm i -g clawhub).
Lieber herunterladen?
Hole dir die rohen Skill-Dateien in einem ZIP-Archiv.
Was ist Code Review Plus?
Code Review Plus ist eine umfassende, mehrdimensionale Code-Analyseskill, die standardmäßige automatisierte Prüfungen erweitert, um moderne Sicherheitsbedrohungen, AI/ML-spezifische Schwachstellen, Leistungsoptimierung und sprachspezifische Muster abzudecken. Es wurde entwickelt, um Entwickler bei Pull-Request-Workflows zu unterstützen und führt strukturierte Leitplanken ein, die eine qualitativ hochwertige Softwarebereitstellung sicherstellen.
Durch die Integration dieser Fähigkeit über Openclaw Skills können Entwicklungsteams kritische Prüfungen auf SQL injection, Datenlecks, prompt injections und Rechenengpässe automatisieren, bevor Code zusammengeführt wird. Diese Balance aus automatisierter Strenge und einfühlsamem, handlungsorientiertem Feedback verwandelt Code-Reviews von einer lästigen Pflicht in eine hocheffiziente Qualitätsschranke.
Code Review Plus Anwendungsfälle
- Vermeidung von SQL injection, XSS und Autorisierungsumgehungen mithilfe automatisierter Sicherheitschecklisten.
- Prüfung von KI- und ML-Pipelines auf Modellsicherheit, prompt injection-Vektoren und Datenleck-Probleme.
- Optimierung der Laufzeitleistung und Ressourcennutzung durch Erkennung von N+1-Datenbankabfragen, Speicherlecks und nicht indizierten Suchvorgängen.
- Unterstützung von Entwicklern bei sprachspezifischen Best Practices für Python, TypeScript und Go bei Pull Requests.
- Durchsetzung konsistenter Schweregrade (Critical, Major, Minor, Nit), um Code-Review-Workflows zu straffen und Blockaden durch triviale Stilfragen zu vermeiden.
So funktioniert Code Review Plus
- Strukturanalyse: Die Skill scannt geänderte Dateien, um die High-Level-Architektur, Abhängigkeitsrichtungen und API-Strukturen zu verstehen.
- Dimensionsfilterung: Iteriert durch wichtige Checklisten, einschließlich Sicherheit, Leistung, Korrektheit, Wartbarkeit, Tests und AI/ML-Dimensionen.
- Sprachspezifische Regelbewertung: Führt zielgerichtetes Linting und Regeln für idiomatische Muster basierend auf erkannten Dateitypen (Python, JS/TS, Go) aus.
- Schweregradbewertung & Tagging: Klassifiziert Ergebnisse in strukturierte Schweregrade von Critical (blockierend) bis Nitpick (nicht blockierend).
- Feedback-Generierung: Formuliert spezifische, konstruktive Kommentare, die Codevorschläge und klare Risiken enthalten und strikte Review-Prinzipien einhalten.
Code Review Plus Einrichtung
Um diese Qualitätsschranke in Ihre Agentenumgebung zu integrieren, deklarieren Sie die Konfiguration von Code Review Plus innerhalb der Agentenprofile Ihres Projekts.
Installieren Sie die zugrunde liegenden Validierungstools über Ihren bevorzugten Paketmanager:
# Initialisieren Sie die Skill in Ihrer Projektumgebung
openclaw install code-review-plus
# Oder konfigurieren Sie sie manuell, indem Sie in Ihrem Workflow auf den Skill-Namen verweisen
cat <<EOF > .openclaw/skills/code-review-plus.yaml
name: code-review-plus
version: 2.0
enabled: true
EOF
Konfigurieren Sie Umgebungsvariablen, damit KI-Prüfungen mit Ihrem LLM-Anbieter kommunizieren können, um kontextbezogenes Review-Feedback zu erhalten.
Code Review Plus Datenschema & Taxonomie
Die Skill organisiert ihre Reviews und Regeln um strukturierte Metriken und Dimensionen. So werden Review-Ausgabe und Regelschema verwaltet:
Review-Metriken & Priorität
| Dimension | Fokusbereiche | Priorität |
|---|---|---|
| Security | Authentifizierung, Datenexposition, Injektionen | Critical |
| Performance | N+1 Abfragen, Speicherlecks, Lazy Loading | High |
| Correctness | Logikfehler, Grenzfälle, Zeitzonen | High |
| Maintainability | DRY, Namensklarheit, Komplexität | Medium |
| AI/ML | Datenlecks, prompt-Sicherheit, Kostenlimits | High |
Schweregradschema
- [CRITICAL]: Sicherheitslücken oder potenzieller Datenverlust (Blockiert Zusammenführung).
- [MAJOR]: Leistungsregressionen oder Logikfehler (Blockiert Zusammenführung).
- [MINOR]: Verbesserungen der Wartbarkeit (Nicht blockierend).
- [NIT]: Nicht blockierende Formatierungs- oder Stilpräferenzen.
Code Review Plus Erweiterte Funktionen
- AI/ML-Schwachstellenerkennung: Spezialisierte Audits zur Vermeidung von Datenlecks, Kostenexplosionen und prompt injections.
- Sprachspezifische Best Practices: Automatische Anwendung von Python-Typ-Hinweisprüfungen, TypeScript-Strict-Mode-Validierung und Go-Kontext-Propagierungsregeln.
- Multi-Pass-Review-Optimierung: Implementiert einen logischen Review-Fortschritt von Architekturprüfungen bis hin zu tiefgehenden, zeilenweisen Grenzwertanalysen.
- Strikter Anti-Pattern-Schutz: Verhindert schlechte Reviewer-Gewohnheiten wie Gatekeeping, blindes Abnicken und Detailstreitigkeiten durch integrierte Entwicklerrichtlinien.
SKILL.md
Laden
Verwandte Openclaw-Skills
Browser Auto Plus
Ein erweitertes Skill für die Browser-Automatisierung mit automatischem Multi-Browser-Failover, Fehlerbehebung durch exponentiellen Backoff, Screenshot-Verifizierung und integrierten Anti-Detection-Web-Scraping-Funktionen.
Data Analysis Plus
Ein erweitertes Datenanalyse-Kit, das umfassende Python- und R-Code-Vorlagen, statistische Methoden, Visualisierungsleitfäden und automatisierte Berichtsformate bereitstellt.
Web Scrape Plus
Ein verbessertes Datenextraktionstool für KI-Agenten mit stealth Browser-Automatisierung, proxy-Routing, Ratenbegrenzung und robuster Validierung struktureller Daten.
Prompt Engineering Plus
Ein fortschrittliches, multimodales Prompt Engineering Toolkit, das entwickelt wurde, um Eingaben für führende LLMs, Bilderzeugungs-Engines und Video-KI-Modelle zu optimieren.
Self-Improving Plus
Self-Improving Plus ermöglicht es AI-Coding-Agenten, autonom Fehler zu verfolgen, Benutzerkorrekturen zu erfassen und wiederkehrende Muster in vollständig wiederverwendbare, benutzerdefinierte Fähigkeiten zu destillieren.
Geburtshilfe und Gynäkologie PMPH 10. Auflage Klinische Fähigkeiten
Ein strukturiertes Register von 187 maßgeblichen klinischen Fähigkeiten in Geburtshilfe und Gynäkologie aus dem PMPH 10. Auflagen-Lehrbuch für kontextbewusste medizinische KI-Agenten.
Hervorgehoben*
