適用於 Openclaw 的 Code Review Plus

一個具備專業 AI/ML 檢查、強大安全掃描和多語言標準合規性的進階代碼審查助手。

534422530
v2.0.0
Jun 5, 2026
0
571
0

安裝與下載

1. ClawHub CLI

從來源直接安裝技能的最快方式。

npx clawhub@latest install code-review-plus

2. 手動安裝

將技能資料夾複製到以下位置之一

全域模式
~/.openclaw/skills/
工作區
<project>/skills/

優先級:工作區 > 本地 > 內建

3. 提示詞安裝

將此提示詞複製到 OpenClaw 即可自動安裝。

請幫我使用 Clawhub 安裝 code-review-plus。如果尚未安裝 Clawhub,請先安裝(npm i -g clawhub)。

想要直接下載?

取得包含原生技能檔案的ZIP壓縮檔。

什麼是 Code Review Plus?

Code Review Plus 是一項全面、多維度的代碼分析技能,它擴展了標準自動化檢查,涵蓋了現代安全威脅、AI/ML 特定漏洞、效能優化以及特定語言模式。它旨在賦能開發者在 pull request 工作流中工作,並引入了結構化防護措施以確保高品質的軟體交付。

透過 Openclaw Skills 集成此功能,工程團隊可以在代碼合併前自動執行 SQL injection、數據洩漏、prompt injection 和計算瓶頸的關鍵檢查。這種自動化的嚴謹性與富有同理心、面向行動的反饋相結合,將代碼審查從瑣事轉化為高效的品質關卡。

Code Review Plus 應用場景

  • 使用自動化安全檢查清單防止 SQL injection、XSS 和授權繞過。
  • 審核 AI 和 ML 管線的模型安全、prompt injection 向量和數據洩漏問題。
  • 透過檢測 N+1 資料庫查詢、記憶體洩漏和未索引查詢來優化執行時效能和資源使用。
  • 在 pull request 中協助開發者應用 Python、TypeScript 和 Go 的特定語言最佳實踐。
  • 強制執行一致的嚴重性級別(Critical、Major、Minor、Nit),以精簡代碼審查工作流並避免因瑣碎的風格問題而阻塞。

Code Review Plus 運作原理

  1. 結構分析:掃描已變更的檔案以理解高級架構、依賴關係方向和 API 結構。
  2. 維度過濾:遍歷包括安全、效能、正確性、可維護性、測試和 AI/ML 維度在內的關鍵檢查清單。
  3. 特定語言規則評估:基於檢測到的檔案類型(Python、JS/TS、Go)執行針對性的 linting 和慣用模式規則。
  4. 嚴重性評估與標記:將發現的問題分為從 Critical(阻塞)到 Nitpick(非阻塞)的結構化嚴重性級別。
  5. 反饋生成:制定具體的、建設性的評論,包括代碼建議和明確的風險,並遵循嚴格的審查原則。

Code Review Plus 設定指南

要將此品質關卡集成到您的代理環境中,請在專案的代理設定檔中宣告 Code Review Plus 配置。

透過您首選的套件管理器安裝底層驗證工具:

# 在您的專案環境中初始化該技能
openclaw install code-review-plus

# 或者透過在您的工作流中引用技能名稱手動配置
cat <<EOF > .openclaw/skills/code-review-plus.yaml
name: code-review-plus
version: 2.0
enabled: true
EOF

配置環境變數,允許 AI 檢查與您的 LLM 提供商介面進行互動,以獲取上下文審查反饋。

Code Review Plus 資料結構與分類體系

該技能圍繞結構化指標和維度組織其審查和規則。以下是審查輸出和規則模式的管理方式:

審查指標與優先級

維度 重點領域 優先級
Security 認證、數據暴露、注入 Critical
Performance N+1 查詢、記憶體洩漏、延遲載入 High
Correctness 邏輯錯誤、邊界情況、時區 High
Maintainability DRY 原則、命名清晰度、複雜度 Medium
AI/ML 數據洩漏、prompt 安全、成本限制 High

嚴重性模式

  • [CRITICAL]: 安全漏洞或潛在數據丟失(阻塞合併)。
  • [MAJOR]: 效能回歸或邏輯錯誤(阻塞合併)。
  • [MINOR]: 可維護性改進(非阻塞)。
  • [NIT]: 非阻塞的格式化或風格偏好。

Code Review Plus 進階特性

  • AI/ML 漏洞檢測:專為防止數據洩漏、成本爆炸和 prompt injection 而設計的專業審核。
  • 特定語言最佳實踐:自動應用 Python 類型提示檢查、TypeScript 嚴格模式驗證和 Go 上下文傳播規則。
  • 多輪審查優化:實現從架構檢查到深度逐行邊界值分析的邏輯審查進程。
  • 嚴格反模式保護:透過集成的開發者指南防止把關、盲目批准和在無關緊要的問題上糾纏等不良審查習慣。

SKILL.md


加載中

Openclaw 相關技能

METADATA

Github Stars: 0
forks: 0

精選*