Sponsored by Tokenhot - 统一的 LLM API 网关，接入 100 多种模型，最高可节省 90% 的成本。

AI 广告资料库

Openclaw Skills

AI 生成代码格式审查

适用于 Openclaw 的 AI 生成代码格式审查

一款专用的 Java 格式审查技能，旨在自动审计并纠正 AI 生成代码中的命名、注释、结构和风格差异。

joeyliu1

v1.0.0

2026年6月23日

安装

基本信息

Skill.md

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。


                  npx clawhub@latest install java-code-format-review

2. 手动安装

将技能文件夹复制到以下位置之一

全局模式

~/.openclaw/skills/

工作区

<project>/skills/

优先级：工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。


                  请帮我使用 Clawhub 安装 java-code-format-review。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。

更倾向于下载？

获取包含原生技能文件的ZIP压缩包。

什么是 AI 生成代码格式审查？

AI 代码生成器功能强大，但往往会在格式、命名模式和规范遵从性方面产生不一致。AI 生成代码格式审查技能通过提供一种主要针对 Java 项目的程序化、基于规则的格式审计来解决此问题。它借鉴了《阿里巴巴 Java 开发手册》的规范，作为一道强大的质量门禁，在提交代码前强制执行可读性和一致性。

作为 Openclaw Skills 生态系统的一部分，该工具可帮助开发人员快速识别结构性问题、糟糕的命名实践（如拼音或不正确的布尔前缀）、吞掉异常以及魔法数字。通过整合这些风格规范，该技能弥合了原始 AI 输出与企业级代码库标准之间的鸿沟。

AI 生成代码格式审查应用场景

生成后格式审计：在推送到源码控制之前，自动评估由 AI 代理生成或重构的代码。
提交前 Linting：对暂存文件运行自动化风格审查，以确保遵守严格的格式准则。
重构准备：在执行大规模 AI 驱动的重构之前，评估遗留代码块的结构格式和健康状况。
团队范围规则标准化：使用 Openclaw Skills 将一致的格式规则（P0、P1、P2）引入协作工作流。

AI 生成代码格式审查工作原理

Git Diff 和源码获取：该技能通过检查工作树、暂存差异 (git diff --cached) 或特定提交的历史差异来提取更改的代码。
配置自动检测：它检查代码库以获取标准的 Java 构建和风格配置，扫描 Checkstyle、Spotbugs、Spotless、Maven 或 Gradle 项目结构。
自动化审计：如果存在专用的 Linter 或格式检查器，该技能将运行它们（例如 Spotless check）。否则，它将应用其内置的规则框架。
清单验证：代码将根据预定义的规则类别进行评估：强制 (P0)、推荐 (P1) 和参考 (P2) 分类。
报告生成：该技能生成一份详尽的审查报告，突出显示规则违规情况，包括具体的行号、严重性标签和补救步骤。
自动修复（可选）：如果存在配置，该技能可以以编程方式触发格式修复命令（例如 mvn spotless:apply）。

AI 生成代码格式审查配置指南

在您的项目中初始化该技能并运行快速环境检查。在您的项目仓库中定义您的工作流配置。

第 1 步：检测构建配置

验证构建属性包含有效的构建工具：

# 检查 Maven 或 Gradle 文件
ls pom.xml build.gradle build.gradle.kts 2>/dev/null

第 2 步：运行自动化检查

您可以根据您的构建系统执行格式检查：

对于 Maven 项目：

mvn spotless:check
mvn checkstyle:check

对于 Gradle 项目：

./gradlew spotlessCheck

第 3 步：自动修复违规

要自动解决检测到的格式不一致问题：

mvn spotless:apply
# 或者对于 Gradle：
./gradlew spotlessApply

确保此技能在您的 Openclaw Skills 目录设置中已启用。

AI 生成代码格式审查数据架构与分类体系

该技能识别并处理跨多个优先级级别的格式化架构。该框架将发现的问题分类如下：

优先级级别	严重性	所需操作
P0 [强制]	严重	阻止提交。违规包括吞掉异常、带有 `_` 或 `$` 的命名前缀、原始泛型类型以及缺失 `@Override` 注解。
P1 [推荐]	高	强烈建议修复。包括过长的方法、超过 3 层的嵌套深度以及循环内的字符串拼接。
P2 [参考]	次要	建议改进。包括使用 record 而非普通数据类、导入组织模式以及非标准的领域后缀。

审查报告格式架构

生成的报告输出一个结构化的布局，总结了代码库问题：

页眉：=== AI Code Format Review Report ===
目标文件：审查中识别的文件路径
问题列表：按优先级代码 (P0/P1/P2) 分类，包括行号、描述性分析和具体的重构解决方案
总结统计：最终得分，显示每个类别的总出现次数（例如 Stats: P0 x4, P1 x2, P2 x1）

AI 生成代码格式审查高级特性

阿里巴巴 Java 手册合规性：纳入了直接符合企业级 Java 开发指南的高级规则分类。
自动化配置发现：自动检测自定义 Linter 设置（Spotless、Checkstyle、PMD），以防止 Linting 冲突并与 Openclaw Skills 工作流中的现有设置保持一致。
现代 Java 特性审计：智能审查较新语言模式（Java 10 到 21）的使用，例如 Record 结构、模式匹配、Switch 表达式和文本块。
反模式护栏：包含一个强大的检测索引，专门针对常见的 AI 生成幻觉（例如过度的字段注入、冗长的模板代码生成以及未关闭的资源）。