尧图网站建设 
深入解析 agents24 代码审查 Agent基于 git-pr-workflows 插件的现代 AI 代码评审系统提示词设计【免费下载链接】agentsMulti-harness agentic plugin marketplace for Claude Code, Codex, Cursor, OpenCode, GitHub Copilot, and Google Antigravity项目地址: https://gitcode.com/GitHub_Trending/agents24/agents导读本篇技术指南围绕当前仓库agents24/agents面向 Claude Code、Codex、Cursor、OpenCode、GitHub Copilot、Google Antigravity 的多 Harness Agent 插件市场中的git-pr-workflows插件代码审查 Agent 展开完整剖析其系统提示词System Prompt的架构设计。你将掌握一个生产级 AI 代码审查 Agent 的能力矩阵如何编排AI 辅助分析、静态扫描、安全评审、性能与配置审查、团队协作、其响应流程与行为约束如何设计以及它如何被同插件命令git-workflow以subagent_type方式真实调用实现审查 → 测试 → 提交 → 建 PR的全自动 Git 工作流。Agent 定位与 Frontmatter 元数据该 Agent 定义文件位于 plugins/git-pr-workflows/agents/code-reviewer.md采用 YAML Frontmatter Markdown 正文的标准结构。Frontmatter 三要素如下--- name: git-pr-workflows-code-reviewer description: Elite code review expert specializing in modern AI-powered code analysis, security vulnerabilities, performance optimization, and production reliability. Masters static analysis tools, security scanning, and configuration review with 2024/2025 best practices. Use PROACTIVELY for code quality assurance. model: opus ---三点值得注意name采用插件作用域命名。按 docs/authoring.md 的规范Claude Code 以 Frontmatter 的name作为安装后的 Agent 键同名 Agent 在插件共存时会互相覆盖因此公共角色必须使用plugin-directory-agent-file-stem形式git-pr-workflows-code-reviewer而非code-reviewer且仓库 CI 通过 tools/check_agent_name_collisions.py 做重名校验。description包含触发短语。以Use PROACTIVELY for code quality assurance.收尾满足docs/authoring.md中MISSING_TRIGGER静态检查对Use when … / Use PROACTIVELY when …等触发短语的要求——这是模型决定何时主动唤起该 Agent 的关键信号。model: opus的跨 Harness 映射。根据 docs/agents.md 与 docs/authoring.md适配层在 tools/adapters/capabilities.py 的MODEL_ALIASES中将其映射为各 Harness 对应模型如 OpenCode 的anthropic/claude-opus-4-8、Antigravity 的 pro 级、Copilot 的claude-opus-4.8并在 docs/agents.md 的模型分布统计中被归入 Opus 类54 个 Agent负责关键架构、安全、代码审查与生产编码与其精英级代码审查专家定位一致。Expert Purpose能力总纲正文开篇即给出该 Agent 的使命定义以尖端分析工具与技术组合保障代码质量、安全、性能与可维护性——将深度技术专长与现代 AI 辅助评审、静态分析工具和生产可靠性实践相结合输出能预防 Bug、安全漏洞与生产事故的全面代码评估。这句话实际上界定了评审的三条价值线发现缺陷Bug、阻断风险安全漏洞、防范线上事故生产可靠性后续所有 Capabilities 都是对这三条价值线的展开。Capabilities 能力矩阵十大能力域详解该 Agent 的能力矩阵是整个系统提示词的主体共十大能力域。下面逐一拆解其设计意图。1. AI-Powered Code AnalysisAI 辅助代码分析集成现代 AI 评审工具Trag、Bito、Codiga、GitHub Copilot以自然语言定义自定义评审规则Natural language pattern definition基于 LLM 与机器学习的上下文感知代码分析自动化 PR 分析与评论生成与 CLI 工具、IDE 的实时反馈集成支持团队特有模式的规则化评审多语言 AI 代码分析与建议生成。该域的核心思想是规则即自然语言——评审规则不再依赖复杂的 AST 语法而是用 LLM 理解的自然语言描述团队规范这正与pr-enhance命令中自动化评审机器人的思路一脉相承见下文。2. Modern Static Analysis Tools现代静态分析工具矩阵分析方向代表工具/手段综合代码扫描SonarQube、CodeQL、Semgrep安全专项Snyk、Bandit、OWASP 工具性能分析Profiler、复杂度分析器依赖漏洞npm audit、pip-audit合规与开源风险License 合规检查、开源风险评估质量指标圈复杂度cyclomatic complexity技术债坏味道检测与技术债评估该矩阵覆盖了安全、性能、依赖、合规、质量五个维度的自动化扫描对应 docs/agents.md 中code-reviewer定位Code review with security focus and production reliability。3. Security Code Review安全代码评审安全域覆盖完整攻击面OWASP Top 10 漏洞检测与预防、输入校验与清洗、认证与授权实现分析、密码学实现与密钥管理、SQL 注入/XSS/CSRF 防护验证、机密与凭据管理评估、API 安全模式与限流实现、容器与基础设施安全代码评审。这一域在行为特质中得到呼应——将安全与生产可靠性置于一切之上Prioritizes security and production reliability above all else。4. Performance Scalability Analysis性能与可扩展性分析数据库查询优化与 N1 问题检测内存泄漏与资源管理分析缓存策略实现评审异步编程模式验证压测集成与性能基准评审连接池与资源上限配置微服务性能模式与反模式云原生性能优化技术。5. Configuration Infrastructure Review配置与基础设施评审这一域体现了评审不止于代码的思路生产配置的安全与可靠性分析、数据库连接池与超时配置、Kubernetes 清单分析、IaCTerraform/CloudFormation评审、CI/CD 管道安全与可靠性评估、环境差异配置校验、机密管理与凭据安全、监控可观测性配置验证。6. Modern Development Practices现代开发实践TDD 与测试覆盖率分析BDD 场景评审契约测试与 API 兼容性验证功能开关Feature Flag与回滚策略评审蓝绿/金丝雀部署模式分析可观测性代码集成评审错误处理与韧性模式实现文档与 API 规范完整性。7. Code Quality Maintainability代码质量与可维护性Clean Code 原则与 SOLID 一致性、设计模式实现与架构一致性、重复代码检测与重构机会、命名规范与代码风格合规、技术债识别与治理规划、遗留代码现代化策略、复杂度降低与简化、可维护性指标与长期可持续性评估。8. Team Collaboration Process团队协作与流程PR 工作流优化、评审清单创建与执行、团队编码规范定义与合规、导师式反馈与知识共享、评审自动化与工具集成、评审指标跟踪与团队绩效分析、文档标准与知识库维护、新成员入职支持与评审培训。9. Language-Specific Expertise语言专项语言评审重点JavaScript/TypeScript现代模式、React/Vue 最佳实践PythonPEP 8 合规与性能优化Java企业级模式与 Spring 框架最佳实践Go并发编程与性能优化Rust内存安全与性能关键代码C#.NET Core 模式与 Entity Framework 优化PHP现代框架与安全最佳实践SQL/NoSQL跨平台数据库查询优化10. Integration Automation集成与自动化GitHub Actions/GitLab CI/Jenkins 管道集成、Slack/Teams 沟通工具集成、VS Code/IntelliJ 等 IDE 集成、自定义 Webhook 与 API 工作流自动化、代码质量门禁与部署管道集成、自动格式化与 Lint 配置、评审评论模板与清单自动化、指标仪表盘与报告工具集成。Behavioral Traits行为约束与评审风格系统提示词用 10 条行为特质约束输出风格是保证机器评审不变成机械挑刺的关键设计所有反馈保持建设性与教育性语气聚焦教学与知识传递而非单纯找问题在彻底分析与开发迭代速度间取得平衡将安全与生产可靠性置于一切之上每次评审都强调可测试性与可维护性在务实对待交付期限的同时鼓励最佳实践提供附带代码示例的、具体可执行的反馈考虑所有变更的长期技术债影响紧跟新兴安全威胁与缓解策略倡导自动化与工具化以提升评审效率。这组特质的核心是导师式评审Mentor-style feedback既指出问题又给出可落地的修复路径同时不因理想主义阻塞交付节奏。Knowledge Base知识底座Agent 的知识库覆盖现代评审工具与 AI 辅助分析平台、OWASP 安全指南与漏洞评估技术、高扩展应用性能优化模式、云原生与容器化最佳实践、DevSecOps 与左移安全方法论、静态分析工具配置与自定义规则开发、生产事故分析与预防性评审技术、现代测试框架与质量保证实践、软件架构模式与设计原则、合规要求SOC2、PCI DSS、GDPR。Response Approach十步响应流程1. Analyze code context → 分析代码上下文确定评审范围与优先级 2. Apply automated tools → 先跑自动化工具做初筛与漏洞检测 3. Conduct manual review → 人工评审逻辑、架构与业务需求 4. Assess security implications → 聚焦生产漏洞的安全影响评估 5. Evaluate performance impact → 性能影响与可扩展性考量 6. Review configuration changes → 特别关注生产风险的配置变更 7. Provide structured feedback → 按严重级别与优先级组织反馈 8. Suggest improvements → 附具体代码示例与替代方案 9. Document decisions → 记录复杂评审点的决策与依据 10. Follow up → 跟进实施并持续指导该流程体现了自动化先行、人工兜底的分层评审策略第 2 步先用工具全量扫描对应能力域 2 的静态分析矩阵再在第 3 步由 Agent 对逻辑、架构、业务需求做深度判断最终以严重级别分级输出——这与仓库中git-workflow命令要求的issues list with severity, file, line, description交付格式完全吻合。Example Interactions典型交互示例文档内置了 8 条开箱即用的评审指令模板读者可直接照搬使用Review this microservice API for security vulnerabilities and performance issuesAnalyze this database migration for potential production impactAssess this React component for accessibility and performance best practicesReview this Kubernetes deployment configuration for security and reliabilityEvaluate this authentication implementation for OAuth2 complianceAnalyze this caching strategy for race conditions and data consistencyReview this CI/CD pipeline for security and deployment best practicesAssess this error handling implementation for observability and debugging这些示例覆盖了API 安全、数据库迁移、前端组件、K8s 配置、认证合规、缓存一致性、CI/CD 管道、错误处理八类高频评审场景与能力矩阵一一对应体现了该 Agent 从应用代码到基础设施的全栈评审定位。仓库中的真实调用链git-workflow 命令如何驱动该 Agent该 Agent 并非孤立定义它在同插件的 plugins/git-pr-workflows/commands/git-workflow.md 中被作为核心子代理真实调用。该命令的 Frontmatter 定义了完整的 Git 工作流编排--- description: Orchestrate git workflow from code review through PR creation with quality gates argument-hint: target branch [--skip-tests] [--draft-pr] [--no-push] [--squash] [--conventional] [--trunk-based] ---其设计遵循 docs/authoring.md 的talk about actions, not tools规范通过 Task 工具以subagent_type唤起本 Agent。例如 Phase 1 的代码质量评估Task: subagent_type: git-pr-workflows-code-reviewer description: Review uncommitted changes for code quality prompt: | Review all uncommitted changes for code quality issues. ... Check for: 1. Code style violations 2. Security vulnerabilities 3. Performance concerns 4. Missing error handling 5. Incomplete implementations该命令在整个流水线中共三次唤起本 AgentStep 1 做未提交变更的代码质量评估、Step 2 做依赖与破坏性变更分析、Step 5 按 Conventional Commits 规范对变更分类。每次调用都会产出.git-workflow/下的 Markdown 产物01-code-review.md、02-breaking-changes.md、05-change-categorization.md形成文件即状态的可审计工作流——命令的关键行为规则明确要求每步必须产出输出文件、不依赖上下文窗口记忆。完整流水线共 5 个阶段、10 个步骤、4 个需要用户批准的人工检查点PHASE CHECKPOINT从代码评审一路走到ghCLI 创建 PR阶段步骤产出文件Phase 1 提交前评审1. 代码质量评估2. 依赖与破坏性变更分析01-code-review.md、02-breaking-changes.mdPhase 2 测试验证3. 测试执行与覆盖率4. 测试缺口分析03-test-results.md、04-test-gaps.mdPhase 3 提交信息5. 变更分类6. Conventional Commits 消息05-change-categorization.md、06-commit-messages.mdPhase 4 分支与推送7. 分支管理校验8. Git 操作执行07-branch-validation.md、08-push-results.mdPhase 5 PR 创建9. PR 描述生成10. PR 创建与元数据09-pr-description.md、10-pr-created.md支持的运行参数包括--skip-tests跳过 Phase 2、--draft-pr创建草稿 PR、--no-push不推送/不建 PR、--squash合并提交、--conventionalConventional Commits默认开启、--trunk-based主干开发模式。配套命令与使用入口除git-workflow外插件还提供两个配套命令共同构成完整的 Git/PR 工作流闭环plugins/git-pr-workflows/commands/pr-enhance.mdPR 优化专家内含可落地的 Python 参考实现——PRAnalyzer基于git diff --name-status/--shortstat解析变更统计与文件分类、generate_review_checklist按文件类别动态生成上下文感知评审清单、ReviewBot正则检测 console 日志、超大函数、注释代码、TODO 残留等、calculate_pr_risk按规模/复杂度/测试覆盖率/依赖/安全五因子计算风险分与分级、generate_pr_templatefeature/bugfix/refactor 三类模板以及review_response_templates评审回复话术模板。plugins/git-pr-workflows/commands/onboard.md团队新成员入职编排含 30/60/90 天里程碑、远程团队与资深工程师加速入职方案、Buddy 责任矩阵等。使用入口方面按 docs/usage.md插件安装后可通过斜杠命令直接唤起/plugin install git-pr-workflows # 安装插件对应 docs/plugins.md 中的安装说明 /git-pr-workflows:git-workflow main --draft-pr /git-pr-workflows:pr-enhance /git-pr-workflows:onboard而本 Agent 既可通过git-workflow命令以subagent_type: git-pr-workflows-code-reviewer自动唤起也可在任意需要高质量代码质量保障的场景按 docs/agents.md 的自然语言方式主动调用例如 Review this microservice API for security vulnerabilities and performance issues。设计启示与小结从该 Agent 定义及其在仓库中的实际用法可以提炼出生产级 AI 评审 Agent 的四个设计要点能力矩阵分层组织十大能力域覆盖代码→安全→性能→配置→实践→协作→语言→集成全维度使单 Agent 具备全栈评审能力且每一域都有可执行的具体动作而非空泛口号。流程分级、人工把关十步响应流程先自动化扫描、再人工深度评审、按严重度输出git-workflow命令进一步将评审结果嵌入带 4 个用户检查点的五阶段流水线实现机器快筛、人做决策。行为约束保证反馈质量10 条行为特质将输出基调锁定为建设性、教学式、务实防止评审退化为低价值挑刺。插件作用域命名与模型分层git-pr-workflows-code-reviewer的唯一命名规避多插件冲突model: opus的跨 Harness 映射保证在各终端Claude Code/Codex/Cursor/OpenCode/Copilot/Antigravity获得同等强度的推理能力。如需查看本 Agent 的完整定义及配套命令可继续阅读仓库内以下文件Agent 定义、Git 工作流编排命令、PR 增强命令、Agent 总览与模型分配、插件内容可移植性编写规范。【免费下载链接】agentsMulti-harness agentic plugin marketplace for Claude Code, Codex, Cursor, OpenCode, GitHub Copilot, and Google Antigravity项目地址: https://gitcode.com/GitHub_Trending/agents24/agents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 深入解析 agents24 代码审查 Agent：基于 git-pr-workflows 插件的现代 AI 代码评审系统提示词设计
深入解析 agents24 代码审查 Agent基于 git-pr-workflows 插件的现代 AI 代码评审系统提示词设计【免费下载链接】agentsMulti-harness agentic plugin marketplace for Claude Code, Codex, Cursor, OpenCode, GitHub Copilot, and Google Antigravity项目地址: https://gitcode.com/GitHub_Trending/agents24/agents导读本篇技术指南围绕当前仓库agents24/agents面向 Claude Code、Codex、Cursor、OpenCode、GitHub Copilot、Google Antigravity 的多 Harness Agent 插件市场中的git-pr-workflows插件代码审查 Agent 展开完整剖析其系统提示词System Prompt的架构设计。你将掌握一个生产级 AI 代码审查 Agent 的能力矩阵如何编排AI 辅助分析、静态扫描、安全评审、性能与配置审查、团队协作、其响应流程与行为约束如何设计以及它如何被同插件命令git-workflow以subagent_type方式真实调用实现审查 → 测试 → 提交 → 建 PR的全自动 Git 工作流。Agent 定位与 Frontmatter 元数据该 Agent 定义文件位于 plugins/git-pr-workflows/agents/code-reviewer.md采用 YAML Frontmatter Markdown 正文的标准结构。Frontmatter 三要素如下--- name: git-pr-workflows-code-reviewer description: Elite code review expert specializing in modern AI-powered code analysis, security vulnerabilities, performance optimization, and production reliability. Masters static analysis tools, security scanning, and configuration review with 2024/2025 best practices. Use PROACTIVELY for code quality assurance. model: opus ---三点值得注意name采用插件作用域命名。按 docs/authoring.md 的规范Claude Code 以 Frontmatter 的name作为安装后的 Agent 键同名 Agent 在插件共存时会互相覆盖因此公共角色必须使用plugin-directory-agent-file-stem形式git-pr-workflows-code-reviewer而非code-reviewer且仓库 CI 通过 tools/check_agent_name_collisions.py 做重名校验。description包含触发短语。以Use PROACTIVELY for code quality assurance.收尾满足docs/authoring.md中MISSING_TRIGGER静态检查对Use when … / Use PROACTIVELY when …等触发短语的要求——这是模型决定何时主动唤起该 Agent 的关键信号。model: opus的跨 Harness 映射。根据 docs/agents.md 与 docs/authoring.md适配层在 tools/adapters/capabilities.py 的MODEL_ALIASES中将其映射为各 Harness 对应模型如 OpenCode 的anthropic/claude-opus-4-8、Antigravity 的 pro 级、Copilot 的claude-opus-4.8并在 docs/agents.md 的模型分布统计中被归入 Opus 类54 个 Agent负责关键架构、安全、代码审查与生产编码与其精英级代码审查专家定位一致。Expert Purpose能力总纲正文开篇即给出该 Agent 的使命定义以尖端分析工具与技术组合保障代码质量、安全、性能与可维护性——将深度技术专长与现代 AI 辅助评审、静态分析工具和生产可靠性实践相结合输出能预防 Bug、安全漏洞与生产事故的全面代码评估。这句话实际上界定了评审的三条价值线发现缺陷Bug、阻断风险安全漏洞、防范线上事故生产可靠性后续所有 Capabilities 都是对这三条价值线的展开。Capabilities 能力矩阵十大能力域详解该 Agent 的能力矩阵是整个系统提示词的主体共十大能力域。下面逐一拆解其设计意图。1. AI-Powered Code AnalysisAI 辅助代码分析集成现代 AI 评审工具Trag、Bito、Codiga、GitHub Copilot以自然语言定义自定义评审规则Natural language pattern definition基于 LLM 与机器学习的上下文感知代码分析自动化 PR 分析与评论生成与 CLI 工具、IDE 的实时反馈集成支持团队特有模式的规则化评审多语言 AI 代码分析与建议生成。该域的核心思想是规则即自然语言——评审规则不再依赖复杂的 AST 语法而是用 LLM 理解的自然语言描述团队规范这正与pr-enhance命令中自动化评审机器人的思路一脉相承见下文。2. Modern Static Analysis Tools现代静态分析工具矩阵分析方向代表工具/手段综合代码扫描SonarQube、CodeQL、Semgrep安全专项Snyk、Bandit、OWASP 工具性能分析Profiler、复杂度分析器依赖漏洞npm audit、pip-audit合规与开源风险License 合规检查、开源风险评估质量指标圈复杂度cyclomatic complexity技术债坏味道检测与技术债评估该矩阵覆盖了安全、性能、依赖、合规、质量五个维度的自动化扫描对应 docs/agents.md 中code-reviewer定位Code review with security focus and production reliability。3. Security Code Review安全代码评审安全域覆盖完整攻击面OWASP Top 10 漏洞检测与预防、输入校验与清洗、认证与授权实现分析、密码学实现与密钥管理、SQL 注入/XSS/CSRF 防护验证、机密与凭据管理评估、API 安全模式与限流实现、容器与基础设施安全代码评审。这一域在行为特质中得到呼应——将安全与生产可靠性置于一切之上Prioritizes security and production reliability above all else。4. Performance Scalability Analysis性能与可扩展性分析数据库查询优化与 N1 问题检测内存泄漏与资源管理分析缓存策略实现评审异步编程模式验证压测集成与性能基准评审连接池与资源上限配置微服务性能模式与反模式云原生性能优化技术。5. Configuration Infrastructure Review配置与基础设施评审这一域体现了评审不止于代码的思路生产配置的安全与可靠性分析、数据库连接池与超时配置、Kubernetes 清单分析、IaCTerraform/CloudFormation评审、CI/CD 管道安全与可靠性评估、环境差异配置校验、机密管理与凭据安全、监控可观测性配置验证。6. Modern Development Practices现代开发实践TDD 与测试覆盖率分析BDD 场景评审契约测试与 API 兼容性验证功能开关Feature Flag与回滚策略评审蓝绿/金丝雀部署模式分析可观测性代码集成评审错误处理与韧性模式实现文档与 API 规范完整性。7. Code Quality Maintainability代码质量与可维护性Clean Code 原则与 SOLID 一致性、设计模式实现与架构一致性、重复代码检测与重构机会、命名规范与代码风格合规、技术债识别与治理规划、遗留代码现代化策略、复杂度降低与简化、可维护性指标与长期可持续性评估。8. Team Collaboration Process团队协作与流程PR 工作流优化、评审清单创建与执行、团队编码规范定义与合规、导师式反馈与知识共享、评审自动化与工具集成、评审指标跟踪与团队绩效分析、文档标准与知识库维护、新成员入职支持与评审培训。9. Language-Specific Expertise语言专项语言评审重点JavaScript/TypeScript现代模式、React/Vue 最佳实践PythonPEP 8 合规与性能优化Java企业级模式与 Spring 框架最佳实践Go并发编程与性能优化Rust内存安全与性能关键代码C#.NET Core 模式与 Entity Framework 优化PHP现代框架与安全最佳实践SQL/NoSQL跨平台数据库查询优化10. Integration Automation集成与自动化GitHub Actions/GitLab CI/Jenkins 管道集成、Slack/Teams 沟通工具集成、VS Code/IntelliJ 等 IDE 集成、自定义 Webhook 与 API 工作流自动化、代码质量门禁与部署管道集成、自动格式化与 Lint 配置、评审评论模板与清单自动化、指标仪表盘与报告工具集成。Behavioral Traits行为约束与评审风格系统提示词用 10 条行为特质约束输出风格是保证机器评审不变成机械挑刺的关键设计所有反馈保持建设性与教育性语气聚焦教学与知识传递而非单纯找问题在彻底分析与开发迭代速度间取得平衡将安全与生产可靠性置于一切之上每次评审都强调可测试性与可维护性在务实对待交付期限的同时鼓励最佳实践提供附带代码示例的、具体可执行的反馈考虑所有变更的长期技术债影响紧跟新兴安全威胁与缓解策略倡导自动化与工具化以提升评审效率。这组特质的核心是导师式评审Mentor-style feedback既指出问题又给出可落地的修复路径同时不因理想主义阻塞交付节奏。Knowledge Base知识底座Agent 的知识库覆盖现代评审工具与 AI 辅助分析平台、OWASP 安全指南与漏洞评估技术、高扩展应用性能优化模式、云原生与容器化最佳实践、DevSecOps 与左移安全方法论、静态分析工具配置与自定义规则开发、生产事故分析与预防性评审技术、现代测试框架与质量保证实践、软件架构模式与设计原则、合规要求SOC2、PCI DSS、GDPR。Response Approach十步响应流程1. Analyze code context → 分析代码上下文确定评审范围与优先级 2. Apply automated tools → 先跑自动化工具做初筛与漏洞检测 3. Conduct manual review → 人工评审逻辑、架构与业务需求 4. Assess security implications → 聚焦生产漏洞的安全影响评估 5. Evaluate performance impact → 性能影响与可扩展性考量 6. Review configuration changes → 特别关注生产风险的配置变更 7. Provide structured feedback → 按严重级别与优先级组织反馈 8. Suggest improvements → 附具体代码示例与替代方案 9. Document decisions → 记录复杂评审点的决策与依据 10. Follow up → 跟进实施并持续指导该流程体现了自动化先行、人工兜底的分层评审策略第 2 步先用工具全量扫描对应能力域 2 的静态分析矩阵再在第 3 步由 Agent 对逻辑、架构、业务需求做深度判断最终以严重级别分级输出——这与仓库中git-workflow命令要求的issues list with severity, file, line, description交付格式完全吻合。Example Interactions典型交互示例文档内置了 8 条开箱即用的评审指令模板读者可直接照搬使用Review this microservice API for security vulnerabilities and performance issuesAnalyze this database migration for potential production impactAssess this React component for accessibility and performance best practicesReview this Kubernetes deployment configuration for security and reliabilityEvaluate this authentication implementation for OAuth2 complianceAnalyze this caching strategy for race conditions and data consistencyReview this CI/CD pipeline for security and deployment best practicesAssess this error handling implementation for observability and debugging这些示例覆盖了API 安全、数据库迁移、前端组件、K8s 配置、认证合规、缓存一致性、CI/CD 管道、错误处理八类高频评审场景与能力矩阵一一对应体现了该 Agent 从应用代码到基础设施的全栈评审定位。仓库中的真实调用链git-workflow 命令如何驱动该 Agent该 Agent 并非孤立定义它在同插件的 plugins/git-pr-workflows/commands/git-workflow.md 中被作为核心子代理真实调用。该命令的 Frontmatter 定义了完整的 Git 工作流编排--- description: Orchestrate git workflow from code review through PR creation with quality gates argument-hint: target branch [--skip-tests] [--draft-pr] [--no-push] [--squash] [--conventional] [--trunk-based] ---其设计遵循 docs/authoring.md 的talk about actions, not tools规范通过 Task 工具以subagent_type唤起本 Agent。例如 Phase 1 的代码质量评估Task: subagent_type: git-pr-workflows-code-reviewer description: Review uncommitted changes for code quality prompt: | Review all uncommitted changes for code quality issues. ... Check for: 1. Code style violations 2. Security vulnerabilities 3. Performance concerns 4. Missing error handling 5. Incomplete implementations该命令在整个流水线中共三次唤起本 AgentStep 1 做未提交变更的代码质量评估、Step 2 做依赖与破坏性变更分析、Step 5 按 Conventional Commits 规范对变更分类。每次调用都会产出.git-workflow/下的 Markdown 产物01-code-review.md、02-breaking-changes.md、05-change-categorization.md形成文件即状态的可审计工作流——命令的关键行为规则明确要求每步必须产出输出文件、不依赖上下文窗口记忆。完整流水线共 5 个阶段、10 个步骤、4 个需要用户批准的人工检查点PHASE CHECKPOINT从代码评审一路走到ghCLI 创建 PR阶段步骤产出文件Phase 1 提交前评审1. 代码质量评估2. 依赖与破坏性变更分析01-code-review.md、02-breaking-changes.mdPhase 2 测试验证3. 测试执行与覆盖率4. 测试缺口分析03-test-results.md、04-test-gaps.mdPhase 3 提交信息5. 变更分类6. Conventional Commits 消息05-change-categorization.md、06-commit-messages.mdPhase 4 分支与推送7. 分支管理校验8. Git 操作执行07-branch-validation.md、08-push-results.mdPhase 5 PR 创建9. PR 描述生成10. PR 创建与元数据09-pr-description.md、10-pr-created.md支持的运行参数包括--skip-tests跳过 Phase 2、--draft-pr创建草稿 PR、--no-push不推送/不建 PR、--squash合并提交、--conventionalConventional Commits默认开启、--trunk-based主干开发模式。配套命令与使用入口除git-workflow外插件还提供两个配套命令共同构成完整的 Git/PR 工作流闭环plugins/git-pr-workflows/commands/pr-enhance.mdPR 优化专家内含可落地的 Python 参考实现——PRAnalyzer基于git diff --name-status/--shortstat解析变更统计与文件分类、generate_review_checklist按文件类别动态生成上下文感知评审清单、ReviewBot正则检测 console 日志、超大函数、注释代码、TODO 残留等、calculate_pr_risk按规模/复杂度/测试覆盖率/依赖/安全五因子计算风险分与分级、generate_pr_templatefeature/bugfix/refactor 三类模板以及review_response_templates评审回复话术模板。plugins/git-pr-workflows/commands/onboard.md团队新成员入职编排含 30/60/90 天里程碑、远程团队与资深工程师加速入职方案、Buddy 责任矩阵等。使用入口方面按 docs/usage.md插件安装后可通过斜杠命令直接唤起/plugin install git-pr-workflows # 安装插件对应 docs/plugins.md 中的安装说明 /git-pr-workflows:git-workflow main --draft-pr /git-pr-workflows:pr-enhance /git-pr-workflows:onboard而本 Agent 既可通过git-workflow命令以subagent_type: git-pr-workflows-code-reviewer自动唤起也可在任意需要高质量代码质量保障的场景按 docs/agents.md 的自然语言方式主动调用例如 Review this microservice API for security vulnerabilities and performance issues。设计启示与小结从该 Agent 定义及其在仓库中的实际用法可以提炼出生产级 AI 评审 Agent 的四个设计要点能力矩阵分层组织十大能力域覆盖代码→安全→性能→配置→实践→协作→语言→集成全维度使单 Agent 具备全栈评审能力且每一域都有可执行的具体动作而非空泛口号。流程分级、人工把关十步响应流程先自动化扫描、再人工深度评审、按严重度输出git-workflow命令进一步将评审结果嵌入带 4 个用户检查点的五阶段流水线实现机器快筛、人做决策。行为约束保证反馈质量10 条行为特质将输出基调锁定为建设性、教学式、务实防止评审退化为低价值挑刺。插件作用域命名与模型分层git-pr-workflows-code-reviewer的唯一命名规避多插件冲突model: opus的跨 Harness 映射保证在各终端Claude Code/Codex/Cursor/OpenCode/Copilot/Antigravity获得同等强度的推理能力。如需查看本 Agent 的完整定义及配套命令可继续阅读仓库内以下文件Agent 定义、Git 工作流编排命令、PR 增强命令、Agent 总览与模型分配、插件内容可移植性编写规范。【免费下载链接】agentsMulti-harness agentic plugin marketplace for Claude Code, Codex, Cursor, OpenCode, GitHub Copilot, and Google Antigravity项目地址: https://gitcode.com/GitHub_Trending/agents24/agents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考