Synthèse automatique
Effectue une revue de code exhaustive en utilisant OpenAI Codex, en rassemblant le contexte à partir de tickets GitHub, Linear et Sentry.
Points forts
- Analyse approfondie du code avec contexte des issues et plans de projet
- Support des modifications non validées, branches spécifiques et commits
- Intégration avec GitHub, Linear et Sentry pour un contexte riche
Limites
- Nécessite l'installation et l'authentification du CLI codex
- Par défaut, ne fonctionne qu'avec les modifications non validées
- Peut nécessiter une interaction si aucune modification non validée n'est détectée
Utilisez cette compétence avant de créer une pull request ou après avoir terminé une fonctionnalité pour obtenir une revue détaillée.
Évitez de l'utiliser pour des modifications triviales ou lorsque vous avez besoin d'une revue rapide sans configuration préalable.
Analyse de sécurité
SûrThe skill runs a local Python script with user-provided arguments; no destructive commands, no external downloads, no obfuscation. It uses Bash but only to execute a predefined review tool, which is a legitimate use case. No risk of data exfiltration or system damage from the skill itself.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
Review my uncommitted changesReview my changes against main branchReview my changes referencing GitHub issue #123 and Linear PROJ-456name: review description: | Exhaustive code review using OpenAI Codex. Use when user says "review", "/review", "review my changes", or wants AI-powered code analysis. Gathers context from GitHub/Linear/Sentry issues. allowed-tools: Bash, Read, Glob, Grep
Review
Exhaustive AI-powered code review via OpenAI Codex.
When to Use
- User says "review", "/review", "review my changes"
- Before creating PR
- After completing feature work
Workflow
1. Gather Issue References
Scan conversation for:
- GitHub: #123, org/repo#123, GitHub URLs
- Linear: PROJ-123, Linear URLs
- Sentry: sentry:ID, Sentry URLs
2. Read Plan File (if exists)
Check for active plan in conversation or ~/.claude/plans/
3. Read Referenced Files
If user mentions @file.ts or specific files, include content.
4. Run Review
# Default: reviews uncommitted changes if any exist
./scripts/review.py codex \
--issues "#123,PROJ-456" \
--plan ./plan.md \
--files "src/api.ts"
# If no uncommitted changes, prompts for branch/commit to compare
Command
./scripts/review.py codex [OPTIONS]
Options
| Option | Description |
|--------|-------------|
| --base, -b BRANCH | Compare against branch |
| --uncommitted, -u | Review staged/unstaged/untracked changes (default if changes exist) |
| --commit, -c SHA | Review specific commit |
| --issues, -i REFS | Issue refs: #123, PROJ-456, sentry:ID, or URLs |
| --plan, -p PATH | Plan file for context |
| --files, -f PATHS | Additional files (comma-separated) |
| --title, -t TEXT | Commit/PR title for summary |
| --model, -m MODEL | Codex model (default: gpt-5.1-codex-max) |
Context Command
Gather context without running review:
./scripts/review.py context [OPTIONS]
| Option | Description |
|--------|-------------|
| --issues, -i REFS | Issue refs (comma-separated) |
| --plan, -p PATH | Plan file path |
| --files, -f PATHS | Additional files (comma-separated) |
| --output, -o FORMAT | json or markdown (default: markdown) |
Requirements
codexCLI installed and authenticatedLINEAR_API_KEY- (optional) Linear API key for Linear issuesSENTRY_AUTH_TOKEN- (optional) Sentry auth tokenSENTRY_ORG- (optional) Sentry org slug
Output
The script displays gathered context to stderr, then launches codex review interactively. Codex outputs its review directly to the terminal.
Examples
# Default: review uncommitted changes (or prompt if none)
./scripts/review.py codex
# Explicitly review uncommitted changes
./scripts/review.py codex --uncommitted
# Review changes against specific branch
./scripts/review.py codex --base main
# Review with GitHub issue context
./scripts/review.py codex --issues "#123"
# Review with plan file
./scripts/review.py codex --plan ./plan.md
# Gather context as JSON (without running review)
./scripts/review.py context --issues "#123" --output json
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/exhaustive-ai-powered-code-review-mm78nn1f/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/exhaustive-ai-powered-code-review-mm78nn1f' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/exhaustive-ai-powered-code-review-mm78nn1f/download' --output '.skill-downloads/exhaustive-ai-powered-code-review-mm78nn1f/SKILL.md.part' && mv '.skill-downloads/exhaustive-ai-powered-code-review-mm78nn1f/SKILL.md.part' '.skill-downloads/exhaustive-ai-powered-code-review-mm78nn1f/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Outils déclarés par l’auteur (à vérifier dans votre agent) : Bash, Read, Glob, Grep
Extrait original : Requirements
codexCLI installed and authenticatedLINEAR_API_KEY- (optional) Linear API key for Linear issuesSENTRY_AUTH_TOKEN- (optional) Sentry auth tokenSENTRY_ORG- (optional) Sentry org slug
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.
Claude Code
test -f '.skill-downloads/exhaustive-ai-powered-code-review-mm78nn1f/SKILL.md' && test -s '.skill-downloads/exhaustive-ai-powered-code-review-mm78nn1f/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/review' && cp -R '.skill-downloads/exhaustive-ai-powered-code-review-mm78nn1f' '.claude/skills/review'OpenSkills
OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.
Installation officielle d’OpenSkillsopenskills install './.skill-downloads/exhaustive-ai-powered-code-review-mm78nn1f'openskills read 'exhaustive-ai-powered-code-review-mm78nn1f'La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.
Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.
openskills syncMode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/exhaustive-ai-powered-code-review-mm78nn1f/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Comparaison de performances ClickHouse
Testing
Évaluez les résultats de tests de performance ClickHouse, analysez les régressions de PR, comparez avec l'historique et vérifiez la fiabilité des mesures.
Analyse des rapports de performance CI
Testing
Analyse les rapports de comparaison de performance CI pour une PR ClickHouse. Recoupe l'historique master pour distinguer les vraies régressions des tests instables.
Méthode Santa
Testing
Vérification adversarial multi-agents avec deux réviseurs indépendants. La sortie est vérifiée deux fois et corrigée itérativement jusqu'à ce que les deux acceptent avant publication.