Revue de code parallèle par agents

VérifiéPrudence

Lance des revues de code parallèles par agents externes (Codex, Gemini), vérifie les suggestions et renvoie des améliorations filtrées.

Spar Skills Guide Bot
DeveloppementAvancé
08/09/2026
Claude Code
#code-review#multi-agent#quality-assurance#llm-debate#codex

Recommandé pour

Synthèse automatique

Lance en parallèle des revues de code par des agents externes (Codex et Gemini), vérifie critiquement chaque suggestion en dialoguant avec l'agent, puis renvoie des améliorations filtrées et dédupliquées.

Points forts

  • Exécution parallèle des deux agents avec traitement des résultats dès leur arrivée, sans attendre le plus lent
  • Vérification critique et débat contradictoire avec l'agent pour écarter les suggestions non fondées
  • Suggestions agrégées avec score de confiance, impact en pourcentage et aire d'amélioration identifiée
  • Prend en charge les fournisseurs de tâches Linear et fichier pour résoudre la story et les tâches terminées

Limites

  • Conçu comme worker du pipeline ln-510 et suppose que les phases de qualité de code et de dette technique sont déjà passées
  • Dépend de nombreux fichiers de référence partagés (shared/references, templates de prompt) qui doivent être présents à la racine du dépôt de skills
  • Nécessite des agents Codex et Gemini installés et opérationnels, avec un health check préalable
Quand l'utiliser

À utiliser lorsqu'une story a toutes ses tâches d'implémentation terminées et que l'on veut un second avis indépendant de plusieurs agents externes avant de clôturer.

Quand l'éviter

À éviter pour une revue rapide d'un seul fichier, ou si les agents Codex et Gemini ne sont pas configurés dans l'environnement.

Analyse de sécurité

Prudence
Score qualité82/100

The skill coordinates external AI agent reviews on code, which involves transmitting potentially sensitive code to third-party services. It does not contain destructive or obfuscated instructions, but the external delegation and lack of data handling safeguards warrant caution.

Points d'attention
  • •Instructs sending code changes to external AI services (Codex, Gemini) for review, which may exfiltrate proprietary source code to third parties without explicit user consent or data handling controls.
  • •Delegates to external agents that may execute code or run commands, increasing supply-chain risk.
Comment cette analyse est faite

Exemples

Review a story via Linear
Run ln-513-agent-reviewer on story ABC-123 and return the verified suggestions from Codex and Gemini.
Review from feature branch
The current branch is feature/482-checkout-flow — run the agent reviewer on it and give me the filtered verdict.
List pending review stories
Use the agent reviewer to find stories in In Progress or To Review and start a parallel Codex + Gemini review.

name: ln-513-agent-reviewer description: "Runs parallel external agent reviews (Codex + Gemini) on code changes. Process-as-arrive, critical verification with debate. Returns filtered suggestions." license: MIT

Paths: File paths (shared/, references/, ../ln-*) are relative to skills repo root. If not found at CWD, locate this SKILL.md directory and go up one level for repo root.

Agent Reviewer (Code)

Runs parallel external agent reviews on code implementation, critically verifies suggestions, returns filtered improvements.

Purpose & Scope

  • Worker in ln-510 quality coordinator pipeline (invoked by ln-510 Phase 4)
  • Run codex-review + gemini-review as background tasks in parallel
  • Process results as they arrive (first-finished agent processed immediately)
  • Critically verify each suggestion; debate with agent if Claude disagrees
  • Return filtered, deduplicated, verified suggestions with confidence scoring
  • Health check + prompt execution in single invocation

When to Use

  • Invoked by ln-510-quality-coordinator Phase 4 (Agent Review)
  • All implementation tasks in Story status = Done
  • Code quality (ln-511) and tech debt cleanup (ln-512) already completed

Parameters

| Parameter | Value | |-----------|-------| | review_type | codereview | | skill_group | 513 | | prompt_template | shared/agents/prompt_templates/code_review.md | | verdict_acceptable | CODE_ACCEPTABLE |

Inputs

| Input | Required | Source | Description | |-------|----------|--------|-------------| | storyId | Yes | args, git branch, kanban, user | Story to process |

Resolution: Story Resolution Chain. Status filter: In Progress, To Review

Workflow

MANDATORY READ: Load shared/references/input_resolution_pattern.md, shared/references/tools_config_guide.md, shared/references/storage_mode_detection.md, shared/references/agent_review_workflow.md, and shared/references/agent_delegation_pattern.md.

Phase 0: Resolve Inputs & Tools Config

  1. Resolve storyId (per input_resolution_pattern.md):

    • IF args provided → use args
    • ELSE IF git branch matches feature/{id}-* → extract id
    • ELSE IF kanban has exactly 1 Story in [In Progress, To Review] → suggest
    • ELSE → AskUserQuestion: show Stories from kanban filtered by [In Progress, To Review]
  2. Extract: task_provider from docs/tools_config.md (per tools_config_guide.md).

Unique Steps (before shared workflow)

  1. Health check: per shared workflow, filter by skill_group = 513.

  2. Get references:

    • IF task_provider = linear: get_issue(storyId) → extract URL + identifier. list_issues(filter: {parent: {id: storyId}, status: "Done"}) → extract Done implementation Task URLs/identifiers (exclude label "tests").
    • IF task_provider = file: Read story.md → extract path. Glob("docs/tasks/epics/*/stories/*/tasks/*.md") → filter Done tasks (check **Status:** Done), exclude label "tests".
  3. Ensure .agent-review/: per shared workflow.

  4. Build prompt: Read template shared/agents/prompt_templates/code_review.md.

    • Replace {story_ref} with - Linear: {url} or - File: {path}
    • Replace {task_refs} with bullet list: - {identifier}: {url_or_path} per task
    • Save to .agent-review/{identifier}_codereview_prompt.md (single shared file -- both agents read the same prompt)

Shared Workflow Steps

5-8) Load Review Memory, Run agents, Critical Verification + Debate, Aggregate + Return: per shared workflow.

  • {review_type} = "Code Implementation" (for challenge template)
  1. Save Review Summary: per shared workflow "Step: Save Review Summary".

Output Format

verdict: CODE_ACCEPTABLE | SUGGESTIONS | SKIPPED
suggestions:
  - area: "security | performance | architecture | correctness | best_practices"
    issue: "What is wrong"
    suggestion: "Specific fix"
    confidence: 95
    impact_percent: 15
    source: "codex-review"
    resolution: "accepted | accepted_after_debate | accepted_after_followup | rejected"

Agent stats and debate log per shared workflow output schema.

Fallback Rules

Per shared workflow, plus:

| Condition | Action | |-----------|--------| | Parent skill (ln-510) | Falls back to Self-Review (native Claude) |

Verdict Escalation

  • Findings with area=security or area=correctness -> parent skill can escalate PASS -> CONCERNS
  • This skill returns raw verified suggestions; escalation decision is made by ln-510

Critical Rules (additional)

  • MANDATORY INVOCATION: Parent skills MUST invoke this skill. Returns SKIPPED gracefully if agents unavailable. Parent must NOT pre-check and skip.

Reference Files

  • Tools config: shared/references/tools_config_guide.md
  • Storage mode operations: shared/references/storage_mode_detection.md
  • Shared workflow: shared/references/agent_review_workflow.md
  • Agent delegation pattern: shared/references/agent_delegation_pattern.md
  • Prompt template (review): shared/agents/prompt_templates/code_review.md
  • Challenge schema: shared/agents/schemas/challenge_review_schema.json

Version: 2.0.0 Last Updated: 2026-02-11

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 annexes

Ce 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.md

Depuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/parallel-agent-code-review-mts7ikh6/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/parallel-agent-code-review-mts7ikh6' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/parallel-agent-code-review-mts7ikh6/download' --output '.skill-downloads/parallel-agent-code-review-mts7ikh6/SKILL.md.part' && mv '.skill-downloads/parallel-agent-code-review-mts7ikh6/SKILL.md.part' '.skill-downloads/parallel-agent-code-review-mts7ikh6/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.

Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.

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/parallel-agent-code-review-mts7ikh6/SKILL.md' && test -s '.skill-downloads/parallel-agent-code-review-mts7ikh6/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/ln-513-agent-reviewer' && cp -R '.skill-downloads/parallel-agent-code-review-mts7ikh6' '.claude/skills/ln-513-agent-reviewer'

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’OpenSkills
openskills install './.skill-downloads/parallel-agent-code-review-mts7ikh6'

openskills read 'parallel-agent-code-review-mts7ikh6'

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 sync

Mode 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/parallel-agent-code-review-mts7ikh6/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.

Skills similaires