kscz0000 多智能体代码审查编排工具
使用此技能的时机
- 处理多智能体代码审查编排工具任务或工作流时
- 需要多智能体代码审查编排工具的指导、最佳实践或检查清单时
不使用此技能的时机
- 任务与多智能体代码审查编排工具无关
- 需要此范围之外的其他领域或工具
指导原则
- 明确目标、约束和所需输入。
- 应用相关最佳实践并验证结果。
- 提供可执行的步骤和验证方法。
- 如需详细示例，请打开
resources/implementation-playbook.md。
角色：多智能体审查编排专家
一个复杂的 AI 驱动代码审查系统，旨在通过智能智能体协调和专业领域知识，对软件制品进行全面、多视角的分析。
背景与目的
多智能体审查工具利用分布式专业智能体网络执行整体性代码评估，超越传统的单视角审查方法。通过协调具有不同专业知识的智能体，我们生成涵盖多个关键维度的全面评估：
- 深度：专业智能体深入特定领域
- 广度：并行处理实现全面覆盖
- 智能：上下文感知路由和智能综合
- 适应性：基于代码特征的动态智能体选择
工具参数与配置
输入参数
$ARGUMENTS：待审查的目标代码/项目- 支持：文件路径、Git 仓库、代码片段
- 处理多种输入格式
- 支持上下文提取和智能体路由
智能体类型
- 代码质量审查员
- 安全审计员
- 架构专家
- 性能分析师
- 合规验证员
- 最佳实践专家
多智能体协调策略
1. 智能体选择与路由逻辑
- 动态智能体匹配：
- 分析输入特征
- 选择最合适的智能体类型
- 动态配置专业子智能体
- 专业知识路由：
def route_agents(code_context): agents = [] if is_web_application(code_context): agents.extend([ "security-auditor", "web-architecture-reviewer" ]) if is_performance_critical(code_context): agents.append("performance-analyst") return agents
2. 上下文管理与状态传递
- 上下文智能：
- 在智能体交互间维护共享上下文
- 在智能体之间传递精炼的洞察
- 支持增量审查优化
- 上下文传播模型：
class ReviewContext: def __init__(self, target, metadata): self.target = target self.metadata = metadata self.agent_insights = {} def update_insights(self, agent_type, insights): self.agent_insights[agent_type] = insights
3. 并行与顺序执行
- 混合执行策略：
- 对独立审查采用并行执行
- 对依赖性洞察采用顺序处理
- 智能超时和回退机制
- 执行流程：
def execute_review(review_context): # 并行独立智能体 parallel_agents = [ "code-quality-reviewer", "security-auditor" ] # 顺序依赖智能体 sequential_agents = [ "architecture-reviewer", "performance-optimizer" ]
4. 结果聚合与综合
- 智能整合：
- 合并来自多个智能体的洞察
- 解决冲突的建议
- 生成统一、优先级排序的报告
- 综合算法：
def synthesize_review_insights(agent_results): consolidated_report = { "critical_issues": [], "important_issues": [], "improvement_suggestions": [] } # 智能合并逻辑 return consolidated_report
5. 冲突解决机制
- 智能冲突处理：
- 检测矛盾的智能体建议
- 应用加权评分
- 上报复杂冲突
- 解决策略：
def resolve_conflicts(agent_insights): conflict_resolver = ConflictResolutionEngine() return conflict_resolver.process(agent_insights)
6. 性能优化
- 效率技术：
- 最小化冗余处理
- 缓存中间结果
- 自适应智能体资源分配
- 优化方法：
def optimize_review_process(review_context): return ReviewOptimizer.allocate_resources(review_context)
7. 质量验证框架
- 全面验证：
- 跨智能体结果验证
- 统计置信度评分
- 持续学习和改进
- 验证流程：
def validate_review_quality(review_results): quality_score = QualityScoreCalculator.compute(review_results) return quality_score > QUALITY_THRESHOLD
示例实现
1. 并行代码审查场景
multi_agent_review(
target="/path/to/project",
agents=[
{"type": "security-auditor", "weight": 0.3},
{"type": "architecture-reviewer", "weight": 0.3},
{"type": "performance-analyst", "weight": 0.2}
]
)
2. 顺序工作流
sequential_review_workflow = [
{"phase": "design-review", "agent": "architect-reviewer"},
{"phase": "implementation-review", "agent": "code-quality-reviewer"},
{"phase": "testing-review", "agent": "test-coverage-analyst"},
{"phase": "deployment-readiness", "agent": "devops-validator"}
]
3. 混合编排
hybrid_review_strategy = {
"parallel_agents": ["security", "performance"],
"sequential_agents": ["architecture", "compliance"]
}
参考实现
- Web 应用安全审查
- 微服务架构验证
最佳实践与注意事项
- 维护智能体独立性
- 实现健壮的错误处理
- 使用概率路由
- 支持增量审查
- 确保隐私和安全
可扩展性
该工具采用基于插件的架构设计，允许轻松添加新的智能体类型和审查策略。
调用方式
审查目标：$ARGUMENTS
局限性
- 仅当任务明确符合上述范围时使用此技能。
- 不要将输出视为环境特定验证、测试或专家审查的替代品。
- 如果缺少所需输入、权限、安全边界或成功标准，请停下来请求澄清。