Code Review and Quality（代码/方案审查与质量）#

Overview#

多维度质量审查，带质量门控。每个变更在合并前都要审查 — 没有例外。

审查覆盖五个轴： 正确性、可读性、架构、安全、性能。

批准标准： 当变更明确改善了整体质量时就批准，即使不完美。完美代码不存在 — 目标是持续改进。不要因为变更不完全是你会写的方式就阻塞。如果它改善了代码库并遵循了项目约定，批准它。

When to Use#

• 合并任何 PR 或变更之前
• 完成功能实现之后
• 评估其他 Agent 或模型产出的代码/方案时
• 重构现有代码之后
• 任何 bug 修复之后（审查修复和回归测试）
• 重要技术方案/文档提交之前

The Five-Axis Review（五轴审查）#

1. Correctness（正确性）#

代码/方案是否做了它声称要做的事？

• 是否匹配规格或任务要求？
• 边界情况是否处理（null、空值、边界值）？
• 错误路径是否处理（不只是 happy path）？
• 是否通过所有测试？测试是否真的在测正确的东西？
• 是否有 off-by-one 错误、竞态条件、状态不一致？
• 数据流是否正确？输入→处理→输出链条完整？

2. Readability & Simplicity（可读性与简洁性）#

另一个工程师（或Agent）能否在不靠作者解释的情况下理解？

• 命名是否描述性且与项目约定一致？（禁止无上下文的 temp、 data、 result）
• 控制流是否直接？（避免嵌套三元运算、深层回调）
• 代码组织是否逻辑清晰？（相关代码分组、清晰的模块边界）
• 是否有应该简化的"聪明"技巧？
• 能否用更少行数完成？ （1000行解决100行就能解决的问题是失败）
• 抽象是否赚回了它的复杂度？ （第三个用例出现前不要泛化）
• 是否有死代码残留：无用变量、向后兼容垫片、 // removed 注释？

3. Architecture（架构）#

变更是否适合系统的设计？

• 是否遵循现有模式？如果引入新模式，是否有理由？
• 是否维护了清晰的模块边界？
• 是否有应该共享的代码重复？
• 依赖方向是否正确？（无循环依赖）
• 抽象级别是否适当？（不过度工程化，不过于耦合）

4. Security（安全）— 含 SkillSpector 增强#

4a. 代码安全（传统检查项）：

• 用户输入是否经过验证和清理？
• 密钥是否远离代码、日志和版本控制？
• 认证/授权是否在需要的地方检查？
• SQL 查询是否参数化？（禁止字符串拼接）
• 输出是否编码以防止 XSS？
• 依赖是否来自可信来源且无已知漏洞？
• 外部数据源（API、日志、用户内容）是否被视为不可信？

4b. Agent Skill 供应链安全（v1.1.0 新增，源自 NVIDIA SkillSpector 16 类漏洞模式）：

背景：42,447 个公开技能中 26.1% 含漏洞、5.2% 含恶意意图（Liu et al., 2026）

检查维度关键风险快速验证提示注入(5种)指令覆盖、隐藏指令、有害内容检查 markdown 注释/隐藏 HTML/零宽字符数据外泄(4种)发送 env vars/文件到外部服务器grep fetch/ http/ curl + 检查目标URL特权升级(3种)sudo/root/cron 持久化grep sudo/ chmod 777/ cron/ systemctl供应链(6种)未锁定依赖、 curl|bash、混淆代码检查 unpinned deps / Base64 / eval()过度代理(4种)不受限工具访问、自主高影响决策审查工具白名单是否有 * 通配符系统提示泄漏(3种)直接/间接提取系统指令检查输出是否可能包含内部 prompt记忆投毒(3种)持久上下文注入、窗口填充检查是否写入 MEMORY/references 无验证MCP 权限(4种)声明权限 > 实际使用（或反之）对比 manifest vs 实际工具调用MCP 工具投毒(4种)Unicode 同形字、隐藏 HTML 注释检查工具描述的不可见字符流氓代理(2种)自我修改、未授权持久化检查自修改代码 + cron/startup

4c. CI/CD 管线安全（v1.2.0 新增，源自 OpenAI Axios 供应链攻击事件 2026-03）：

背景：攻击者入侵 Axios 维护者账号，注入恶意代码到 v1.14.1，通过 GitHub Actions 泄露 OpenAI 签名证书

• GitHub Actions 工作流是否 pin 到完整 SHA（而非 @v1/ @main）？
• 第三方 actions 是否限制在可信组织（ actions/*、 github/*、 docker/*）？
• CI 环境变量中的签名证书/密钥是否避免打印到日志？
• 构建产物是否有完整性校验（checksum/signature verification）？
• 是否监控关键依赖的维护者变更（ npm owner/ pip maintainer diff）？
• GITHUB_TOKEN/ NPM_TOKEN 权限范围是否最小化（read-only 优先）？

4d. 声明-行为完整性验证 BIV（v1.3.0 新增，源自 Palo Alto Unit 42 "Trust No Skill" 研究 2026-06）：

背景：对 49,916 个公开技能的审计发现 80%（39,933 个）存在声明与行为偏差，137 个偏差分类，4 种复合威胁模式

核心方法：三面对比审计（Metadata vs Executable vs Natural-language）

• SKILL.md 声明 vs 代码行为：技能描述声称的能力是否与代码实际功能匹配？

  • 描述说"只读操作"但代码包含写入/删除/网络发送？
  • 描述说"本地处理"但代码包含外部 API 调用？

• Manifest 权限 vs 实际调用：YAML manifest 声明的工具权限是否与实际代码调用一致？

  • 声明只需 read_file 但代码调用了 bash/ fetch/ subprocess？

• 复合威胁链检测：单个能力看起来无害，但组合后形成攻击链？

  • FILE_READ → base64 编码 → NETWORK_SEND（数据外泄链）
  • ENV_READ → HTTP_POST → 外部服务器（凭证窃取链）
  • PROMPT_INJECT → MEMORY_WRITE → 持久上下文投毒（记忆投毒链）
  • TOOL_CALL → OUTPUT_EXFIL → SELF_REPLICATE（自我复制链）

BIV 快速命令参考：

bash

# 1. 提取技能声明的能力关键词
grep -i 'description\|capabilities\|features' SKILL.md
# 2. 提取代码实际的能力关键词
grep -rn 'fetch\|http\|exec\|eval\|spawn\|writeFile\|deleteFile\|network' scripts/
# 3. 对比：声明中没有但代码中存在的能力 → 偏差标记
# 4. 复合链：检查是否存在 READ→ENCODE→SEND 模式
grep -rn 'readFile\|readFileSync\|readdir' scripts/ | grep -l 'base64\|btoa\|Buffer.from'

偏差严重度分级：

级别含义示例Benign文档不完善，功能无害描述遗漏了一个次要功能Suspicious偏差需要解释声明"本地处理"但有网络调用（可能是日志）Malicious明确的欺骗行为声明"无网络"但实际发送凭证到外部

5. Performance（性能）#

变更是否引入了性能问题？

• 是否有 N+1 查询模式？
• 是否有无界循环或不受约束的数据获取？
• 是否有应该是异步的同步操作？
• 是否有不必要的 UI 重渲染？
• 是否有列表端点缺少分页？
• 是否有热路径中创建的大对象？

Change Sizing（变化规模控制）#

小的、聚焦的变更更容易审查、更快合并、更安全部署。

text

~100 行变更    → 好。一次审查完成。
~300 行变更    → 可接受，如果是单个逻辑变更。
~1000 行变更   → 太大。拆分。

什么时候算"一个变更"： 一个自包含的修改，解决一件事，包含相关测试，提交后系统保持功能完整。是功能的一部分 — 不是整个功能。

拆分策略：

策略方法适用场景堆叠提交一个小变更，基于它开始下一个顺序依赖按文件组为需要不同审查者的文件组分开变更跨领域关注水平先创建共享代码/stub，再创建消费者分层架构垂直分解为更小的全栈功能切片功能开发

大变更可接受的场景： 完整文件删除和自动化重构（审查者只需验证意图，不需要逐行审查）。

将重构与功能开发分开。 既重构又添加新行为的变更是两个变更 — 分开提交。

Review Process（审查流程）#

Step 1: 理解上下文#

在看代码之前，理解意图：

• 这个变更要完成什么？
• 它实现什么规格或任务？
• 预期行为变更是什么？

Step 2: 先审查测试#

测试揭示意图和覆盖范围：

• 变更有测试吗？
• 测试的是行为（不是实现细节）吗？
• 边界情况覆盖了吗？
• 测试名有描述性吗？
• 如果代码变了，测试能捕获回归吗？

Step 3: 审查实现#

带着五个轴遍历代码：

对每个变更的文件：

1. 正确性：代码是否做了测试说它应该做的？
2. 可读性：不靠帮助能理解吗？
3. 架构：适合系统吗？
4. 安全：有漏洞吗？
5. 性能：有瓶颈吗？

Step 4: 分类发现#

为每个评审意见标记严重级别，让作者知道什么是必须的 vs 可选的：

前缀含义作者行动Critical:阻塞合并安全漏洞、数据丢失、功能破坏Important:需要修复合并前必须处理Nit:次要、可选作者可以忽略 — 格式、风格偏好Optional: / Consider:建议值得考虑但不必须FYI仅供参考不需要行动 — 为未来参考的上下文

这防止作者把所有反馈都当作必须的而在可选建议上浪费时间。

Step 5: 验证验证#

检查作者的验证故事：

• 运行了什么测试？
• 构建通过了吗？
• 手动测试了变更吗？
• UI 变更有截图吗？
• 有 before/after 比较吗？

Step 6: Skill 安装前审计（v1.1.0 新增，v1.3.0 BIV增强）#

安装任何 Agent Skill 前执行此快速审计（≤3分钟）：

Phase A: 静态扫描（原有）

1. 危险函数扫描：检查 scripts/ 目录是否有 exec/ eval/ subprocess/ __import__
2. 网络行为：grep 所有 .js/ .py/ .sh 中的外部URL，标记非已知域名
3. 依赖锁定：检查是否有 unpinned deps（ * 版本）或 curl | bash
4. 隐藏指令：检查 markdown 中是否有 HTML 注释/零宽字符/Base64 编码块
5. 持久化检查：grep cron/ systemctl/ .bashrc/ startup/ schedule

Phase B: BIV 声明-行为完整性验证（v1.3.0 新增） 6. 三面对比：SKILL.md 描述 vs manifest 权限 vs 代码实际行为 → 标记偏差 7. 复合链检测：检查是否存在 READ→ENCODE→SEND / ENV→HTTP / INJECT→MEMORY→PERSIST 模式 8. 偏差评级：每个偏差标记 Benign/Suspicious/Malicious

判定规则：

• 0 Suspicious + 0 Malicious → ✅ 可安装
• 1-2 Suspicious + 0 Malicious → ⚠️ 需作者解释偏差后安装
• 任何 Malicious → ❌ 拒绝安装
• 复合威胁链存在 → ❌ 立即拒绝，不论单步看起来多无害

快速命令参考：

bash

# 危险函数扫描
grep -rn 'exec\|eval\|subprocess\|__import__\|child_process' scripts/
# 外部网络调用
grep -rn 'fetch\|http\|https\|curl\|wget\|axios' scripts/
# 持久化行为
grep -rn 'cron\|systemctl\|bashrc\|startup\|schedule' .
# BIV: 复合威胁链检测
grep -rl 'readFile\|readFileSync\|open(' scripts/ | xargs grep -l 'base64\|btoa\|Buffer.from'
grep -rl 'process.env\|os.environ' scripts/ | xargs grep -l 'fetch\|http\|post\|axios'

Review Output Template（审查输出模板）#

markdown

## Review: [变更标题]

### 上下文
- [ ] 我理解这个变更做什么、为什么

### 正确性
- [ ] 变更匹配规格/任务要求
- [ ] 边界情况已处理
- [ ] 错误路径已处理
- [ ] 测试充分覆盖变更

### 可读性
- [ ] 命名清晰一致
- [ ] 逻辑直接
- [ ] 无不必要的复杂性

### 架构
- [ ] 遵循现有模式
- [ ] 无不必要的耦合或依赖
- [ ] 适当的抽象级别

### 安全
- [ ] 代码中无密钥
- [ ] 边界处输入已验证
- [ ] 无注入漏洞
- [ ] 认证检查就位

### 性能
- [ ] 无 N+1 模式
- [ ] 无无界操作
- [ ] 列表端点有分页

### 验证
- [ ] 测试通过
- [ ] 构建成功
- [ ] 手动验证完成（如适用）

### 发现
| # | 发现 | 级别 | 轴 | 说明 |
|---|------|------|-----|------|
| 1 | ... | Critical/Important/Nit | ... | ... |

### 裁决
- [ ] **Approve** — 可以合并
- [ ] **Request changes** — 问题必须解决

Handling Disagreements（处理分歧）#

当解决审查分歧时，应用此层级：

1. 技术事实和数据 优先于意见和偏好
2. 风格指南 是风格问题的绝对权威
3. 软件设计 必须基于工程原则评估，不是个人偏好
4. 代码库一致性 是可接受的，前提是不降低整体质量

不要接受"我稍后清理。" 经验表明延迟清理很少发生。要求提交前清理。

Honesty in Review（审查中的诚实）#

• 不要橡皮图章。 没有审查证据的"LGTM"对任何人都没帮助。
• 不要弱化真实问题。 "这可能是个小问题"而实际上是将影响生产的 bug 是不诚实的。
• 尽可能量化问题。 "这个 N+1 查询会为列表中的每一项增加约50ms" 比 "这可能很慢" 更好。
• 对有明确问题的方案推回。 谄媚是审查中的失败模式。
• 优雅接受覆盖。 如果作者有完整上下文并不同意，尊重他们的判断。

Common Rationalizations#

借口现实"能用就行了"能用但不可读/不安全/架构错误的代码创造复利债务。"我写的，所以我知道是对的"作者对自己的假设视而不见。每个变更都受益于另一双眼睛。"稍后清理"稍后从不到来。审查是质量门控 — 使用它。"测试通过了所以没问题"测试是必要的但不充分。它们不捕获架构问题、安全问题或可读性问题。"变更太小不需要审查"小变更也可能引入安全漏洞或破坏边界情况。

Red Flags#

• 变更未经审查就合并
• 只检查测试是否通过的审查（忽略其他轴）
• 没有审查证据的"LGTM"
• 安全敏感变更没有安全焦点的审查
• 太大无法认真审查的变更（拆分它们）
• bug 修复 PR 没有回归测试
• 没有严重级别标签的审查意见
• 接受"我稍后修复" — 它从不发生

Verification#

审查完成后：

• 所有 Critical 问题已解决
• 所有 Important 问题已解决或明确延迟（附理由）
• 测试通过
• 构建成功
• 验证故事已记录（变了什么、如何验证的）