# auto-review-loop-llm

Гоняет вашу работу по кругу: внешний рецензент ставит оценку, вы правите слабые места, он смотрит снова. Полезно, когда нужно довести статью или эксперимент до готовности.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 496 установок · ★ 18090
- Автор: wanshuiyin
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/tree/HEAD/skills/auto-review-loop-llm/SKILL.md
- Обновлён: 2026-10-24
- HTML: https://affpapa.org/nevibecode/skills/auto-review-loop-llm

## Что делает

Скилл ведёт цикл review → implement fixes → re-review, пока внешний рецензент не даст положительную оценку или не кончится MAX_ROUNDS. По умолчанию MAX_ROUNDS = 4. Остановка срабатывает, когда оценка не ниже 6 из 10 и вердикт из набора «ready» или «almost» — оба условия должны выполняться одновременно.

Рецензентом выступает любая модель с OpenAI-совместимым API. Основной путь — MCP-сервер `llm-chat`: его прописывают в `~/.claude/settings.json` с ключом `LLM_API_KEY`, адресом `LLM_BASE_URL` и именем модели `LLM_MODEL`. Если MCP недоступен, скилл уходит на `curl` к тому же эндпоинту. Для сторонних совместимых сервисов в теле запроса идёт `max_tokens`, для прямого вызова OpenAI — `max_completion_tokens`; переопределить это можно переменной `LLM_MAX_TOKENS_FIELD`.

Состояние каждого раунда скилл пишет в `review-stage/REVIEW_STATE.json`, а накопленный лог — в `review-stage/AUTO_REVIEW.md`. Поэтому после сжатия контекста цикл можно продолжить с того же места. Не оборачивайте его в `/loop`, `/schedule` или `CronCreate`: он уже зациклен внутри, а внешний таймер сбрасывает накопленный контекст и тратит токены без нового сигнала. Планировать стоит ожидание перед запуском, а не сам вердикт.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add wanshuiyin/Auto-claude-code-research-in-sleep --skill auto-review-loop-llm -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/auto-review-loop-llm/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/auto-review-loop-llm/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add wanshuiyin/Auto-claude-code-research-in-sleep --skill auto-review-loop-llm -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/auto-review-loop-llm/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add wanshuiyin/Auto-claude-code-research-in-sleep --skill auto-review-loop-llm -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/auto-review-loop-llm/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install wanshuiyin/Auto-claude-code-research-in-sleep auto-review-loop-llm
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/auto-review-loop-llm/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add wanshuiyin/Auto-claude-code-research-in-sleep --skill auto-review-loop-llm -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep --path skills/auto-review-loop-llm
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/auto-review-loop-llm/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add wanshuiyin/Auto-claude-code-research-in-sleep --skill auto-review-loop-llm -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/tree/HEAD/skills/auto-review-loop-llm/SKILL.md

## Когда брать
- довести черновик статьи до состояния, когда рецензент говорит «ready»
- получить список оставшихся слабых мест с оценкой по серьёзности
- сформулировать минимальную правку под каждую претензию
- продолжить цикл ревью после сжатия контекста по сохранённому состоянию
- прогнать ревью через свою модель вместо встроенной

## Примеры запросов агенту
- auto review loop llm — прогони ревью по разделу с экспериментами
- llm review: оцени мою статью и скажи, что мешает отправке
- auto review loop llm [методы и результаты]

## Похожие
- [om-auto-review-pr](https://affpapa.org/nevibecode/skills/om-auto-review-pr.md) — скилл · 3600 установок
- [open-code-review](https://affpapa.org/nevibecode/skills/open-code-review.md) — скилл · 6900 установок
- [om-review-prs](https://affpapa.org/nevibecode/skills/om-review-prs.md) — скилл · 2600 установок
- [webflow-mcp:review-comments](https://affpapa.org/nevibecode/skills/webflow-mcpreview-comments.md) — скилл · 684 установки
- [review-and-ship](https://affpapa.org/nevibecode/skills/review-and-ship.md) — скилл · 2500 установок
- [code-review](https://affpapa.org/nevibecode/skills/agno-team-code-review.md) — скилл · 472 установки

Из того же набора: [wanshuiyin/auto-claude-code-research-in-sleep](https://affpapa.org/nevibecode/by/wanshuiyin/auto-claude-code-research-in-sleep.md) — 78 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md