К основному содержанию
скилл CX Codex

review-skill-improver — скилл для Claude Code: анализ отзывов

Скилл review-skill-improver для Claude Code анализирует журнал отзывов о код-ревью и предлагает правки к скиллам. Выявляет повторяющиеся причины отказов по оценкам ACCEPT и REJECT.

Apache-2.0 125 установок ★ 89 обновлён 2026-09-15

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add existential-birds/beagle --skill review-skill-improver -a claude-code
Открыть на GitHub

Что делает review-skill-improver

Скилл группирует записи по rule_source, считает ACCEPT и REJECT, вычисляет долю отклонений и собирает причины отказов. Порог для проверки правила — больше 30% отклонений; отдельно выделяются правила с долей ниже 10%, которые стоит сохранить. Для рекомендаций нужны ссылки на конкретные строки журнала или места в файлах с короткими цитатами.

Перед отчётом скилл проверяет путь к журналу и соответствие записей расширенной схеме. Некорректные строки нужно посчитать и перечислить по индексам, а агрегаты по всем разобранным записям подготовить до выводов о проблемных правилах. Нужен журнал в формате схемы review-feedback-schema; без него эти проверки пройти нельзя. Результат оформляется как отчёт с таблицей правил и списком предлагаемых изменений.

Какие задачи решает

  • найти правила ревью с высокой долей отклонений
  • сгруппировать причины ложных срабатываний
  • заметить проблемы, которые правила пропускают
  • подготовить обоснованные правки к скиллу ревью

Примеры запросов агенту

  • Проанализируй журнал отзывов в feedback.csv и составь отчёт об улучшении скиллов ревью.
  • Сгруппируй отклонения по rule_source и предложи правки с указанием строк-доказательств.
  • Сохрани отчёт по журналу отзывов в improvement-report.md.

Как установить review-skill-improver

1Через Skills CLI (Vercel)

npx skills add existential-birds/beagle --skill review-skill-improver -a claude-code

2Вручную: положить файлы

~/.claude/skills/review-skill-improver/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/review-skill-improver/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о review-skill-improver

Как установить review-skill-improver в Claude Code?

Выполните npx skills add existential-birds/beagle --skill review-skill-improver -a claude-code. Файл скилла будет доступен по пути ~/.claude/skills/review-skill-improver/SKILL.md.

Что делает review-skill-improver?

Он анализирует отзывы о результатах код-ревью, находит правила с частыми отклонениями и формирует предложения по их изменению. Каждая рекомендация должна опираться на конкретные записи или строки файлов.

Какой журнал нужен для работы скилла?

Нужен журнал отзывов в расширенной схеме review-feedback-schema, включая поля вроде rule_source, verdict и rationale. Скилл также проверяет, откуда загружен журнал, и учитывает некорректные строки.

Исходный текст

SKILL.md · Apache-2.0
---
name: review-skill-improver
description: Analyzes feedback logs to identify patterns and suggest improvements to review skills. Use when you have accumulated feedback data and want to improve review accuracy.
user-invocable: false
---

# Review Skill Improver

## Purpose

Analyzes structured feedback logs to:
1. Identify rules that produce false positives (high REJECT rate)
2. Identify missing rules (issues that should have been caught)
3. Suggest specific skill modifications

## Input

Feedback log in enhanced schema format (see the [review-feedback-schema](../review-feedback-schema/SKILL.md) skill).

## Hard gates

Run in order; do not emit the final **Review Skill Improvement Report** until each gate passes.

1. **Input on record** — The log is loaded from a stated path in the repo or from an attached artifact, not from memory or paraphrase. **Pass:** the report header or Summary names that path or states “attached feedback blob” with byte/line count.
2. **Schema / shape** — Entries match the enhanced schema (`rule_source`, `verdict`, `rationale`, etc. per the [review-feedback-schema](../review-feedback-schema/SKILL.md) skill). **Pass:** either all rows parse, or skipped malformed rows are counted and listed by row index (not silently dropped).
3. **Aggregation before thresholds** — Complete Step 1 (per–`rule_source` totals, ACCEPT vs REJECT, rejection rate, rejection rationales) for the full parsed set before labeling any rule “high-rejection” or writing recommendations. **Pass:** Summary includes “Unique rules triggered” consistent with the aggregation table.
4. **Evidence-bound recommendations** — Every recommendation includes at least one concrete evidence pointer (log row(s), or file:line + short quote) before **Proposed Fix**. **Pass:** **Evidence** is non-empty for each recommendation.

## Analysis Process

### Step 1: Aggregate by Rule Source

```
For each unique rule_source:
  - Count total issues flagged
  - Count ACCEPT vs REJECT
  - Calculate rejection rate
  - Extract rejection rationales
```

### Step 2: Identify High-Rejection Rules

Rules with >30% rejection rate warrant investigation:
- Read the rejection rationales
- Identify common themes
- Determine if rule needs refinement or exception

### Step 3: Pattern Analysis

Group rejections by rationale theme:
- "Linter already handles this" -> Add linter verification step
- "Framework supports this pattern" -> Add exception to skill
- "Intentional design decision" -> Add codebase context check
- "Wrong code path assumed" -> Add code tracing step

### Step 4: Generate Improvement Recommendations

For each identified issue, produce:

```markdown
## Recommendation: [SHORT_TITLE]

**Affected Skill:** `skill-name/SKILL.md` or `skill-name/references/file.md`

**Problem:** [What's causing false positives]

**Evidence:**
- [X] rejections with rationale "[common theme]"
- Example: [file:line] - [issue] - [rationale]

**Proposed Fix:**
```markdown
[Exact text to add/modify in the skill]
```

**Expected Impact:** Reduce false positive rate for [rule] from X% to Y%
```

## Output Format

```markdown
# Review Skill Improvement Report

## Summary
- Feedback entries analyzed: [N]
- Unique rules triggered: [N]
- High-rejection rules identified: [N]
- Recommendations generated: [N]

## High-Rejection Rules

| Rule Source | Total | Rejected | Rate | Theme |
|-------------|-------|----------|------|-------|
| ... | ... | ... | ... | ... |

## Recommendations

[Numbered list of recommendations in format above]

## Rules Performing Well

[Rules with <10% rejection rate - preserve these]
```

## Usage

Invoke the **review-skill-improver** skill to analyze feedback and generate an improvement report, optionally passing an output path:

```
review-skill-improver --output improvement-report.md
```

## Example Analysis

Given this feedback data:

```csv
rule_source,verdict,rationale
python-code-review:line-length,REJECT,ruff check passes
python-code-review:line-length,REJECT,no E501 violation
python-code-review:line-length,REJECT,linter config allows 120
python-code-review:line-length,ACCEPT,fixed long line
pydantic-ai-common-pitfalls:tool-decorator,REJECT,docs support raw functions
python-code-review:type-safety,ACCEPT,added type annotation
python-code-review:type-safety,ACCEPT,fixed Any usage
```

Analysis output:

```markdown
# Review Skill Improvement Report

## Summary
- Feedback entries analyzed: 7
- Unique rules triggered: 3
- High-rejection rules identified: 2
- Recommendations generated: 2

## High-Rejection Rules

| Rule Source | Total | Rejected | Rate | Theme |
|-------------|-------|----------|------|-------|
| python-code-review:line-length | 4 | 3 | 75% | linter handles this |
| pydantic-ai-common-pitfalls:tool-decorator | 1 | 1 | 100% | framework supports pattern |

## Recommendations

### 1. Add Linter Verification for Line Length

**Affected Skill:** `commands/review-python.md`

**Problem:** Flagging line length issues that linters confirm don't exist

**Evidence:**
- 3 rejections with rationale "linter passes/handles this"
- Example: amelia/drivers/api/openai.py:102 - Line too long - ruff check passes

**Proposed Fix:**
Add step to run `ruff check` before manual review. If linter passes for line length, do not flag manually.

**Expected Impact:** Reduce false positive rate for line-length from 75% to <10%

### 2. Add Raw Function Tool Registration Exception

**Affected Skill:** `skills/pydantic-ai-common-pitfalls/SKILL.md`

**Problem:** Flagging valid pydantic-ai pattern as error

**Evidence:**
- 1 rejection with rationale "docs support raw functions"

**Proposed Fix:**
Add "Valid Patterns" section documenting that passing functions with RunContext to Agent(tools=[...]) is valid.

**Expected Impact:** Eliminate false positives for this pattern

## Rules Performing Well

| Rule Source | Total | Accepted | Rate |
|-------------|-------|----------|------|
| python-code-review:type-safety | 2 | 2 | 100% |
```

## Future: Automated Skill Updates

Once confidence is high, this skill can:
1. Generate PRs to beagle with skill improvements
2. Track improvement impact over time
3. A/B test rule variations

## Feedback Loop

```
Review Code -> Log Outcomes -> Analyze Patterns -> Improve Skills -> Better Reviews
     ^                                                                    |
     +--------------------------------------------------------------------+
```

This creates a continuous improvement cycle where review quality improves based on empirical data rather than guesswork.

© existential-birds · Apache-2.0 · existential-birds/beagle

Похожие скиллы

Все скиллы по теме «Код-ревью и рефакторинг» →
claude-md-improver официальный Anthropic Скилл claude-md-improver для Claude Code проверяет CLAUDE.md в репозитории, составляет отчёт и предлагает точечные правки. Помогает поддерживать проектный контекст Claude Code. CX Codex +1 12 558установок skill-improver trailofbits Скилл skill-improver запускает цикл проверки и исправления другого скилла до чистого ревью. Для работы нужен плагин plugin-dev с агентом skill-reviewer. CX Codex +1 5 600установок pr-improver trailofbits Скилл pr-improver запускает повторную проверку изменений ветки и исправление найденных проблем. Он пригодится перед открытием или обновлением pull request. CX Codex +1 1 600установок prompt-improver dotneet Скилл prompt-improver для Claude Code и Codex разбирает пользовательские промпты, выявляет пробелы и предлагает улучшенную версию. Анализирует промпты с неясными требованиями и критериями проверки. CX Codex +1 519установок agents-md-improver waybarrios Скилл agents-md-improver проверяет и улучшает файлы правил проекта, чтобы агент сохранял актуальный контекст. Подходит для ревизии AGENTS.md и CLAUDE.md. CX Codex +1 145установок test-coverage-improver OneWave-AI Скилл test-coverage-improver находит пробелы в покрытии тестами и генерирует недостающие тесты для критичных участков кода. CX Codex +1 312установок

Из того же набора68

Весь набор →
deepagents-code-review Скилл deepagents-code-review проверяет код на create_deep_agent: ловит забытый checkpointer, относительные пути и бэкенды без хранилища. CX Codex +1 134установок healthkit-code-review Скилл healthkit-code-review для Claude Code разбирает код с HealthKit по шагам: авторизацию, запросы, observer-запросы и фоновую доставку. Проверяет работу приложения с данными о здоровье. CX Codex +1 134установок cloudkit-code-review Скилл cloudkit-code-review проверяет Swift-код на ошибки работы с CloudKit: зоны, батчи, обработку CKErrorPartialFailure и лимиты CKAsset. CX Codex +1 127установок prometheus-go-code-review Скилл prometheus-go-code-review для Claude Code проверяет Prometheus-метрики в Go: типы, лейблы, имена и регистрацию. Ревьюирует код с prometheus/client_golang. CX Codex +1 126установок elixir-code-review Скилл elixir-code-review проверяет код на Elixir по правилам OTP, безопасности и стиля. Помогает при разборе файлов .ex и .exs. CX Codex +1 124установок app-intents-code-review Скилл app-intents-code-review проводит ревью кода Swift с фреймворком App Intents, проверяя таймауты, локализацию фраз и совместимость версий iOS. CX Codex +1 124установок review-feedback-schema Скилл review-feedback-schema для Claude Code задаёт CSV-схему результатов код-ревью и помогает оценивать качество проверок. Ведёт журнал решений по найденным проблемам. CX Codex +1 124установок combine-code-review Скилл combine-code-review проверяет код на Combine на ошибки в подписках, операторах, управлении памятью и обработке ошибок. Пригодится перед ревью Swift-кода с Combine. CX Codex +1 123установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой