Review fixup
Pull review comments left by the snow_dev_ai bot on a GitLab MR, evaluate each finding's validity using project conventions from llmdoc/, and produce a prioritized fix plan grouped by severity. Use when user says 处理 AI review / AI review 评论 / snow_dev_ai 反馈 / fix plan for AI review / 看看 AI review 说了啥.From its SKILL.md
npx -y skills add itMrBoy/glab_skills --skill review-fixupAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
2 things to look at
- no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
- 1 stars1 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.
SKILL.md
8.2 KB, as published. Nobody here has run it
/glab:review-fixup — AI Review 评论解析与修复 Plan
Preconditions
依赖 glab CLI 已安装并完成 git.snowsse.cn 认证。还需要 jq(可与 git for windows 一起装;通常 glab 装好后系统会有)。
执行前先跑:
glab auth status && jq --version
如果 glab 失败:调用 glab:setup 输出教程,终止本 skill。
如果 jq 失败:告诉用户"jq 未安装,请 winget install -e --id jqlang.jq,安装后重试",终止本 skill。
参数
- MR 编号(iid):可选。如果用户没传,自动推导当前分支的 open MR。
主流程
0. 确定 MR 编号(如用户未提供)
0a. 获取当前分支
git rev-parse --abbrev-ref HEAD
- 输出为
HEAD(detached HEAD):提示"当前不在分支上,无法定位 MR,请提供 MR 编号如/glab:review-fixup 10",终止
0b. 查找当前分支的 open MR
glab mr list --source-branch <分支名> --state opened --output json
- 返回空数组
[]:提示"当前分支<分支>没有 open 状态的 MR。请确认分支正确,或手动提供 MR 编号",终止 - 返回非空:取第一条的
iid字段(一个分支通常只有一个 open MR)
输出提示:"自动定位到当前分支 MR !<iid>"
0c. 获取 MR 元信息
无论 MR 编号是用户传入还是自动推导,都获取 MR 详情:
glab mr view <MR> --output json > /tmp/glab-mr-<MR>-info.json
提取 web_url 字段,用于最终报告头部展示。
1. 拉数据
1a. 拿项目路径并 URL 编码
PROJECT_PATH=$(glab repo view --output json | jq -r '.path_with_namespace')
PROJECT_PATH_ENCODED=$(echo -n "$PROJECT_PATH" | jq -sRr @uri)
例:snow_workspace_group/sws-browser-extension → snow_workspace_group%2Fsws-browser-extension
1b. 拉所有 discussions(带行内 position)
glab api "projects/${PROJECT_PATH_ENCODED}/merge_requests/<MR>/discussions" \
--paginate \
> /tmp/glab-mr-<MR>-discussions.json
注意:glab api --paginate 会自动翻页直到拿到全部数据。
1c. 拉 diff
glab mr diff <MR> > /tmp/glab-mr-<MR>-diff.patch
2. 过滤 snow_dev_ai 评论
用 jq 从 discussions 提取 AI 留下的 notes:
jq '
[
.[] |
.notes[] |
select(.author.username == "snow_dev_ai") |
{
discussion_id: .discussion_id,
note_id: .id,
body: .body,
file: (.position.new_path // .position.old_path // null),
new_line: .position.new_line,
old_line: .position.old_line,
resolved: .resolvable and .resolved,
created_at: .created_at
}
]
' /tmp/glab-mr-<MR>-discussions.json > /tmp/glab-mr-<MR>-ai-findings.json
读这个文件,得到 finding 数组。
边界情况
- 数组为空:明确输出 "MR !<iid> 上未发现
snow_dev_ai的 review 记录。可能 AI 还没跑完,或没找到需要建议的代码",结束 - 全部 resolved:提醒"所有 AI 评论已被标记 resolved,无需处理。仍要看的话告诉我"
- 只有部分 resolved:默认只处理未 resolved 的;如果用户明确要看全部,再处理
3. 加载 llmdoc 相关上下文(动态、可选)
检测 cwd 下是否存在 llmdoc 入口:
llmdoc/startup.mdllmdoc/index.md
若存在
a. 优先按 llmdoc 启动顺序加载:
- 如果存在
llmdoc/startup.md,按其中定义的启动阅读顺序加载文档。 - 如果没有
llmdoc/startup.md,读llmdoc/index.md(若存在),用它做文档路由索引。
b. 轻量 fallback:
- 读
llmdoc/must/*.md(若存在),作为强约束。 - 读
llmdoc/reference/coding-conventions.md(若存在),作为代码风格依据。
c. 按 finding 涉及关键词定向加载:
聚合所有 finding 涉及的文件路径、符号名和评论 body 关键词,匹配 llmdoc 索引里的文档路径和描述,加载最相关的 3-8 篇 llmdoc 文档。匹配原则:
- 优先匹配文件路径中的模块名、目录名、包名、领域词。
- 其次匹配评论 body 中反复出现的业务词、技术词、接口名、组件名、函数名。
- 如果索引描述明确指向
architecture/、guides/、reference/文档,优先加载这些文档作为评估依据。 - 如果候选文档过多,先读最像"总览 / architecture / must / convention"的文档,再读具体 guide/reference。
若不存在
跳过;evaluation 仅基于代码本身,并在报告头部标注 "未加载 llmdoc 项目规范"。
4. 逐条评估合理性
对每个 finding,按以下五分类标签:
| 分类 | 含义 | 行动 |
|---|---|---|
| valid bug 🔴 | 真问题(逻辑错、安全漏洞、明确违反规范) | 必须修,给 diff |
| valid improvement 🟡 | 真合理建议(命名、可读性、性能微优化) | 建议修,给 diff |
| style preference ⚪ | 风格分歧(如分号、换行、命名风格) | 看团队约定,默认不修 |
| false positive ⚪ | AI 误报(基于上下文不该报) | 不修,但要写明不修原因 |
| uncertain 🔵 | 缺信息无法判断(如缺业务背景) | 留给用户决策 |
评估方式
对每个 finding:
- 读对应文件的实际上下文:用 Read 工具读 finding.file,重点看 finding.new_line 附近 ±20 行
- 读相关的 llmdoc 文档(如已加载)寻找规范依据
- 判断:AI 提议是否合理?是否在当前上下文成立?
- 打标签:从上面 5 类里选一个
- 写依据:1-2 句话说明为什么这么判
5. 输出修复 plan
格式:
# AI Review Fix Plan: MR !<iid>
> 项目: <path_with_namespace>
> MR 链接: <web_url>
> 评估时间: <now>
> 项目规范来源: <llmdoc/ 已加载 X 篇 | 未加载>
## 评估摘要
- AI Findings 总数: N
- 🔴 必须修复(valid bug): A
- 🟡 建议改进(valid improvement): B
- ⚪ 可忽略(style/false-positive): C
- 🔵 待决策(uncertain): D
---
## 🔴 必须修复
### 1. `<file>:<line>` — <一句话标题>
**AI 评论**:
> <原文,可能很长,可摘要核心>
**评估**: 同意。<理由>
**依据**: <llmdoc 路径或通用最佳实践>
**修复**:
\`\`\`diff
- <原代码>
+ <改后代码>
\`\`\`
### 2. ...
---
## 🟡 建议改进
<同样格式>
---
## ⚪ 可忽略项
| 文件:行 | AI 提议 | 不修原因 |
|---|---|---|
| `foo.ts:42` | 建议把 const 改 let | false positive — 这里就是不需要变量重赋值 |
| `bar.ts:88` | 建议加注释 | style — 函数名已经够清晰 |
---
## 🔵 待决策
### 1. `<file>:<line>` — <标题>
**AI 评论**: ...
**为什么不能立刻判断**: 缺业务上下文 / 缺设计意图 / 涉及历史遗留
**需要你确认**: <具体的问题>
---
## 推荐执行顺序
1. 先修 🔴 N 个问题,跑 typecheck / 单测验证
2. 再处理 🟡 建议(视时间)
3. 提交建议格式:`fix(review): apply AI review feedback for MR !<iid>`
4. 跑 `pnpm typecheck && pnpm test`(项目用 pnpm)/ `npm test`(如用 npm)/ 或本仓库实际测试命令
5. push 后 GitLab AI 会自动重新 review;若仍有评论再跑 `/glab:review-fixup <iid>`
---
## 在 GitLab 上的后续操作(可选,由你决定)
修复完成并 push 后,可以手动在 MR 页面把已处理的 AI 评论标记 resolved。本 skill **不会自动**调用 `glab` resolve API。
6. 关键约束
- ✅ 只产出修复 plan,绝不直接改代码
- ✅ 所有
glab api调用必须--paginate,避免漏分页 - ✅ URL 编码用
jq @uri,绝不用sed手 hack - ✅ 临时文件统一存
/tmp/glab-mr-<iid>-*,便于 debug 时排查 - ✅ llmdoc 缺失时优雅降级,不报错
- ❌ 不自动
glab discussion resolve(让用户决定) - ❌ 不自动 push 修复(仅 plan)
- ❌ 不自动给 MR 加评论