用途：面向 GitHub Pull Request 的代码评审反馈整理。通过脚本抓取某个 PR 的全部评论，合并多位评审者的意见，识别高共识问题，并生成按优先级排列的处理计划，便于系统化地逐条解决评审意见。
主要能力：
- 评论提取：通过 GitHub API 抓取行内评审评论与普通对话评论，保留文件路径、行号、时间戳、diff 片段等元数据，支持分页与增量更新（重复运行合并新评论而不产生重复）。
- 评论合并：按文件路径与代码段分组，识别不同评审者的相似意见，标记高共识问题，跟踪评论线程与回复。
- 优先级划分：一级为严重问题（缺陷、安全、性能、高共识），二级为设计改进（架构、重构、设计模式），三级为风格细节（命名、格式、文档）。
- 上下文校验（新版）：结合项目上下文文件判断评论是否仍适用，标记基于过时假设的评论。
- 影响分析（新版）：分析建议修复是否可能影响 PR 之外的代码，搜索相似模式与依赖，给出连锁影响警告。
- 可执行输出：生成 markdown 格式的行动计划与可勾选任务清单。
使用方式： 在仓库内运行脚本： python /path/to/pr-comment-analysis/scripts/pr-comment-grabber.py owner/repo PR_NUMBER 输出保存在 pr-code-review-comments/pr42-code-review-comments.json，再次运行同一命令可增量合并新评论。将 JSON 交给 LLM 代理，配合 references/analysis-prompt.md 中的提示进行三阶段分析（初步合并、上下文校验、修复与影响校验）。随后按优先级逐条处理，可用 jq 按评论类型或评审者过滤 JSON，也可集成到 CI 工作流。
限制：需要 GitHub Personal Access Token，不支持匿名访问；不抓取 PR 描述与提交信息，仅评论；不跟踪评论解决状态；大型 PR（超 200 条评论）分析耗时较长；Qodo、CodeRabbit 等外部工具评论格式可能不同。校验功能依赖 ref.tools 与 Exa 搜索等 MCP 工具，需另行配置。