task-review

用途：对 SkillsBench 任务的 PR 做端到端审阅，产出人类可读的 .txt 报告与 pr<N>.zip 审阅包（结构参照 PR #560 评论）。流程按顺序执行：fetch（用 gh API + raw 下载 PR 文件到工作区，不用 git checkout）、route（分类赛道并选择对应 rubric）、policy（静态策略检查，不执行）、benchmark（oracle + claude×{skills,no} + codex×{skills,no} 共 5 组配置）、audit（读轨迹，检查技能使用、作弊、失败根因）、report（填 report-template.txt 并打包区间）。命令示例：scripts/fetch_pr.sh <pr_number> <workspace>；scripts/run_experiments.sh <task_dir> <jobs_root>；scripts/parse_results.py <jobs_root> --out <out_dir>/summary.json；scripts/package_traj.sh <pr_number> <jobs_root> <report_txt>。赛道判定：task.md 声明实时网络/API key、或 verifier 在验证时导入网络客户端 → research-track；输出为非文本产物（.pdf/.mp3/.pptx 等）且测试打开解码 → multimodal-track；否则为 standard-track。静态策略检查中，若 task.md 提示词为 AI 生成、作者非真人、oracle 直接回显答案、测试或解法被复制进镜像、技能依赖未安装，则先停下请求修改。默认模型为 claude-opus-4-7 与 gpt-5.5（裸 ID，无 provider 前缀），运行前需重新确认最新模型。认证优先 OAuth：Claude 用 CLAUDE_CODE_OAUTH_TOKEN 等，Codex 用 ~/.codex/auth.json。审阅结论可为 APPROVE、APPROVE WITH CAVEATS、MAJOR CHANGES NEEDED、REJECT / CLOSE。约束：不要创建 releases、tags 或辅助分支来托管审阅产物，报告以文本围栏内联在 PR 评论中，zip 留在本地路径并告知用户。具体 rubric 细节、审计原则与模板内容在资料中未完整给出，使用前需参考对应文件。