用途：基于《Clean Code》原则对代码进行质量审查，聚焦命名、函数、重复、过度设计、魔法数字、结构清晰度与项目约定七个高影响维度，只针对实现方式给出改进方向，不改变代码功能、输出或行为。
主要能力：1）命名问题，识别 data1、temp、result 等无意义命名及同概念命名不一致；2）函数问题，识别超 100 行函数、参数超过 3 个、一函数多职责；3）重复问题，识别相似 if-else、数据处理与错误处理逻辑及复制粘贴痕迹；4）过度设计（YAGNI），识别永不成立的条件分支、仅一个实现的接口、无用 try-catch；5）魔法数字，识别无说明的裸数字与硬编码字符串，建议改为具名常量；6）结构清晰度，识别嵌套三元、过度紧凑单行、超过 3 层条件嵌套；7）项目约定，识别导入顺序、函数声明风格、命名风格不一致。
使用方式：按工作流先扫描代码库确定待审文件，再逐维度检查、评级、生成按严重程度排序的报告。严重程度分为 High（影响可维护性/可读性，应立即修复）、Medium（有改进空间，建议修复）、Low（代码异味，可选优化）。输出格式为问题类型、原则、位置 file:line、严重程度、问题描述与修复方向。流水线模式可产出 clean-code-review.md 报告与 clean-code-review.json 结构化问题列表。支持多代理并行，可按维度（共 7 个）、模块/目录、语言或文件类型拆分，示例：/review-clean-code --scope=components 或 --dimension=naming，聚合时需去重并统一评级。
适用场景：需要对代码库做系统性整洁度审查并生成可排序、可聚合问题清单的团队或工程流程。
限制：项目约定的判定应参考 CLAUDE.md、AGENTS.md 或项目自定义编码规范；具体价格、支持平台、效果数据等事实暂未提供。