用途：依据 Clean Code 原则对代码库做质量审查，聚焦 7 个高影响维度，只针对实现方式提建议，不改变代码功能、输出或行为。
主要能力：1) 命名问题，如 data1、temp 等无意义命名及同一概念命名不一致；2) 函数问题，如超过 100 行、参数多于 3 个、一函数多职责；3) 重复问题（DRY），如相似 if-else、重复的数据转换或错误处理；4) 过度设计（YAGNI），如永不成立的分支、仅一个实现的接口、无用 try-catch；5) 魔法数字，如裸数字与硬编码字符串；6) 结构清晰度，如嵌套三元、过度紧凑单行、条件嵌套超过 3 层；7) 项目约定，如导入顺序、函数声明风格、命名风格不一致，约定可参考 CLAUDE.md、AGENTS.md 或项目自定义规范。
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，为每个问题评定 High/Medium/Low 严重级别，最后按严重程度排序生成报告。输出格式为问题类型、原则、位置 file:line、严重级别、问题描述与修复方向。流水线模式可输出 clean-code-review.md 人类可读报告与 clean-code-review.json 结构化问题列表，便于聚合、去重和统计。支持多智能体并行，可按检查维度（共 7 个）、模块/目录、语言（TypeScript、Python、Go）或文件类型拆分，例如 /review-clean-code --scope=components 或 --dimension=naming；聚合时需去重并统一严重级别。
适用场景：代码评审、重构前评估、团队规范落地。限制：资料未提供安装方式、收费、价格与平台支持信息；详细示例见 detailed-examples.md，语言模式见 language-patterns.md。